-
公开(公告)号：CN114373205B
公开(公告)日：2024-09-17
申请号：CN202111610869.4
申请日：2021-12-27
Applicant: 华南理工大学
IPC: G06V40/16 , G06V20/40 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/09
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。
-
公开(公告)号：CN117238018B
公开(公告)日：2024-06-21
申请号：CN202311217076.5
申请日：2023-09-20
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
Abstract: 本发明提供了一种基于多粒度的可增量深宽网络活体检测方法、介质及设备；其中方法为：将待检测的图像依次进行人脸区域提取、人脸对齐、人脸特征向量提取处理，形成多粒度信息；将多粒度信息输入到稀疏宽度活体识别网络，得到活体检测结果；稀疏宽度活体识别网络的训练方法为：将样本图像分成若干批次；将样本图像的多粒度信息分批次输入到宽度活体识别网络进行学习，更新权重；当获取到新的样本图像时，采用增量方式输入到宽度活体识别网络进行学习，更新权重。该方法可解决学习时间消耗和资源占用问题，检测精度高，鲁棒性强。
-
公开(公告)号：CN113012773A
公开(公告)日：2021-06-22
申请号：CN202110263364.9
申请日：2021-03-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种内部影响因素下基于宽度学习的水泥强度估测方法，包括以下步骤：建立水泥强度估测指标系统，系统包括影响水泥强度的内部影响因素、第3天水泥抗压强度以及第28天水泥抗压强度；收集水泥企业历年来每批水泥强度的检测记录，获取了不同内部影响因素下的水泥样本第3天和第28天抗压强度；建立估测水泥强度的宽度学习模型，模型采用单层神经网络结构，将内部影响因素作为模型输入，输出为第3天或第28天水泥抗压强度；模型训练；将水泥强度估测模型用于实际水泥抗压强度预测。本发明通过对采集的水泥数据进行强度无损估测，减少了传统方法中的资源浪费，缩短了水泥抗压强度的检测时间，有助于加快新型水泥和特种水泥的开发。
-
公开(公告)号：CN118885729A
公开(公告)日：2024-11-01
申请号：CN202410865767.4
申请日：2024-07-01
Applicant: 华南理工大学
IPC: G06F18/10 , G06F18/214 , G06F18/24 , G06N3/0499 , G06N3/0895 , G06N20/20
Abstract: 本发明公开了一种基于集成半监督宽度回归系统的水泥抗压强度预估方法及装置，方法包括：确定水泥抗压强度影响因素；按照确定的影响因素对应属性数值，制备水泥样品并在标准养护条件下进行水化反应；按照水泥抗压强度测定方法对水泥样品进行测试记录；使用标记数据和无标签数据训练集成自训练的半监督宽度回归方法，并对测试数据进行预测；测试平均绝对误差小于预期值则属于对应预测强度；否则，调整模型结构，直到得到满意的预测误差。本发明有效地解决标记数据的稀缺性问题，并利用未标记数据的潜力来增强水泥抗压强度的估计，引入集成学习技术增加模型的稳定性和鲁棒性。
-
公开(公告)号：CN118845012A
公开(公告)日：2024-10-29
申请号：CN202410865770.6
申请日：2024-07-01
Applicant: 华南理工大学
IPC: A61B5/16 , G06F18/24 , G06F18/213 , G06N3/0495 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于半监督宽度网络的弹性稀疏化情绪识别方法及装置，方法包括：采集脑电信号，获取脑电数据集；对脑电数据集进行数据预处理和特征提取，获取情绪状态特征；利用弹性稀疏自编码器对情绪状态特征提取低维特征，获取脑电低维特征；利用嵌入弹性稀疏化的多层增强节点对情绪状态特征进行深度特征提取，获取深度抽象特征，将脑电低维特征和深度抽象特征合并，形成情绪识别决策层特征；利用决策层对情绪识别特征进行分类，识别输出脑电数据相应的情绪。本发明解决了脑电情绪识别场景下面临的数据高维和标记数据不足的问题，提高识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN114722908B
公开(公告)日：2025-02-18
申请号：CN202210242204.0
申请日：2022-03-11
