-
公开(公告)号：CN118154569A
公开(公告)日：2024-06-07
申请号：CN202410350979.9
申请日：2024-03-26
Applicant: 华南理工大学 , 广州市第一人民医院(广州消化疾病中心、广州医科大学附属市一人民医院、华南理工大学附属第二医院)
IPC: G06T7/00 , G06T7/11 , G06T7/73 , G06T7/60 , G06V10/25 , G06V10/42 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习与目标修正的阑尾检测系统，包括：数据预处理模块，用于对原始数据进行预处理，增强图像特征，并将三维CT图像转换为统一大小的二维CT切片图像；阑尾预定位模块，使用目标检测网络对二维CT切片图像进行初步的阑尾定位，得到阑尾预定位位置，并提取目标检测网络生成的图像特征图和目标特征；阑尾目标修正模块，利用卷积神经网络融合同一病例多个二维CT切片图像的图像特征图来得到该病例的CT图像的全局特征图，并以多头注意力机制为核心来增强同一病例二维CT切片图像之间的目标空间关系，基于CT图像的全局特征图和二维CT切片图像之间的目标空间关系来对阑尾预定位位置进行阑尾目标修正。本发明可实现精准化的阑尾位置修正。
-
公开(公告)号：CN110196906B
公开(公告)日：2023-07-04
申请号：CN201910008264.4
申请日：2019-01-04
Applicant: 华南理工大学 , 上海中软华腾软件系统有限公司
IPC: G06F40/289 , G06F40/30 , G06N3/044 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种面向金融行业的基于深度学习文本相似性检测方法，包括：S1、步骤：建立专有名词词库，再基于条件随机场得到条件概率模型，通过条件概率模型进行概率计算。S2、使用Bi‑LSTM‑RNN模型按顺序将句子中的每个单词取出，提取其信息，并将其嵌入到语义向量中，从而获取句子的语义表示。S3、根据神经网络提取出的语义信息，分析句子的逻辑结构，将句子组织成树状结构，最后将段落按照向量树的方式表示出来。S4、将文本中提取到的向量树与数据库内的历史数据文档进行匹配，分别从两个角度比较相似性，一个是向量树之间的相似度，另一个是每个节点之间的相似度，最终得到结果。
-
公开(公告)号：CN110196906A
公开(公告)日：2019-09-03
申请号：CN201910008264.4
申请日：2019-01-04
Applicant: 华南理工大学 , 上海中软华腾软件系统有限公司
Abstract: 本发明提出了一种面向金融行业的基于深度学习文本相似性检测方法，包括：S1、步骤：建立专有名词词库，再基于条件随机场得到条件概率模型，通过条件概率模型进行概率计算。S2、使用Bi-LSTM-RNN模型按顺序将句子中的每个单词取出，提取其信息，并将其嵌入到语义向量中，从而获取句子的语义表示。S3、根据神经网络提取出的语义信息，分析句子的逻辑结构，将句子组织成树状结构，最后将段落按照向量树的方式表示出来。S4、将文本中提取到的向量树与数据库内的历史数据文档进行匹配，分别从两个角度比较相似性，一个是向量树之间的相似度，另一个是每个节点之间的相似度，最终得到结果。
-
公开(公告)号：CN109993068B
公开(公告)日：2023-07-21
申请号：CN201910180227.1
申请日：2019-03-11
Applicant: 华南理工大学
Abstract: 本发明提供一种基于心率和面部特征的非接触式的人类情感识别方法，它使得系统可以远程识别人类情感。包括步骤：（1）使用图像采集设备（包括RGB色彩和红外线）实时采集图像信息；（2）使用信号分离技术得到特征信号；（3）使用神经网络分析并得出人类情感。本发明结合人类的实时影像，系统可以依赖难以伪装的人类的生物信号识别出人类情感。
-
Patent Agency Ranking
公开(公告)号：CN111079561A
公开(公告)日：2020-04-28
申请号：CN201911177239.5
