-
公开(公告)号：CN115099886B
公开(公告)日：2024-04-19
申请号：CN202210575237.7
申请日：2022-05-25
Applicant: 华南理工大学
IPC: G06Q30/0601 , G06Q30/0202 , G06F18/2411 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种长短兴趣序列推荐方法、装置及存储介质，其中方法包括：根据用户与商品交互数据构建图；采用图卷积提取商品与用户多阶信息，获得商品与用户初始嵌入向量后，构造用户与商品交互序列，将该序列输入transformer模块中，学习用户长时兴趣嵌入向量；获取短时用户行为嵌入向量，将其输入胶囊网络中，获取用户k个短时兴趣嵌入向量；将k个短时兴趣嵌入向量、长时兴趣嵌入向量与商品嵌入向量通过注意力机制模块，获取单个商品嵌入向量与每个用户兴趣嵌入向量的权重，接着通过加权求的用户最终嵌入向量；计算用户嵌入向量和商品嵌入向量交互的点击可能，实现商品推荐。本发明有效提高推荐效果，可广泛应用于序列推荐领域。
-
公开(公告)号：CN116468974B
公开(公告)日：2023-10-13
申请号：CN202310702062.6
申请日：2023-06-14
Applicant: 华南理工大学 , 广东广物互联网科技有限公司
Abstract: 本发明公开了一种基于图像生成的烟雾检测方法、装置及存储介质，属于图像数据处理领域。其中方法包括：获取烟雾数据集和无烟雾数据集；根据烟雾数据集训练基于图像掩码生成图像的图像生成网络；采用训练后的图像生成网络对无烟雾数据集进行处理，生成含有不同浓度烟雾的图像以及对应的图像掩码；根据烟雾数据集以及生成的图像获取训练集，根据训练集训练烟雾检测模型；获取待检测图像，将待检测图像输入训练后的烟雾检测模型，检测待检测图像中是否存有火灾烟雾。本发明通过图像生成网络生成场景丰富、浓度不同的逼真的烟雾图像，避免繁琐人工标注的前提下能够极大地扩充烟雾检测模型训练的数据量，提高烟雾检测模型的检测精度以及效果。
-
公开(公告)号：CN113011506B
公开(公告)日：2023-08-25
申请号：CN202110311743.0
申请日：2021-03-24
Applicant: 华南理工大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985 , G06N3/09
Abstract: 本发明公开了一种基于深度重分形频谱网络的纹理图像分类方法，包括获取纹理图像及其对应的类别标签数据库；对纹理图像进行预处理，作为深度重分形频谱网络模型的输入；构建深度重分形频谱网络模型，并进行训练，所述深度重分形频谱网络模型包括对纹理图像进行特征提取，提取后的特征分别输入两个旁支进行计算得到特征向量，再通过双线性池化层对两个特征向量进行耦合，最后通过全连接层与Softmax函数映射成训练数据集所对应的类别数相等的类别预测概率向量，概率向量数值大的向量元素所对应的索引即为预测类别；利用训练后的深度重分形频谱网络模型，实现纹理图像的分类。本发明在真实场景下分类准确率更高。
-
公开(公告)号：CN116468974A
公开(公告)日：2023-07-21
申请号：CN202310702062.6
申请日：2023-06-14
Applicant: 华南理工大学 , 广东广物互联网科技有限公司
Abstract: 本发明公开了一种基于图像生成的烟雾检测方法、装置及存储介质，属于图像数据处理领域。其中方法包括：获取烟雾数据集和无烟雾数据集；根据烟雾数据集训练基于图像掩码生成图像的图像生成网络；采用训练后的图像生成网络对无烟雾数据集进行处理，生成含有不同浓度烟雾的图像以及对应的图像掩码；根据烟雾数据集以及生成的图像获取训练集，根据训练集训练烟雾检测模型；获取待检测图像，将待检测图像输入训练后的烟雾检测模型，检测待检测图像中是否存有火灾烟雾。本发明通过图像生成网络生成场景丰富、浓度不同的逼真的烟雾图像，避免繁琐人工标注的前提下能够极大地扩充烟雾检测模型训练的数据量，提高烟雾检测模型的检测精度以及效果。
-
公开(公告)号：CN111062892B
公开(公告)日：2023-06-16
申请号：CN201911362316.4
申请日：2019-12-26
Applicant: 华南理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于复合残差网络和深层监督的单幅图像去雨方法，包括以下步骤：构建训练集，收集自然场景下带有多个方向的雨的图像以及对应的干净的图像；预处理，从训练集中随机选取图像对作为网络的输入；提取特征，将带有雨的图像块输入到包含多个残差模块的复合残差网络中进行处理，得到多层次特征；图像重构，将每个残差模块的输出特征进行拼接后，输入到一个卷积层后得到三通道图像，取这个三通道图像为最终的复原图像；使用干净图像对每个残差模块的输出进行监督，即深层监督，以优化网络参数。本发明在有效地去除包含多个方向雨条的同时，能够良好地保留场景细节信息，并可应用到各类图像复原的应用中。
