-
公开(公告)号：CN110471545A
公开(公告)日：2019-11-19
申请号：CN201910733000.5
申请日：2019-08-09
Applicant: 暨南大学
IPC: G06F3/0354 , G06F3/0484 , G06F3/0487
Abstract: 本发明属于计算机领域，为基于红外图像识别的PPT勾画装置及PPT勾画方法，保留了PPT翻页笔的使用习惯，避免了陀螺仪装置带来的不习惯以及无法检测平移的问题。本发明装置包括无线遥控笔、红外摄像头及图像处理器；无线遥控笔上设有可见红光激光发射器、红外激光发射器、红光开关及勾画按键，无线遥控笔将勾画信号发送至电脑；图像处理器接收红外摄像头拍摄到的图像并进行处理，提取到红外光斑的坐标并发送至电脑；当电脑接收到勾画信号时，开启PPT画笔的同时控制按下鼠标左键；当电脑接收到图像处理器传来的红外光斑坐标，控制鼠标移动，画出痕迹。
-
公开(公告)号：CN109635643A
公开(公告)日：2019-04-16
申请号：CN201811295723.3
申请日：2018-11-01
Applicant: 暨南大学
CPC classification number: G06K9/00288 , G06K9/00268 , G06K9/6257 , G06K9/6282 , G06N3/0454
Abstract: 本发明公开了一种基于深度学习的快速人脸识别方法，该快速人脸识别方法针对实时人脸识别技术受限于网络带宽和硬件处理能力的影响以及识别速度不高的问题进行了探索，在兼顾人脸识别准确率的同时，考虑到人脸识别占用内存空间和识别速度问题，对轻量级的卷积神经网络模型SqueezeNet进行改进，实现SqueezeNet的特征提取和分类功能分离，以欧式距离代替Softmax和全连接层的分类能力来减少模型参数，利用改进的SqueezeNet提取特征，利用欧氏距离进行分类识别，不仅可以兼顾识别准确率，而且能提高人脸识别的识别速度，相比于现有技术算法，具有一定优势。
-
公开(公告)号：CN109584337A
公开(公告)日：2019-04-05
申请号：CN201811328478.1
申请日：2018-11-09
Applicant: 暨南大学
Abstract: 本发明公开了一种基于条件胶囊生成对抗网络的图像生成方法，包括下述步骤：图像数据采集并对图像进行预处理；提取出条件向量；获取随机噪声；设计一个神经网络作为生成器将随机噪声和条件向量映射为生成图片；设计另外一个神经网络作为判别器接收生成图片、真实图片和条件向量得到损失值；在训练对抗网络时，根据损失值最小化目标函数来调节生成器网络权值；训练完成后，生成器网络权值调整到最佳，此时舍弃判别器，保留生成器模型作为生成图像的最佳神经网络。本发明通过利用胶囊神经网络来设计判别器结构，结合现有的WGAN和CGAN的优点，网络能够有效避免梯度消失问题，同时生成的样本质量高，相比于现有技术算法，具有一定优势。
-
公开(公告)号：CN105740829A
公开(公告)日：2016-07-06
申请号：CN201610074160.X
申请日：2016-02-02
Applicant: 暨南大学
IPC: G06K9/00
CPC classification number: G06K9/00671
Abstract: 本发明公开了一种基于扫描线处理的指针式仪表自动读数方法，包括步骤：首先采用单尺度Retinex算法对原始图像进行光照处理，接着将图像二值化，然后基于行扫描线处理的方法提取出特征像素点，对特征像素点进行Hough变换检测指针直线，最后采用角度法计算读数；所述基于行扫描线处理的方法是指对图像中的每一行进行扫描，提取该行中的连续段，搜索连续段的长度小于等于指针线宽度的连续段，将该连续段的线段中点作为特征像素点。本发明通过采取Retinex算法可以减少非均匀光照对后续算法的影响，通过采用基于行扫描线处理的方法可以减少参与Hough变换的像素点数，从而降低计算量。
-
公开(公告)号：CN116756637B
公开(公告)日：2023-12-05
申请号：CN202311006207.5
申请日：2023-08-10
Applicant: 暨南大学 , 广州通导信息技术服务有限公司
IPC: G06F18/241 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06F17/16 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种无线信号智能检测识别方法及计算机可读存储介质，所述方法包括以下步骤：结合标准信号模型，对标准信号模型的数据集中的混合无线电信号进行特征分解，得到近似系数和近似噪声；对近似系数和近似噪声进行生成对抗学习，所述生成对抗学习是分别生成，且联合对抗的；使用训练好的生成器生成的系数和噪声，与标准信号模型结合生成混合无线电信号；将生成的混合无线电信号与标准信号模型的数据集结合，放入到无线信号识别模型进行训练，完成训练的无线信号识别模型对混合无线电信号进行识别。该方法将非负矩阵分解(NMF)技术和生成对抗网络(GAN)技术进行结合，对数据
