-
公开(公告)号：CN114581662B
公开(公告)日：2024-04-09
申请号：CN202210147766.7
申请日：2022-02-17
Applicant: 华南理工大学 , 广东微步智能科技有限公司
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种脑肿瘤图像的分割方法、系统、装置及存储介质，其中方法包括：对脑肿瘤图像及标签进行预处理和数据扩增；对脑肿瘤图像进行卷积及下采样，提取脑肿瘤图像中的上下文语义信息，获得特征图；对特征图进行上采样，将上采样的图与同一层级编码器模块中的特征进行特征融合；将特征图通过特征金字塔融合模块进行聚合，并输入到期望最大化自注意力模块中学习全局上下文信息；将特征和最大层级特征图进行聚合，得到最终的语义分割结果。本发明基于多尺度通道注意力机制，提取特征和进行特征融合，采用特征金字塔和期望最大化注意力机制来提取全局上下文信息，提高语义分割的精度，可广泛应用于计算机视觉及图像处理领域。
-
公开(公告)号：CN106650224B
公开(公告)日：2023-06-20
申请号：CN201610930959.4
申请日：2016-10-31
Applicant: 华南理工大学
Abstract: 本发明公开了可远程监控的仿生康复外骨骼系统及控制方法。该控制系统包括主控板、电机控制系统、传感器网络、无线手表控制端、数据库、远程监控服务器、医生客户端和家属客户端；所述主控板分别与电机控制系统、传感器网络以及无线手表控制端连接；主控板还通过网络远程监控服务器相连接；所述医生客户终端和家属客户终端通过网络连接远程监控服务器；数据库与远程监控服务器连接，数据库还通过网络与主控板连接；本发明提供的可远程监控的仿生康复外骨骼控制系统能由远程服务器与本地系统共同监控设备以及用户的安全，具有高度的安全性能，同时，医生以及家属能通过远程监控服务器及时了解患者状态并为用户制定合理的康复训练方案。
-
公开(公告)号：CN113312980B
公开(公告)日：2022-10-14
申请号：CN202110489246.X
申请日：2021-05-06
Applicant: 华南理工大学 , 广东微步智能科技有限公司
IPC: G06V20/40 , G06V10/774 , G06V10/80 , G06N3/04
Abstract: 本发明公开了一种视频密集描述方法、装置及介质，其中方法包括：采用C3D网络对输入视频进行特征提取；根据视频特征和双向SST算法对事件定位模块进行训练；结合事件定位模块、特征损失和基于注意力模型的事件描述模块进行训练，获得密集描述系统；将待处理视频输入密集描述系统进行预测，经过联合排序后，将排序靠前的事件候选框及其对应的描述句子提取出来作为最终的密集描述结果。本发明采用能同时利用过去信息和未来信息的双向SST算法来获得视频的事件候选框；使用基于注意力机制的分层LSTM模型来获得描述句子；使用联合排序的方法来综合定位模块和描述模块的置信度，提高系统整体的密集描述质量，可广泛应用于计算机视觉领域。
-
公开(公告)号：CN114581300A
公开(公告)日：2022-06-03
申请号：CN202210147765.2
申请日：2022-02-17
Applicant: 华南理工大学 , 广东微步智能科技有限公司
Abstract: 本发明公开了一种图像超分辨率重建方法及装置，其中方法包括：对低分辨率输入图像进行浅层特征的提取；将浅层特征通过m个由多尺度级联注意力残差模块组成的级联残差组和全局跳连接组成的主干网路，进行特征提取、融合以及增强，得到深层特征；使用亚像素卷积对深层特征进行上采样；利用所得的特征对图像进行重建，得到更高分辨率的图像。本发明采用多尺度级联注意力残差模块，通过从感受野、宽度与注意力等角度对多种特征进行提取、增强与融合；通过跳跃连接与级联残差，绕过低频信息，整合网络深度上不同层次的特征，从而得到更为丰富的细节；通过本发明的方法，可以重建出细节更丰富，质量更高的图像，可广泛应用于图像超分辨率重建领域。
-
公开(公告)号：CN108804495B
公开(公告)日：2021-10-22
申请号：CN201810281684.5
申请日：2018-04-02
Applicant: 华南理工大学
IPC: G06F16/34 , G06F40/289
Abstract: 本发明公开了一种基于增强语义的自动文本摘要方法，步骤如下：对文本预处理，按照词频信息从高到低排列，将词转为id；利用一个单层双向LSTM将输入序列进行编码，提取文本信息特征；利用单层单向LSTM将编码得到的文本语义向量进行解码获得隐层状态；进行语境向量的计算，提取输入序列中与当前输出最有用的信息；在解码后得到一个词表大小的概率分布，采取一定的策略进行摘要词选择，训练阶段将融合生成摘要和源文本的语义相似度进行损失计算，提高摘要和源文本的语义相似度。本发明利用LSTM深度学习模型对文本进行表征，融入上下文的语义联系，并增强了摘要和源文本的语义关系，生成的摘要更能契合文本的主题思想，应用前景广泛。
