-
公开(公告)号：CN101388733A
公开(公告)日：2009-03-18
申请号：CN200810218530.8
申请日：2008-10-22
Applicant: 华南理工大学
Abstract: 本发明提供一种通信系统的盲分离抗干扰基带处理装置。它主要由处理器，信息接收单元、信息输出单元和干扰输出和电源单元组成。信息接收单元主要为两路带干扰的输入解调下变频信号。由一个时序合控制单元向各单元提供时钟信号和控制信号，将采集的两路独立的带干扰的信号输入处理器，由处理器进行预处理、盲分离、将分离干扰噪声和信号输送到输出单元。本发明装置可以用于一般的通信机中，尤其在雷达、军事等领域可以采用，对信噪比没有要求，能够在强干扰下保持良好的通信质量。
-
公开(公告)号：CN119295415A
公开(公告)日：2025-01-10
申请号：CN202411439757.0
申请日：2024-10-15
Applicant: 华南理工大学
IPC: G06T7/00 , G06V10/40 , G06V10/80 , G06V10/766 , G06T7/10 , G06N3/0464 , G06N3/0499 , G06N3/048
Abstract: 本发明公开了一种基于视觉变换器的无参考光场图像质量评价方法，包括对失真光场图像的子孔径图像阵列进行提取，提取出中心子孔径图像和中心角度分辨率为a×a的子孔径图像阵列；将失真光场图像的中心子孔径图像输入空间块化模块获得富含空间信息的失真光场图像空间块，将失真光场图像的中心角度分辨率为a×a的子孔径图像阵列输入角度块化模块获得失真光场图像角度块；获取失真光场图像空间域上的多层特征，获取失真光场图像角度域上的多层特征，并拼接得到富含空间特征和角度特征的融合特征；利用质量分数预测网络对融合特征进行回归得到失真光场图像的质量分数，并根据配置的相关网络模型和训练参数，利用梯度反向传播训练网络。
-
公开(公告)号：CN119007149A
公开(公告)日：2024-11-22
申请号：CN202411042009.9
申请日：2024-07-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向低光照度场景的实时交通目标检测方法，包括以下步骤：建立低光照度场景检测数据集；构建基于RT‑DETR改进的面向低光照度场景的交通目标检测模型；使用检测数据集对交通目标检测模型进行训练；使用完成训练的交通目标检测模型对待检测的目标进行检测。本发明使用RT‑DETR作为基础检测模型，无需在检测前后进行Anchor设置与NMS处理，加快检测速度；嵌入的图像增强模块PENet能够提取更加有效的图片特征信息，提高检测性能；为颈部的编码器模块引入的AFPN模块，提升多层级特征融合效果，进一步增强模型对不同尺度目标的检测能力。
-
公开(公告)号：CN117687408A
公开(公告)日：2024-03-12
申请号：CN202311461108.6
申请日：2023-11-03
Applicant: 广州发展燃料港口有限公司 , 华南理工大学
Abstract: 本申请公开了一种装船机智能控制方法、系统、装置和存储介质，其中方法包括以下步骤：获取装船机的溜筒与周围环境的第一有效点云数据，悬臂与周围环境障碍物的第二有效点云数据；根据所述第一有效点云数据，通过聚类分簇算法确定所述悬臂与所述障碍物之间的第一距离；根据所述第二有效点云数据，通过圆柱形搜索算法以及欧式聚类算法确定所述溜筒的边缘与所述障碍物的第二距离；根据所述第一距离以及所述第二距离，控制所述装船机进行障碍物预警或者紧急停止工作。本方法可以减少光线影响，可以提高数据准确度。本申请可广泛应用于装船机技术领域。
-
公开(公告)号：CN112163492B
公开(公告)日：2023-09-08
申请号：CN202010995926.4
申请日：2020-09-21
Applicant: 华南理工大学
IPC: G06V20/58 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种长时跨场景优化的交通物体检测方法、系统及介质，其中方法包括以下步骤：获取训练集，根据训练集对网络模型进行训练，获得物体检测模型；获取图像数据，采用物体检测模型对图像数据进行检测，获得带有物体边框的图像作为检测结果；采用整图特征跨场景配准优化方法对物体检测模型进行在线优化，更新物体检测模型的网络参数，以使物体检测模型适应于不同的场景。本发明通过更新服务端的网络参数方法来提升环境变化带来的交通场景识别不准的问题，代替需要海量的带标签的多场景数据去训练一个自带泛化性能的物体检测器，从而提高训练效率，减少人工标注的代价以及上线前训练的损耗代价，可广泛应用于交通场景下物体检测领域。
-
Patent Agency Ranking
公开(公告)号：CN111161325B
公开(公告)日：2023-05-23
申请号：CN201911416915.X
申请日：2019-12-31
Applicant: 广州视声智能科技有限公司 , 华南理工大学
IPC: G06T7/277 , G06N3/049 , G06N3/0442