-
Patent Agency Ranking
公开(公告)号：CN109635643B
公开(公告)日：2023-10-31
申请号：CN201811295723.3
申请日：2018-11-01
Applicant: 暨南大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习的快速人脸识别方法，该快速人脸识别方法针对实时人脸识别技术受限于网络带宽和硬件处理能力的影响以及识别速度不高的问题进行了探索，在兼顾人脸识别准确率的同时，考虑到人脸识别占用内存空间和识别速度问题，对轻量级的卷积神经网络模型SqueezeNet进行改进，实现SqueezeNet的特征提取和分类功能分离，以欧式距离代替Softmax和全连接层的分类能力来减少模型参数，利用改进的SqueezeNet提取特征，利用欧氏距离进行分类识别，不仅可以兼顾识别准确率，而且能提高人脸识别的识别速度，相比于现有技术算法，具有一定优势。
-
公开(公告)号：CN115331014B
公开(公告)日：2023-03-07
申请号：CN202211265949.5
申请日：2022-10-17
Applicant: 暨南大学
Abstract: 本发明公开了一种基于机器视觉的指针仪表读数方法及系统、存储介质，所述方法包括：获取模板仪表正面的第一图像与待测仪表正面的第二图像；基于所述第一图像和所述第二图像，计算仿射变换矩阵；其中，所述仿射变换矩阵表征第二图像相对于第一图像的位置映射关系；根据所述仿射变换矩阵，对第二图像进行校正，得到第三图像；通过图像分割算法从所述第三图像中分割出指针图像，根据所述指针图像，得到指针图像中的特征直线；根据所述特征直线，得到指针读数，通过基于深度学习的算法对指针进行读数。本发明通过利用深度学习领域来解决仪表自动读数问题，即使在恶劣环境，仍能取得较准确的读数，而且读数精准。
-
公开(公告)号：CN115331014A
公开(公告)日：2022-11-11
申请号：CN202211265949.5
申请日：2022-10-17
Applicant: 暨南大学
Abstract: 本发明公开了一种基于机器视觉的指针仪表读数方法及系统、存储介质，所述方法包括：获取模板仪表正面的第一图像与待测仪表正面的第二图像；基于所述第一图像和所述第二图像，计算仿射变换矩阵；其中，所述仿射变换矩阵表征第二图像相对于第一图像的位置映射关系；根据所述仿射变换矩阵，对第二图像进行校正，得到第三图像；通过图像分割算法从所述第三图像中分割出指针图像，根据所述指针图像，得到指针图像中的特征直线；根据所述特征直线，得到指针读数，通过基于深度学习的算法对指针进行读数。本发明通过利用深度学习领域来解决仪表自动读数问题，即使在恶劣环境，仍能取得较准确的读数，而且读数精准。
-
公开(公告)号：CN109584337B
公开(公告)日：2022-03-29
申请号：CN201811328478.1
申请日：2018-11-09
Applicant: 暨南大学
Abstract: 本发明公开了一种基于条件胶囊生成对抗网络的图像生成方法，包括下述步骤：图像数据采集并对图像进行预处理；提取出条件向量；获取随机噪声；设计一个神经网络作为生成器将随机噪声和条件向量映射为生成图片；设计另外一个神经网络作为判别器接收生成图片、真实图片和条件向量得到损失值；在训练对抗网络时，根据损失值最小化目标函数来调节生成器网络权值；训练完成后，生成器网络权值调整到最佳，此时舍弃判别器，保留生成器模型作为生成图像的最佳神经网络。本发明通过利用胶囊神经网络来设计判别器结构，结合现有的WGAN和CGAN的优点，网络能够有效避免梯度消失问题，同时生成的样本质量高，相比于现有技术算法，具有一定优势。
-
公开(公告)号：CN105631441A
公开(公告)日：2016-06-01
申请号：CN201610121187.X
申请日：2016-03-03
Applicant: 暨南大学
IPC: G06K9/00
CPC classification number: G06K9/00268 , G06K9/00295
Abstract: 本发明公开了一种人脸识别方法，包括：(1)为人脸图像每个像素建立一数据集合，该数据集合由该像素灰度值与其邻接8个像素灰度值组成；(2)利用邻接的8个像素灰度值结合最大似然估计法对以该像素灰度值为均值的高斯密度函数中标准差参数进行估计；(3)计算标准差估计值与该像素灰度值之比，并利用反正切函数对比值进行变换，变换后的值为该像素光照不变特征；(4)遍历人脸所有像素，即得到基于局部标准差的光照不变特征的人脸特征图像；(5)对所述人脸特征图像进行特征提取；(6)对提取的特征进行分类，完成人脸识别。本发明可以克服光照变化给人脸识别率带来的影响，具有算法复杂度低、特征提取能力强等优点。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.024 seconds)