申请日：2019-11-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于虚拟训练的机器人智能抓取方法。所述方法包括：搭建机器人虚拟操作平台并对其采用域随机化算法进行随机化，获取机器人的状态与所处的环境信息并经过预处理作为机器人操作的输入；搭建深度特征提取网络；基于搭建的深度特征提取网络，构建深度强化学习模型；对构建的深度强化学习模型进行训练，得到训练好的深度强化学习模型；将现实世界中的机器人关节角状态与环境信息输入训练好的深度强化学习模型，生成抓取控制的输出，统计并返回成功抓取次数与总次数的比值作为结果指标。本发明克服了传统方法手工制作与数据清洗的繁重问题，避免了特征提取和轨迹规划的人为处理，提高了机器人抓取的可伸缩性与泛化性能。
-
公开(公告)号：CN109670406B
公开(公告)日：2023-06-20
申请号：CN201811411596.9
申请日：2018-11-25
Applicant: 华南理工大学
IPC: G06V40/16 , G06V40/70 , G06V10/77 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/048 , G06F3/00
Abstract: 本发明提供一种结合心率与面部表情面向游戏用户的非接触式情感识别方法，包括步骤：（1）信息采集：采集玩家的面部信息；（2）心率训练：计算玩家的心率频率范围，识别心率包含的情感，最后实现心率模式的分类；（3）面部表情训练：对采集到的人脸视频帧实时分割出ROI，接着进行Gabor特征提取和LDA降维，再融合成的强分类器实现面部表情的分类；(4)情感判定：对玩家的情感初步判断；再利用模糊积分融合心率和面部表情进行情感判定。本发明只需Kinect2的摄像头可完成对玩家面部信息的非侵入式采集，另外红外摄像头保证输入信息不受光照条件影响，给游戏开发者提供有用的经验，从而设计出最大化用户体验的游戏。
-
公开(公告)号：CN111079561B
公开(公告)日：2023-05-26
申请号：CN201911177239.5
申请日：2019-11-26
Applicant: 华南理工大学
IPC: G06V20/20 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , B25J15/00 , B25J19/02
Abstract: 本发明公开了一种基于虚拟训练的机器人智能抓取方法。所述方法包括：搭建机器人虚拟操作平台并对其采用域随机化算法进行随机化，获取机器人的状态与所处的环境信息并经过预处理作为机器人操作的输入；搭建深度特征提取网络；基于搭建的深度特征提取网络，构建深度强化学习模型；对构建的深度强化学习模型进行训练，得到训练好的深度强化学习模型；将现实世界中的机器人关节角状态与环境信息输入训练好的深度强化学习模型，生成抓取控制的输出，统计并返回成功抓取次数与总次数的比值作为结果指标。本发明克服了传统方法手工制作与数据清洗的繁重问题，避免了特征提取和轨迹规划的人为处理，提高了机器人抓取的可伸缩性与泛化性能。
-
公开(公告)号：CN109993068A
公开(公告)日：2019-07-09
申请号：CN201910180227.1
申请日：2019-03-11
Applicant: 华南理工大学
Abstract: 本发明提供一种基于心率和面部特征的非接触式的人类情感识别方法，它使得系统可以远程识别人类情感。包括步骤：（1）使用图像采集设备（包括RGB色彩和红外线）实时采集图像信息；（2）使用信号分离技术得到特征信号；（3）使用神经网络分析并得出人类情感。本发明结合人类的实时影像，系统可以依赖难以伪装的人类的生物信号识别出人类情感。
-
公开(公告)号：CN109670406A
公开(公告)日：2019-04-23
申请号：CN201811411596.9
申请日：2018-11-25
Applicant: 华南理工大学
Abstract: 本发明提供一种结合心率与面部表情面向游戏用户的非接触式情感识别方法，包括步骤：（1）信息采集：采集玩家的面部信息；（2）心率训练：计算玩家的心率频率范围，识别心率包含的情感，最后实现心率模式的分类；（3）面部表情训练：对采集到的人脸视频帧实时分割出ROI，接着进行Gabor特征提取和LDA降维，再融合成的强分类器实现面部表情的分类；(4)情感判定：对玩家的情感初步判断；再利用模糊积分融合心率和面部表情进行情感判定。本发明只需Kinect2的摄像头可完成对玩家面部信息的非侵入式采集，另外红外摄像头保证输入信息不受光照条件影响，给游戏开发者提供有用的经验，从而设计出最大化用户体验的游戏。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
