-
公开(公告)号：CN110326515A
公开(公告)日：2019-10-15
申请号：CN201910652830.5
申请日：2019-07-19
Applicant: 中山大学 , 广州中医药大学(广州中医药研究院) , 广州市岭南中草药博览园有限公司
Abstract: 本发明公开了一种种植巴戟天的复配土及方法，表层复配土主要包括黄黏土、泥炭土和腐殖土。本发明的一些实例，通过改进巴戟天栽培时用的表层土，突破现有技术的局限，使用透水透气差的黏土、泥炭土和腐殖土复配得到表层复配土，取得了出人意料的栽培效果。通过构建种植池，管理方便，有效避免了水土流失，采挖巴戟天时省时省力，折损率低，品质较好。本发明方法巴戟天的种植密度高，大大提高巴戟天产量且不降低其品质，节约土地资源，有望解决巴戟天野生资源枯竭的现状。
-
公开(公告)号：CN109101932A
公开(公告)日：2018-12-28
申请号：CN201810947455.2
申请日：2018-08-17
Applicant: 佛山市顺德区中山大学研究院 , 广东顺德中山大学卡内基梅隆大学国际联合研究院 , 中山大学
Abstract: 本发明公开了基于目标检测的多任务及临近信息融合的深度学习算法，包括输入图片，利用卷积神经网络提取图像特征，并生成目标候选框；利用图像特征，将图片经过区域候选网络，提取出目标预测框；将目标预测框进行特征提取和特征池化，再进行边框回归、方向预测、目标检测分类，得到初步检测结果；将初步检测结果与目标候选框融合并进入ROI池化层和通过第二全连接层，得到最终检测结果；其中，目标检测分类是利用一个目标预测框与其临近的其他目标预测框的信息关系而重新定义该目标预测框的置信度分数；算法采用多任务输出模式。本发明在提高目标检测的速度的同时，确保了目标检测的准确性，达到实时目标检测的要求。
-
公开(公告)号：CN108921088B
公开(公告)日：2022-03-04
申请号：CN201810699862.6
申请日：2018-06-29
Applicant: 佛山市顺德区中山大学研究院 , 广东顺德中山大学卡内基梅隆大学国际联合研究院 , 中山大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/776 , G06K9/62
Abstract: 本发明公开了一种基于判别式目标方程的人脸识别方法，首先用第一训练样本来线性表示测试样本，并构建第一目标方程，然后计算测试样本的最小残差所对应的第一类别，将最小残差所对应的第一类别作为第二训练样本来重新线性表示测试样本，然后构建第二目标方程，通过计算第二目标方程得到测试样本的最小残差所对应的第二类别，最小残差所对应的第二类别即为测试样本所属的类别，本发明的方法通过对测试样本的二次表示以及两次残差的计算，降低了图片分类过程中的设计复杂度，可以更精确的分类出人脸，并且在不同光照以及姿势下都有很强的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN108921088A
公开(公告)日：2018-11-30
申请号：CN201810699862.6
申请日：2018-06-29
Applicant: 佛山市顺德区中山大学研究院 , 广东顺德中山大学卡内基梅隆大学国际联合研究院 , 中山大学
Abstract: 本发明公开了一种基于判别式目标方程的人脸识别方法，首先用第一训练样本来线性表示测试样本，并构建第一目标方程，然后计算测试样本的最小残差所对应的第一类别，将最小残差所对应的第一类别作为第二训练样本来重新线性表示测试样本，然后构建第二目标方程，通过计算第二目标方程得到测试样本的最小残差所对应的第二类别，最小残差所对应的第二类别即为测试样本所属的类别，本发明的方法通过对测试样本的二次表示以及两次残差的计算，降低了图片分类过程中的设计复杂度，可以更精确的分类出人脸，并且在不同光照以及姿势下都有很强的鲁棒性。
-
公开(公告)号：CN108664917A
公开(公告)日：2018-10-16
申请号：CN201810435840.9
申请日：2018-05-08
Applicant: 佛山市顺德区中山大学研究院 , 广东顺德中山大学卡内基梅隆大学国际联合研究院 , 中山大学
Abstract: 本发明公开了基于辅变字典及最大边际线性映射的人脸识别方法和系统，方法包括：根据训练集中同类别的不受外界因素影响的自然样本和受外界因素影响的非自然样本之间的差异来构建辅助变量字典；输入待测样本，根据主成分分析法对待测样本、训练集和辅助变量字典进行降维；对降维后的待测样本、训练集和辅助变量字典进行最大边际线性映射；对经降维和最大边际线性映射后的待测样本进行稀疏表示，并计算与每一类训练样本之间的线性结合的差别，判定待测样本所属类别为对应的使计算所得的差别最小的一类训练样本。本发明可提高待测样本在欠采样情况下的识别率，同时针对不同的外界环境因素具有良好的鲁棒性。
-
公开(公告)号：CN109101932B
公开(公告)日：2020-07-24
申请号：CN201810947455.2
申请日：2018-08-17
Applicant: 佛山市顺德区中山大学研究院 , 广东顺德中山大学卡内基梅隆大学国际联合研究院 , 中山大学
Abstract: 本发明公开了基于目标检测的多任务及临近信息融合的深度学习方法，包括输入图片，利用卷积神经网络提取图像特征，并生成目标候选框；将所述目标候选框经过区域候选网络，提取出目标预测框；将目标预测框进行特征提取和特征池化，再进行边框回归、方向预测、目标检测分类，得到初步检测结果；将初步检测结果与目标候选框融合并进入RO I池化层和通过第二全连接层，得到最终检测结果；其中，目标检测分类是利用一个目标预测框与其临近的其他目标预测框的信息关系而重新定义该目标预测框的置信度分数；算法采用多任务输出模式。本发明在提高目标检测的速度的同时，确保了目标检测的准确性，达到实时目标检测的要求。
-
公开(公告)号：CN109934236A
公开(公告)日：2019-06-25
申请号：CN201910069754.5
申请日：2019-01-24
Applicant: 杰创智能科技股份有限公司 , 中山大学
Abstract: 本发明公开了一种基于深度学习的多尺度转换目标检测算法，其特征在于，包括以下步骤：S1，采用基础网络进行特征提取；S2，采用多尺度转换模块，对于卷积网络生成的特征进行处理；S3，采用目标定位和分类模块，对目标进行精准定位以及对输出目标分类。本发明的算法改善了整个网络的信息流和梯度，使得更容易进行训练。每一层都可以直接访问损失函数和原始输入信号的梯度，从而实现隐式的深度监控，这有助于更深入地训练网络架构。
-
公开(公告)号：CN107578092A
公开(公告)日：2018-01-12
申请号：CN201710779613.3
申请日：2017-09-01
Applicant: 广州智慧城市发展研究院 , 中山大学
Abstract: 本发明公开了一种基于情绪和意见挖掘的情感复合分析方法及系统，可以有效地达到一个情感分析的结果。该方法包括：对输入文本信息进行预处理；以词向量的形式将预处理后词汇输入设定的训练词向量层，同时将词向量进行拼接，获取词矩阵；采用二叉树算法与意见挖掘和情绪挖掘两个softmax层相结合对所述词矩阵分别进行意见和情绪挖掘，之后分别与语义语法向量进行重新组合，不断更新词向量中的情感信息，获取情绪训练集和意见训练集；采用卷积神经网路分别所述对情绪训练集和意见训练集进行处理，获取最终情感分析结果。通过本发明实施例，对文本进行预处理、训练、卷积神经网路，可以分析出文本信息包含用户的态度与想法。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.064 seconds)
