-
公开(公告)号：CN114209319B
公开(公告)日：2024-03-29
申请号：CN202111315105.2
申请日：2021-11-08
Applicant: 华南理工大学
IPC: A61B5/16 , A61B5/1455 , A61B5/00
Abstract: 本发明公开了基于图网络及自适应去噪的fNIRS情绪识别方法及系统，包括fNIRS采集设备连续采集发射‑接收前后光强的变化量，将光强的变化量转化为吸光度的变化，进一步得到氧合血红蛋白与脱氧血红蛋白浓度的相对变化量；通过自适应去噪网络模型去噪得到纯净信号，所述自适应去噪网络模型的输入信号为上一步骤得到氧合血红蛋白与脱氧血红蛋白浓度的相对变化量，输出信号为纯净的氧合血红蛋白和脱氧血红蛋白浓度的相对变化量数据；结合探针及通道特性进行图节点的映射，使用图网络进行脑拓扑的还原，通过动态图注意力情绪识别网络模型，分类输出情绪标签。本发明解决脑机接口目前在实际应用中穿戴复杂、操作困难等问题。
-
公开(公告)号：CN116959659A
公开(公告)日：2023-10-27
申请号：CN202310817843.X
申请日：2023-07-05
Applicant: 人工智能与数字经济广东省实验室(广州) , 华南理工大学
Abstract: 本发明公开了一种基于社区和物联网的智能处理的肤质监测方法及相关设备，涉及智能家居技术领域，方法包括：获得图片数据，所述图片数据至少包含两张不同角度的目标用户的面部照片；两张所述面部照片分别通过分类网络对应获得肤质分类的概率向量，两张所述面部照片分别通过目标检测网络对应获得肤质检测的特征集合；根据两张所述面部照片的肤质分类的概率向量获得两张所述面部照片的相关矩阵，根据两张所述面部照片的肤质检测的特征获得标准瑕疵；根据两张所述面部照片的所述相关矩阵和所述标准瑕疵拼接获得量化向量，根据两张所述面部照片的所述相关矩阵和所述标准瑕疵计算获得肤质评价向量，所述肤质评价向量至少包含多个肤质评价分数。
-
公开(公告)号：CN115564969A
公开(公告)日：2023-01-03
申请号：CN202211233301.X
申请日：2022-10-10
Applicant: 华南理工大学
Abstract: 本发明公开了一种全景图显著性预测方法、设备及存储介质，包括：以自然场景全景图作为数据集，对数据集内的全景图像进行投影预处理，所述投影预处理包括多立方体投影及多球面旋转投影；分别将经过多立方体投影和多球面体投影生成的投影全景图作为源数据输入全局与局部子网络，进行显著性预测训练得到局部显著性预测图片及全局显著性预测图片；将全局显著性预测图片和局部先显著性预测图片按照比例融合得到同时关注全局与局部信息的均衡显著性投影，将均衡显著性投影进行相同方向与角度的逆投影，得到融合显著性预测图。本发明同时关注全景图像的全局与局部信息，并对全局与局部的特征信息进行线性加权的融合，比之卷积神经网络模型更为精准高效。
-
公开(公告)号：CN114692733A
公开(公告)日：2022-07-01
申请号：CN202210241789.4
申请日：2022-03-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种端到端的抑制时域噪声放大的视频风格迁移方法、系统及存储介质，包括获取图像训练集，得到连续的两帧图像和随机生成的光流信息；获取风格训练集，所述风格训练集包括艺术绘画风格图像；构建视频风格迁移网络模型，所述视频风格迁移网络模型包括内容编码器、风格编码器、多级注意力特征迁移模块和解码器；将生成的两帧图像及风格图像输入视频风格迁移网络模型，进行训练，得到训练好的视频风格迁移模型；将任意一段测试视频和风格图像输入训练好的视频风格迁移模型，得到风格化视频。本发明增强风格化视频的时间一致性。
-
公开(公告)号：CN111340686A
公开(公告)日：2020-06-26
申请号：CN202010101931.6