Applicant: 华南理工大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种基于增量式自训练框架的半监督宽度学习分类方法，框架包括初始化阶段，将所有未标记数据通过聚类方法和样本确定性大小形成有序的查询序列表，顺序选择部分数据初始化未标记数据池，同时使用初始标记数据训练基分类器，并标注未标记数据池中的数据；增量自更新阶段，根据选择度量值和设定阈值确定辅助训练数据并将其合并到标记训练数据集形成新的标记训练数据，用于更新基分类器；同时，顺序地从查询序列表中获取一批数据更新未标记数据池并用基分类器预测其新分类伪标签；重复增量自更新阶段，直到未标记数据池为空。本发明框架减少了大量重复运算，节省了资源，同时解决迭代造成的时间消耗问题，使其适用于大规模数据的应用。
-
公开(公告)号：CN118195025A
公开(公告)日：2024-06-14
申请号：CN202410250437.4
申请日：2024-03-05
Applicant: 华南理工大学
IPC: G06N20/00 , G06F18/213
Abstract: 本发明公开了一种鲁棒的数据增量宽度学习方法，包括以下步骤：初始批次数据输入特征提取模块，经过特征提取后的数据进入记忆模块生成记忆矩阵并储存，再通过权重计算模块得到初始模型的权重；增量数据通过增量特征提取模块提取增量特征，增量特征经过增量记忆模块生成增量记忆矩阵，记忆快速更新模块将增量记忆矩阵与所述的记忆矩阵融合，得到新的记忆矩阵并储存，新的记忆矩阵通过权重计算模块得到增量模型的权重；后续还有其他的增量数据，则重复上述中的流程，整个网络可以按照这样的方式持续进行动态更新。本发明记忆模块来存储宽度学习网络所学知识，以确保宽度学习网络在增量学习过程中不会遗忘先前学到的知识。
-
公开(公告)号：CN114372557A
公开(公告)日：2022-04-19
申请号：CN202111612510.0
申请日：2021-12-27
Applicant: 华南理工大学
Abstract: 本发明公开了一种通用的深宽网络结合框架的构建方法，包括以下步骤：S1、初始化宽度学习参数，包括映射特征组个数、组内特征个数以及增强节点个数；S2、由输入数据，使用具有随机值的深度网络或其组件初始化宽度学习中的映射特征节点组；S3、由得到的映射特征使用深度网络或其组件构建增强特征节点组；S4、将两组提取的特征合并，共同连接到最终输出层；S5、使用优化算法对深宽网络参数进行优化，包括最后一层连接权重和特征层中深度网络的参数，直到达到停止条件。本发明将深度学习或其组件提取特征的能力融合到宽度学习中，实现深宽结合的模型，有效解决了深度学习中参数量大，时间消耗长的问题。
-
公开(公告)号：CN116403294B
公开(公告)日：2023-10-27
申请号：CN202310673551.3
申请日：2023-06-08
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
Abstract: 本发明涉及活体检测技术领域，具体提供了一种基于Transformer的多视图宽度学习活体检测方法、介质及设备；其中方法为：获取待检测人员的多视图视频帧；多视图视频帧经过人脸区域检测模块获得对应的人脸区域图像；使用基于ViT嵌入的多视图宽度学习活体检测模型对人脸区域图像进行特征提取，并计算输出结果及置信度；将置信度与阈值做比较，得出活体检测结果。该方法能够充分挖掘图像中的人脸关键信息；基于多视图学习技术，能够有效解决因距离、光线等问题造成的不稳定性，不需要刻意面向摄像头进行验证；采用宽度学习方式，能使用比较少的参数实现较高的识别精度和响应速度，具有良好的鲁棒性。
-
公开(公告)号：CN116403294A
公开(公告)日：2023-07-07
申请号：CN202310673551.3
申请日：2023-06-08
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06V40/40 , G06N3/0455 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82 , G06V40/16
Abstract: 本发明涉及活体检测技术领域，具体提供了一种基于Transformer的多视图宽度学习活体检测方法、介质及设备；其中方法为：获取待检测人员的多视图视频帧；多视图视频帧经过人脸区域检测模块获得对应的人脸区域图像；使用基于ViT嵌入的多视图宽度学习活体检测模型对人脸区域图像进行特征提取，并计算输出结果及置信度；将置信度与阈值做比较，得出活体检测结果。该方法能够充分挖掘图像中的人脸关键信息；基于多视图学习技术，能够有效解决因距离、光线等问题造成的不稳定性，不需要刻意面向摄像头进行验证；采用宽度学习方式，能使用比较少的参数实现较高的识别精度和响应速度，具有良好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.017 seconds)