-
Patent Agency Ranking
公开(公告)号：CN113312980A
公开(公告)日：2021-08-27
申请号：CN202110489246.X
申请日：2021-05-06
Applicant: 华南理工大学 , 广东微步智能科技有限公司
Abstract: 本发明公开了一种视频密集描述方法、装置及介质，其中方法包括：采用C3D网络对输入视频进行特征提取；根据视频特征和双向SST算法对事件定位模块进行训练；结合事件定位模块、特征损失和基于注意力模型的事件描述模块进行训练，获得密集描述系统；将待处理视频输入密集描述系统进行预测，经过联合排序后，将排序靠前的事件候选框及其对应的描述句子提取出来作为最终的密集描述结果。本发明采用能同时利用过去信息和未来信息的双向SST算法来获得视频的事件候选框；使用基于注意力机制的分层LSTM模型来获得描述句子；使用联合排序的方法来综合定位模块和描述模块的置信度，提高系统整体的密集描述质量，可广泛应用于计算机视觉领域。
-
公开(公告)号：CN112634136A
公开(公告)日：2021-04-09
申请号：CN202011556673.7
申请日：2020-12-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于图像特征快速拼接的图像超分辨率方法及其系统，该系统包括多级快速的大视野图像信息提取模块、图像特征快速拼接模块、图像上采样重建模块以及对抗神经网络判别器。其中，所述多级快速的大视野图像信息提取模块从图像中快速提取大视野的信息；所述图像特征快速拼接模块将各级视野的图像信息以不均衡加权的方式整合起来；所述图像上采样重建模块使用亚像素卷积的方法从图像信息中重建出超分辨率图像；所述对抗神经网络判别器为算法模型的训练提供对抗损失。本发明将图像下采样的卷积计算引入到图像超分辨率重建的问题中，提升了图像超分辨率重建的计算速度和精度，具有广阔的应用前景。
-
公开(公告)号：CN111369563A
公开(公告)日：2020-07-03
申请号：CN202010108637.8
申请日：2020-02-21
Applicant: 华南理工大学 , 广州梦辉机器人有限公司
Abstract: 本发明公开了一种基于金字塔空洞卷积网络的语义分割方法，包括以下步骤：获取包含真实分割结果的医疗图像数据集，对该数据集进行数据增强等预处理操作；将预处理图像通过残差递归卷积模块、池化层得到浅层图像特征；通过由金字塔池化模块和空洞卷积模块并联的网络得到深层图像特征；通过反卷积层、跳跃连接和残差递归卷积模块对深层图像特征解码；将解码结果输入到softmax层得到每个像素所属类别；训练金字塔空洞卷积网络，建立损失函数，通过训练样本确定网络参数；将测试图像输入到训练完成的金字塔空洞卷积网络，得到该图像的语义分割结果。本发明采用的空洞卷积和金字塔池化方法能有效提取多尺度的语义信息和细节信息，提升网络的分割效果。
-
公开(公告)号：CN107007285B
公开(公告)日：2019-10-18
申请号：CN201710252332.2
申请日：2017-04-18
Applicant: 华南理工大学 , 华南智能机器人创新研究院
IPC: A61B5/11
Abstract: 本发明公开了一种基于压力与加速度传感器的跌倒检测方法，步骤如下：首先实时采集人体运动过程的足底压力传感器信号，当压力值信号小于设定压力阈值时认为一个动作开始，采集三轴加速度传感器信号；通过采集到的z轴加速度信号，计算z负轴方向的速度vSz‑，当计算出的速度vSz‑小于设定的速度阈值时，认为该动作为疑似跌倒动作；接着检测到准静止状态的出现或者超时发生后，提取三轴加速度传感器信号的三种特征，并使用训练好的支持向量机模型作出最终的跌倒的判断。本发明可以大大提高对跌倒动作识别的准确率；在实时性方面，本发明所提方式可以在跌倒动作结束后立即做出判断，实时性较强。
-
公开(公告)号：CN105525604B
公开(公告)日：2017-09-22
申请号：CN201610025240.6
申请日：2016-01-13
Applicant: 华南理工大学
Abstract: 本发明公开一种静力触探仪无缆式数据透传装置，其特征在于包括接收模块和装入探杆内部并随静力触探探头贯入地下的发射模块；发射模块的电池分别与第一电源模块和高压电源模块连接，第一微处理器、高速mos管驱动电路、激励脉冲产生电路和发射换能器依次信号连接；高压电源模块分别与第一微处理器和激励脉冲产生电路连接；第一电源模块和第一微处理器连接；第一微处理器和发射换能器分别与静力触探探头和超声波接收换能器连接；发射模块将探头数据调制为超声波信号并沿着探杆传输，接收模块从探杆接收超声波信号并解调出探头原始数据输出给静力触探分析仪，代替原有线缆进行数据传输，从而静力触探试验过程的无缆化。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.03 seconds)