Abstract: 本发明公开了一种基于卡尔曼滤波与LSTM的三维目标跟踪方法，包括以下步骤：对输入的三维目标边框进行轨迹初始化；使用恒定速率卡尔曼滤波算法对三维目标边框轨迹进行更新去噪并得到预测轨迹集合；利用匈牙利算法对预测轨迹和当前帧的三维目标边框进行数据关联并更新卡尔曼滤波器；将去噪的三维目标框序列用于训练长短时记忆网络；利用恒定速率卡尔曼滤波算法和匈牙利算法，与训练好的LSTM进行三维目标的跟踪与预测。传统基于卡尔曼滤波的目标跟踪方法，存在非线性拟合能力不足的问题，本方法与传统方法最大不同之处在于使用了深度学习模型LSTM的强力特征提取能力，能够拟合更复杂的运动模型，使得跟踪的结果更加平滑，同时提高了跟踪系统的速度。
-
公开(公告)号：CN116129218A
公开(公告)日：2023-05-16
申请号：CN202310060332.8
申请日：2023-01-13
Applicant: 华南理工大学
Abstract: 本发明公开一种基于迁移学习及生成对抗网络的图像数据扩增方法，包括以下步骤：利用GAN的第一图像生成器收集输入的隐向量与输出图像的样本对数据集，称为第一数据集；把第一数据集中的每一对数据融合，得到第二数据集；构建第一编码器，其输入、输出格式分别与第一数据集的图像、隐向量相同；构建第一向量判别器，其输入格式与第二数据集的数据相同；利用第一数据集以及第二数据集，对第一编码器以及第一向量判别器进行训练；收集第三数据集；对第三数据集预处理获得第四数据集；将第四数据集的图像依次输入训练后的第一编码器，得到相同数量的隐向量数据集，称为第五数据集；对GAN网络模型进行训练；利用训练后GAN网络模型进行数据扩增。
-
公开(公告)号：CN115328319B
公开(公告)日：2023-03-24
申请号：CN202211250478.0
申请日：2022-10-13
Applicant: 华南理工大学
IPC: G06F3/01 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82 , G06V40/10 , G06V40/20
Abstract: 本发明公开了一种基于轻量型手势识别的智能控制方法及装置。所述方法包括：S1、获取手势数据集；S2、构建轻量型手势识别网络，所述网络包括基础网络结构，多尺度结构与轻量型注意力结构；S3、引入预训练权重作为轻量型手势识别网络的初始权重，并将训练数据输入所述网络进行重新训练；S4、计算损失值并基于损失值反馈至轻量型手势识别网络中并对网络进行不断参数修正，得到训练后的网络；S5、利用网络来对手势图像进行预测，以控制家电的工作状态。智能控制装置包括：树莓派控制器，图像采集器，红外发射器。本发明具有轻量化、精度高、易于部署等优点，在人机交互、虚拟现实、手语识别与智能家居等领域具有巨大的应用价值。
-
公开(公告)号：CN112785071B
公开(公告)日：2023-02-28
申请号：CN202110128721.0
申请日：2021-01-29
Applicant: 华南理工大学 , 广州视声智能科技有限公司
IPC: G06Q10/04 , G06Q50/30 , G06F18/214 , G06F30/27 , G06F111/08
Abstract: 本发明公开了一种企业用车客流模拟与预测系统，包括时间流生成模块：生成单次需要用车单个乘客需要坐车的时间；行驶模式选择模块：输入正向、逆向、站间运行比例，根据这个比例确定时间流生成模块的每一时间点的每一乘客确定行驶方向；出发站选择模块：根据运行模式选择不同出发站点和目的站点；目的站选择模块：根据运行模式选择不同目的站点；特征选取模块：从客流数据中提取有用的特征，用于模型训练；模型训练模块：规定输出格式，将提取的特征送入，训练预测模型，得到输出结果；模型融合模块：将使用不同方法训练得到的预测模型进行融合，得到未来某时间段客流预测输出结果。根据这个预测结果分析，更新调度方案。
-
公开(公告)号：CN115328319A
公开(公告)日：2022-11-11
申请号：CN202211250478.0
申请日：2022-10-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于轻量型手势识别的智能控制方法及装置。所述方法包括：S1、获取手势数据集；S2、构建轻量型手势识别网络，所述网络包括基础网络结构，多尺度结构与轻量型注意力结构；S3、引入预训练权重作为轻量型手势识别网络的初始权重，并将训练数据输入所述网络进行重新训练；S4、计算损失值并基于损失值反馈至轻量型手势识别网络中并对网络进行不断参数修正，得到训练后的网络；S5、利用网络来对手势图像进行预测，以控制家电的工作状态。智能控制装置包括：树莓派控制器，图像采集器，红外发射器。本发明具有轻量化、精度高、易于部署等优点，在人机交互、虚拟现实、手语识别与智能家居等领域具有巨大的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
164
records
(took 0.052 seconds)