申请日：2020-02-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种具有人群偏向的虚拟现实场景评估方法、系统及介质，系统包括虚拟现实场景生成模块、路径自定义模块、三维空间到全景图序列的映射模块、具有人群偏向的显著性区域预测模块、显著性图序列到三维空间的映射模块以及带有不同用户特征下显著性预测结果的虚拟场景显示模块。本发明利用虚拟现实场景下的三维空间到全景图序列的映射与反向映射技术，解决了现有技术无法直接应用在虚拟现实场景中的问题。
-
Patent Agency Ranking
公开(公告)号：CN105138125A
公开(公告)日：2015-12-09
申请号：CN201510526148.3
申请日：2015-08-25
Applicant: 华南理工大学
IPC: G06F3/01 , G06F3/0481 , G06F3/0482 , G11B27/10
Abstract: 本发明公开了一种基于Leapmotion手势识别的智能车载系统，包括依次连接的数据采集模块、系统控制模块及系统响应模块；所述数据采集模块，利用Leapmotion传感器实时采集手部的运动数据，获取被称为帧对象的运动追踪数据；所述系统控制模块包括相互连接的数据处理单元及手势训练库，用于将收到的运动追踪数据提取手势信息，然后进行特征提取，并与手势训练库进行匹配，将匹配后的结果封装成控制信息，并传输到系统响应模块；所述系统响应模块包括投影显示单元及交互应用单元，用于获取控制信息，形成交互界面，投影到汽车挡风玻璃，进行操作系统交互应用。本系统可以提高行车的安全性和便捷性。
-
公开(公告)号：CN104866826A
公开(公告)日：2015-08-26
申请号：CN201510254132.1
申请日：2015-05-17
Applicant: 华南理工大学
IPC: G06K9/00
CPC classification number: G06K9/00355
Abstract: 本发明公开一种基于KNN和像素比梯度特征的静态手语识别方法。该方法包括：步骤1：拍摄彩色图像；步骤2：基于图像的颜色特征对图像进行二值化；步骤3：基于图像的形状特征定位手的位置，并分割出来；步骤4：对分割后的图像进行归一化；步骤5：提取图像的像素比和梯度特征作为图像的特征向量；步骤6：计算输入的特征向量与标准手语图像特征库的欧氏距离；步骤7：基于KNN算法确定最佳匹配结果；步骤8：将识别结果输出。本发明结合了图像颜色特征、形状特征和像素比梯度特征，并且利用了KNN算法来进行特征匹配，提高了识别率和对不同环境的适应性，而且算法相对较简单，复杂度低，系统运行速度快，设备成本低廉。
-
公开(公告)号：CN119207723A
公开(公告)日：2024-12-27
申请号：CN202411133742.1
申请日：2024-08-19
Applicant: 华南理工大学
IPC: G16H20/70 , G16H50/20 , G06F3/04815
Abstract: 本发明公开了一种抑郁倾向识别及正念开导的方法及系统，包括：构建VR虚拟交互场景，所述VR虚拟交互场景包括认知任务场景及自由探索场景，认知任务场景用于对用户抑郁倾向进行识别，自由探索场景用于对用户进行正念开导；受试者借助VR设备与认知任务场景实现交互行为，同时采集受试者的反馈数据信息；根据反馈数据信息，得到受试者的情绪状态，所述情绪状态包括正常状态及抑郁状态，若情绪状态为抑郁状态，则进行下一步；受试者借助VR设备与自由探索场景进行交互行为，同时采集受试者的反馈数据信息，并与受试者正常状态进行比较，评估自由探索场景的开导效果。
-
公开(公告)号：CN112381813B
公开(公告)日：2023-09-05
申请号：CN202011335092.0
申请日：2020-11-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于图卷积神经网络的全景图视觉显著性检测方法，包括全景图的局部显著性检测；全景图的全局显著性检测及将局部显著性检测和全局显著性检测进行融合。本发明可以充分利用全景图全局和局部场景的特点，有效地解决全景图景物扭曲程度严重，左右边界不连续对显著性检测的影响问题，从而提高对全景图显著性检测的准确度。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.023 seconds)
