公开(公告)号：CN107122701A

公开(公告)日：2017-09-01

申请号：CN201710122736.X

申请日：2017-03-03

Applicant: 华南理工大学

Inventor： 许泽珊 ,  叶绿珊 ,  余卫宇

IPC: G06K9/00 ,  G06N3/06 ,  G06N3/08

CPC classification number: G06K9/00818 ,  G06N3/061 ,  G06N3/08

Abstract: 本发明公开了一种基于图像显著性和深度学习的交通道路标志识别方法。所述方法首先由卷积神经网络(CNN)生成一个网络(Alexnet),然后通过从ImageNet数据集中获取交通道路标志图片，对训练图片进行归一化预处理之后输入网络，然后训练AlexNet网络。再将测试图片进行RC显著性提取之后输入训练好的Alexnet卷积神经网络，进行交通道路标志的测试分类。本发明结合了图像显著性高效提取显著区域和深度学习在图片识别中的优势，达到对交通道路标志图片进行精准分类的目的。

公开(公告)号：CN110020710B

公开(公告)日：2023-10-27

申请号：CN201910177140.9

申请日：2019-03-08

Applicant: 华南理工大学

Inventor： 叶绿珊 ,  鲍文杰 ,  余卫宇 ,  吴毅

IPC: G06N3/006 ,  G16H50/20

Abstract: 本发明公开了一种基于人工蜂群算法的射束方向及权重多目标优化方法。该方法包括：下载三维CT图像数据集；通过图像处理和解剖结构的三维重建获得三维人体图像；三维人体图像建立之后进入数据输入模块，并把这些数据传输到射束方向及权重多目标优化模型模块中；基于人工蜂群算法对射束方向及权重多目标优化模型模块建立多目标函数；射束方向和权重朝着目标函数的方向同时优化；基于笔形束算法进行剂量计算，模拟剂量分布；输出优化结果，然后实施输出计划。人工蜂群算法是模拟蜜蜂群采蜜过程进行随机优化的一种新型群体智能算法，对于解决复杂的优化问题有良好的效果。

公开(公告)号：CN110020710A

公开(公告)日：2019-07-16

申请号：CN201910177140.9

申请日：2019-03-08

Applicant: 华南理工大学

Inventor： 叶绿珊 ,  鲍文杰 ,  余卫宇 ,  吴毅

IPC: G06N3/00 ,  G16H50/20

Abstract: 本发明公开了一种基于人工蜂群算法的射束方向及权重多目标优化方法。该方法包括：下载三维CT图像数据集；通过图像处理和解剖结构的三维重建获得三维人体图像；三维人体图像建立之后进入数据输入模块，并把这些数据传输到射束方向及权重多目标优化模型模块中；基于人工蜂群算法对射束方向及权重多目标优化模型模块建立多目标函数；射束方向和权重朝着目标函数的方向同时优化；基于笔形束算法进行剂量计算，模拟剂量分布；输出优化结果，然后实施输出计划。人工蜂群算法是模拟蜜蜂群采蜜过程进行随机优化的一种新型群体智能算法，对于解决复杂的优化问题有良好的效果。

公开(公告)号：CN107180241A

公开(公告)日：2017-09-19

申请号：CN201710261694.8

申请日：2017-04-20

Applicant: 华南理工大学

Inventor： 袁东芝 ,  李楚怡 ,  余卫宇 ,  叶绿珊 ,  胡丹

IPC: G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/4609 ,  G06K9/626 ,  G06N3/0454 ,  G06N3/08

Abstract: 本发明公开了一种基于Gabor特征具有分形结构的极深神经网络的动物分类方法。所述分类方法首先通过单一扩展规则的重复应用生成一个极深的网络(Fractalnet)，然后通过从ImageNet数据集中获取一定数量种类的动物图片，进行Gabor特征提取以及归一化等预处理，得到Gabor特征伪彩图之后，利用Gabor特征伪彩图作为网络输入，通过监督学习的方法训练Fractalnet网络模型，最后进行动物图片的测试分类。本发明利用了具有分形结构的极深神经网络在物体分类中的优势，通过加入人工提取的Gabor特征来加强网络对纹理信息的学习，达到对动物图片进行精准分类的目的。