-
公开(公告)号：CN115238835A
公开(公告)日：2022-10-25
申请号：CN202211161210.X
申请日：2022-09-23
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于双空间自适应融合的脑电情感识别方法、介质及设备；其中方法为：输入脑电数据并进行预处理；将脑电数据并行输入到双空间表示自适应融合网络的潜在空间表示模块和图拓扑空间表示模块：潜在空间表示模块得到判别性特征表示；在图拓扑空间表示模块中，脑电通道图构建单元构建脑电通道的邻接矩阵；将邻接矩阵及脑电数据输入到图卷积网络中进行特征提取得到拓扑空间表示；将判别性特征表示、拓扑空间表示及融合表示联合输入到自适应融合模块中提取协同信息表示，实现情感分类。该方法既可捕获脑电数据的潜在空间信息，同时获取脑电通道间的拓扑空间信息，并进行互补融合，可得到更全面特征表示，提高情感识别的性能。
-
公开(公告)号：CN115115874A
公开(公告)日：2022-09-27
申请号：CN202210660993.X
申请日：2022-06-13
Applicant: 华南理工大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于孪生标签辅助模块的图片分类方法、系统及介质，其中方法包括：构建多个独立的图片分类模型；构建孪生标签辅助模块，将多个独立的图片分类模型的输出通过所述孪生标签辅助模块进行连接；对于每一个图片分类模型的训练，通过孪生标签辅助模块获取其他图片分类模型的孪生标签输出作为辅助信息；将辅助信息输入到交叉熵损失函数中进行训练，直至所有的图片分类模型收敛；根据实际硬件计算资源和分类精度需求，选取辅助训练后的图片分类模型，用于实际的图片分类任务中。本发明通过孪生标签辅助模块对模型进行辅助训练，在不增加计算资源和存储资源的前提上，能够有效地提高模型的性能。本发明可广泛应用于图片分类技术领域。
-
公开(公告)号：CN115082698A
公开(公告)日：2022-09-20
申请号：CN202210744125.X
申请日：2022-06-28
Applicant: 华南理工大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于多尺度注意力模块的分心驾驶行为检测方法，包括以下步骤：得到标注对应的分心驾驶行为信息的图像数据集；结合多尺度注意力模块MPSA，改进MoblieNetV2特征网络模型，用于提取分心驾驶行为特征并输出预测驾驶行为概率，其中，改进的MoblieNetV2特征网络模型包括多个串联的倒瓶颈残差模块，且在每个倒瓶颈残差模块中加入多尺度注意力模块，定义为多尺度倒瓶颈残差模块，多尺度倒瓶颈残差模块包括分组卷积层、多尺度注意力模块层MPSA以及特征提取层，设置训练超参数，将训练集图像输入到改进后的MoblieNetV2特征网络模型，得到训练完备的分心驾驶行为检测模型；将待测图像输入训练得到的分心驾驶行为检测模型中，输出驾驶行为类型。稳定性好，鲁棒性强。
-
公开(公告)号：CN112508192B
公开(公告)日：2022-04-22
申请号：CN202011519673.X
申请日：2020-12-21
Applicant: 华南理工大学
Abstract: 本发明提供了一种具有深度结构的增量堆叠式宽度学习系统，其特征在于：包括n个宽度学习系统模块；n个宽度学习系统模块通过残差连接堆叠起来；第i‑1个宽度学习系统模块的输出将作为第i个宽度学习系统模块的输入，且第i个宽度学习系统模块的期望输出为第1,…,i‑1个宽度学习系统模块的残差，i≤n；系统的最终输出为n个宽度学习系统模块的输出总和。该系统保留了宽度学习系统高效、快速的优点，同时通过残差连接堆叠多个宽度学习系统模块，从而增加网络的深度，使网络具有强大的学习能力。
-
公开(公告)号：CN114373205A
公开(公告)日：2022-04-19
申请号：CN202111610869.4
申请日：2021-12-27
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于卷积宽度网络的人脸检测和识别方法，包括以下步骤：S1、使用摄像头采集视频并按一定频率截取视频帧；S2、使用深度网络MTCNN对视频帧进行人脸检测；S3、将检测到的人脸区域输入到卷积宽度人脸识别网络，并输出最终通用的人脸特征；S4、将获得的人脸特征与现有人员库中的人员特征进行对比，并根据阈值输出人脸识别结果。本发明将深度学习与宽度学习相结合，并用于人脸检测识别，解决了现有方法中参数量大，资源消耗大，训练时间长的问题，能够满足部署中实时性的要求。