-
Patent Agency Ranking
公开(公告)号：CN115630153A
公开(公告)日：2023-01-20
申请号：CN202211409115.7
申请日：2022-11-11
Applicant: 华南理工大学
IPC: G06F16/335 , G06F16/35 , G06F16/9535
Abstract: 本发明公开了一种基于大数据技术的研究生文献资源推荐方法，包括：基于相似度的预推荐方法和基于深度学习的个性化推荐方法；基于相似度的预推荐方法初步衡量用户感兴趣文献，为用户生成推荐表，通过用户反馈收集用户‑项目交互信息；基于深度学习的个性化推荐方法首先生成个性化用户及项目表示，采用图神经网络构建用户‑项目交互关联，利用可学习超图网络建立用户‑用户、项目‑项目全局关联，结合预推荐方法生成标签优化推荐策略。本发明根据研究生研究性学习活动规律，引进个性化推荐策略，通过采用大数据信息技术，实现了以研究生个性化研究性学习需求驱动为中心的精准文献资源推荐。
-
公开(公告)号：CN113012071B
公开(公告)日：2023-01-06
申请号：CN202110339430.6
申请日：2021-03-30
Applicant: 华南理工大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于深度感知网络的图像失焦去模糊方法，包括S1，对待去模糊图像进行预处理；S2，将待去模糊图像输入至已训练好的深度感知网络模型中，得到恢复图像；S3，将得到的恢复图像与真实清晰图像进行对比，计算衡量指标PSNR；本发明有效地利用深度图像的辅助失焦模糊的恢复，通过足够数据对网络进行训练使其学习退化映射，从而得到一个有效且快速的失焦去模糊图像复原网络，本发明可应用相机的图像处理中。
-
公开(公告)号：CN115082142A
公开(公告)日：2022-09-20
申请号：CN202210504352.5
申请日：2022-05-10
Applicant: 华南理工大学
IPC: G06Q30/06 , G06F16/901 , G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于异构关系图神经网络的推荐方法、装置及介质，其中方法包括：收集带有用户社交关系、商品属性关系及用户商品交互关系的数据集；采用图结构的方式对三种关系的数据进行存储，获得图结构数据；构建推荐模型，将推荐模型中的三个图卷积网络，分别学习图结构数据的节点特征向量；节点嵌入向量学习；无监督学习；结合节点嵌入向量学习和无监督学习对推荐模型进行训练学习；将推荐模型最终学习到的用户和商品嵌入向量进行打分预测，得到推荐商品顺序。本发明利用个性化对比学习方法学习社交关系或者商品属性关系在对用户购买商品时所产生的影响，能够提高推荐准确性，可广泛应用于推荐系统领域。
-
公开(公告)号：CN114691981A
公开(公告)日：2022-07-01
申请号：CN202210201808.0
申请日：2022-03-02
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/9537 , G06K9/62 , G06Q30/06 , G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种会话推荐方法、系统、装置及存储介质，其中方法包括：获取会话推荐数据集并进行预处理与数据增强，将数据处理成用户行为序列的形式；把数据增强后的数据输入到Transformer网络中，分别利用邻域建模单元和内部建模单元对会话信息进行建模；将邻域会话信息和当前会话信息进行聚合，得到推荐结果。本发明利用历史购买信息作为协同信息，可以有效建模用户的消费行为，并且在给用户进行推荐时，考虑历史会话中和用户存在相同偏好的用户行为，使得推荐算法可以更有效地预测用户的真实消费意图，从而给出更加准确的推荐结果。本发明可广泛应用于人工智能、深度学习及推荐系统技术领域。
-
公开(公告)号：CN114529461A
公开(公告)日：2022-05-24
申请号：CN202210024843.X
申请日：2022-01-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种深度学习单图像去反射方法、装置、电子设备和存储介质，该方法包括：构造训练集；利用网络中的编码器对训练集中带反射图像I进行特征提取，得到n个不同尺度的编码特征图；根据n个不同尺度的编码特征图，在网络的解码过程中，生成各尺度的解码特征图、传输层图像特征图和反射区域导向掩膜图，并得到最终预测的传输层图像；利用训练集中真实的传输层图像T对网络进行监督，指导网络预测的传输层图像更接近真实传输层图像，达到图像去反射的目的；同时对生成的掩膜图进行监督，限制掩膜图的取值范围，指导网络生成更精确掩膜图，引导网络准确预测传输层图像。本发明能够很好地对单张反射图像完成去反射任务。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.084 seconds)
