-
公开(公告)号：CN110188227B
公开(公告)日：2022-11-18
申请号：CN201910368358.2
申请日：2019-05-05
Applicant: 华南理工大学
IPC: G06F16/583 , G06V10/75 , G06V10/764
Abstract: 本发明公开了一种基于深度学习与低秩矩阵优化的哈希图像检索方法，包括以下步骤：S1、获取图像数据，对数据进行标注和预处理，构造图像检索的数据集，并将其分为训练集与测试集；S2、搭建深度特征提取网络，构建深度哈希网络主干；S3、将训练集输入深度哈希网络主干，基于极大化概率似然和低秩正则化损失函数，构建哈希网络；S4、对哈希网络进行训练；S5、将测试集与训练集图像分别输入哈希网络，生成二值哈希编码，计算相互的汉明距离；S6、返回训练集中汉明距离最小图片作为检索结果。本发明克服了直接用二值化连续值特征编码到汉明空间造成的相似性信息破环和量化误差大的问题，提高了基于哈希表征的图像检索方法的性能。
-
公开(公告)号：CN112258680B
公开(公告)日：2021-12-21
申请号：CN202011046218.2
申请日：2020-09-29
Applicant: 华南理工大学
Abstract: 本发明公开一种基于树莓派的办公室多功能智能设备系统及实现方法，实现包括智能巡逻考勤功能、陌生人员报警安防功能、邮件作息提醒功能和智能避障清洁功能。包括电源模块，树莓派模块，摄像头模块，麦克风模块，避障红传感模块，寻迹红外传感模块，马达模块，音响模块，清洁模块，邮件发送模块。执行智能巡逻考勤任务时，树莓派接收寻迹红外传感模块信号，控制马达模块，完成寻迹任务，配合摄像头模块，麦克风模块进行人脸识别和语音识别完成考勤功能。执行陌生人员报警安防功能时，树莓派通过摄像头模块采集视频图像信息进行人脸识别任务，配合音响模块完成安防报警功能。执行邮件作息提醒功能时，邮件发送模块定时发送邮件提醒员工作息时间。
-
公开(公告)号：CN110188227A
公开(公告)日：2019-08-30
申请号：CN201910368358.2
申请日：2019-05-05
Applicant: 华南理工大学
IPC: G06F16/583 , G06K9/62
Abstract: 本发明公开了一种基于深度学习与低秩矩阵优化的哈希图像检索方法，包括以下步骤：S1、获取图像数据，对数据进行标注和预处理，构造图像检索的数据集，并将其分为训练集与测试集；S2、搭建深度特征提取网络，构建深度哈希网络主干；S3、将训练集输入深度哈希网络主干，基于极大化概率似然和低秩正则化损失函数，构建哈希网络；S4、对哈希网络进行训练；S5、将测试集与训练集图像分别输入哈希网络，生成二值哈希编码，计算相互的汉明距离；S6、返回训练集中汉明距离最小图片作为检索结果。本发明克服了直接用二值化连续值特征编码到汉明空间造成的相似性信息破环和量化误差大的问题，提高了基于哈希表征的图像检索方法的性能。
-
Patent Agency Ranking
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：CN112258680A
公开(公告)日：2021-01-22
申请号：CN202011046218.2
申请日：2020-09-29
Applicant: 华南理工大学
Abstract: 本发明公开一种基于树莓派的办公室多功能智能设备系统及实现方法，实现包括智能巡逻考勤功能、陌生人员报警安防功能、邮件作息提醒功能和智能避障清洁功能。包括电源模块，树莓派模块，摄像头模块，麦克风模块，避障红传感模块，寻迹红外传感模块，马达模块，音响模块，清洁模块，邮件发送模块。执行智能巡逻考勤任务时，树莓派接收寻迹红外传感模块信号，控制马达模块，完成寻迹任务，配合摄像头模块，麦克风模块进行人脸识别和语音识别完成考勤功能。执行陌生人员报警安防功能时，树莓派通过摄像头模块采集视频图像信息进行人脸识别任务，配合音响模块完成安防报警功能。执行邮件作息提醒功能时，邮件发送模块定时发送邮件提醒员工作息时间。
-
公开(公告)号：CN110765844B
公开(公告)日：2023-05-26
申请号：CN201910828167.X
申请日：2019-09-03
Applicant: 华南理工大学
IPC: G06V20/68 , G06V10/25 , G06V10/26 , G06V10/28 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/094
Abstract: 本发明公开了一种基于对抗学习的非感应式餐盘图像数据自动标注方法，包括以下步骤：S1、输入原始的无标注数据图像样本，自动获取初步的标注标签；S2、从S1得到的标注标签里面自动筛选真实标签，构成待标注数据集；S3、构建卷积神经网络，定义对应的损失函数；所述卷积神经网络主要由目标检测网络和判别器网络构成；S4、对卷积神经网络进行半监督训练，并设计候选框选策略；S5、将完全无标注的数据输入到训练好的卷积神经网络，自动获得标签。本发明以对抗学习的方式利用少量的标注数据进行训练，充分利用已标记样本和未标记样本之间的联系构造标注模型，大大减少了人工标注的巨大工作量和人力成本。
-
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：CN110765844A
公开(公告)日：2020-02-07
申请号：CN201910828167.X
申请日：2019-09-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于对抗学习的非感应式餐盘图像数据自动标注方法，包括以下步骤：S1、输入原始的无标注数据图像样本，自动获取初步的标注标签；S2、从S1得到的标注标签里面自动筛选真实标签，构成待标注数据集；S3、构建卷积神经网络，定义对应的损失函数；所述卷积神经网络主要由目标检测网络和判别器网络构成；S4、对卷积神经网络进行半监督训练，并设计候选框选策略；S5、将完全无标注的数据输入到训练好的卷积神经网络，自动获得标签。本发明以对抗学习的方式利用少量的标注数据进行训练，充分利用已标记样本和未标记样本之间的联系构造标注模型，大大减少了人工标注的巨大工作量和人力成本。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