-
Patent Agency Ranking
公开(公告)号：CN114358057A
公开(公告)日：2022-04-15
申请号：CN202111544158.1
申请日：2021-12-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种跨个体脑电情感识别方法、系统、装置及介质，其中方法包括：构建单源域自适应小样本学习网络；通过电极获取脑电数据，将脑电数据输入单源域自适应小样本学习网络进行跨个体的脑电情感识别，输出识别结果；单源域自适应小样本学习网络包括特征映射模块、域自适应模块和特定领域的小样本学习模块；其中，特征映射模块用于提取源域和目标域两个域的共同特征，域自适应模块用对齐两个域的数据分布，小样本学习模块用于保存特定于域的信息和对样本的预测。本发明将小样本学习运用于脑电图领域，通过单源域自适应小样本学习网络识别跨个体的脑电情感，提出一种新的跨个体脑电情感识别方案，可广泛应用于脑电信号处理领域。
-
公开(公告)号：CN114218543A
公开(公告)日：2022-03-22
申请号：CN202111435070.6
申请日：2021-11-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于表情识别的多场景加密解锁系统，包括摄像模块、数据采集模块、数据存储模块、数据处理模块、解锁应用模块；数据采集模块通过摄像模块对用户进行拍摄，获取人脸图像并利用用户的人脸图像建立身份信息，并提示用户按顺序采集用户的表情序列设置表情密码；数据存储模块存储相关信息；数据处理模块对表情序列进行分析，对人脸图像进行活体检测、特征提取和人脸识别，比对身份信息，再对人脸图像进行表情识别，得到指令，通过比对指令与用户的表情密码，得到比对结果；通过比对结果完成解锁，进行不同场景下系统的应用；本发明系统的可复用性强，并且可以有效应对不同的场景下可能存在的攻击，保证用户的信息安全与体验。
-
公开(公告)号：CN113158870A
公开(公告)日：2021-07-23
申请号：CN202110404921.4
申请日：2021-04-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种2D多人姿态估计网络的对抗式训练方法、系统及介质，其中方法包括：获取人体图像数据以及进行数据增强，将RGB图片中三个通道的数值进行映射，对图片中RGB三个通道进行归一化处理；利用截断的高斯分布，将图片中人体的关键点的位置坐标转换成多通道的热图；构建姿态判别器网络，构建以HRNet为主干的姿态网络，进行Xavier初始化；根据训练后的姿态网络，借助热图中最大值向次大值偏离四分之一的方式确定最终的关键点的位置坐标。本发明将姿态网络与姿态判别器网络相互竞争地进行训练，该训该练方法能有效学习到人体的关键点特征，并在复杂的背景环境中具有良好的鲁棒性，可广泛应用于图像识别技术领域。
-
公开(公告)号：CN113011586A
公开(公告)日：2021-06-22
申请号：CN202110302720.3
申请日：2021-03-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种神经网络模型辅助训练和参数压缩方法，包括以下步骤：1)、在需要被训练的神经网络模型中添加多个辅助训练模块，并将被训练的神经网络模型和辅助训练模块的输出串联起来得到输出；2)、扩展原样本标签，扩展后的N组标签与原来的标签一一对应；3)、将扩展后的标签N组标签分别设置不同的交叉熵权值，按照对应的权值，输入到交叉熵函数进行梯度反向传播；4)、选取其中的一个辅助训练模块取代被训练的神经网络模中对应的子模块，以实现模型的参数压缩。
-
公开(公告)号：CN113011493A
公开(公告)日：2021-06-22
申请号：CN202110290152.X
申请日：2021-03-18
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于多核宽度学习脑电情绪分类方法、装置、介质及设备；其中方法包括如下步骤：获取被试者的脑电信号，并对脑电信号进行预处理；对预处理的脑电信号采用卷积神经网络进行特征提取，得到一维空间向量V；将一维空间特征V输入到多核宽度学习系统中，得到脑电信号的情绪类型。该方法整合了卷积神经网络和多核宽度学习系统的优点，多核函数映射可以在组合空间中更准确、更合理地表达脑电信号特征数据，从而提高了分类精度。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.03 seconds)
