-
公开(公告)号：CN112052886A
公开(公告)日：2020-12-08
申请号：CN202010847005.3
申请日：2020-08-21
Applicant: 暨南大学
Abstract: 本发明属于深度学习计算机视觉领域，公开了一种基于卷积神经网络的人体动作姿态智能估计方法及装置，方法包括：将待进行动作姿态估计的人体图像输入到训练好的人体检测模型中进行处理，得人物个体检测结果，输入到训练好的全局估计模型中进行处理，得到不同尺度的人体关键点的第一特征图，输入到训练好的补充精调模型中进行处理，通过加强学习得到不同尺度的人体关键点的第二特征图；补充精调模型中包括多个特征提取分支，每个特征提取分支中设置数量不同的精调模块，通过各特征提取分支的精调模块加强学习；基于第二特征图，得到人体姿态估计结果。本发明有效解决了现有技术容易遗漏人体图像中难以分辨的关键点而导致人体姿态估计不准确的问题。
-
公开(公告)号：CN112052886B
公开(公告)日：2022-06-03
申请号：CN202010847005.3
申请日：2020-08-21
Applicant: 暨南大学
IPC: G06V10/774 , G06V10/82 , G06V10/74 , G06V40/10 , G06V40/20 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/60
Abstract: 本发明属于深度学习计算机视觉领域，公开了一种基于卷积神经网络的人体动作姿态智能估计方法及装置，方法包括：将待进行动作姿态估计的人体图像输入到训练好的人体检测模型中进行处理，得人物个体检测结果，输入到训练好的全局估计模型中进行处理，得到不同尺度的人体关键点的第一特征图，输入到训练好的补充精调模型中进行处理，通过加强学习得到不同尺度的人体关键点的第二特征图；补充精调模型中包括多个特征提取分支，每个特征提取分支中设置数量不同的精调模块，通过各特征提取分支的精调模块加强学习；基于第二特征图，得到人体姿态估计结果。本发明有效解决了现有技术容易遗漏人体图像中难以分辨的关键点而导致人体姿态估计不准确的问题。
-
公开(公告)号：CN114038517A
公开(公告)日：2022-02-11
申请号：CN202110983302.5
申请日：2021-08-25
Applicant: 暨南大学
Abstract: 本发明涉及一种基于对比学习的自监督图神经网络预训练方法，步骤为：对公开数据库的化合物分子进行预处理，筛选出有机分子；对筛选出的有机分子进行结构分解并提取，将所得的子结构作为标识符，并构建子结构的语料库；将分解后的子结构看作超级节点并构建相应的子图数据，该子图数据与原分子图数据构成正样本对，随机选出若干个子图数据与原分子图数据组成负样本对；构建基于注意力机制的图卷积神经网络、基于多层次的门控循环单元和多层感知机模块，组成自监督学习模型；将所有正负样本对数据输入自监督学习模型进行预训练并保存，便于下游任务的微调。解决对缺乏标注的药物分子的场景时，进行深度学习模型训练所产生的泛化性能不足的问题。
-
公开(公告)号：CN111612222A
公开(公告)日：2020-09-01
申请号：CN202010358901.3
申请日：2020-04-29
Applicant: 暨南大学
Abstract: 本发明涉及一种基于稀疏表示的股票风险预测系统，包括数据输入模块、滚动风险计算模块、股票风险映射矩阵模块、lasso回归预测模块和误差评估模块；数据输入模块的输出端与滚动风险计算模块的输入端电性连接，滚动风险计算模块的输出端与股票风险映射矩阵模块的输入端电性连接，股票风险映射矩阵模块的输出端与lasso回归预测模块的输入端电性连接，lasso回归预测模块的输出端与误差评估模块输入端电性连接。本发明提供一种基于稀疏表示的股票风险预测系统和方法，数据输入模块采集数据，通过构造通过滚动风险矩阵进行列提取、转置以及扩充列而得到的风险映射矩阵，以崭新的方法构建数据的结构，同时能够将历史风险数据进行线性组合，便于进一步的风险预测。
-
-
-
Search Results
14
records
(took 0.026 seconds)
