-
公开(公告)号：CN115035337B
公开(公告)日：2024-09-06
申请号：CN202210652398.1
申请日：2022-06-08
Applicant: 暨南大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于模型融合的交替训练方法，包括下述步骤：模型融合步骤；交替训练方法的初始化；交替训练步骤，该步骤包含多次融合卷积神经网络分类器的交替训练，每次融合卷积神经网络分类器的交替训练包括两个阶段，分别是借助辅助任务学习阶段和融合卷积神经网络整体训练阶段。本发明利用模型融合技术结合现有的动量对比的自监督学习技术的优点，融合卷积神经网络分类器在交替训练时相比现有技术算法增加了训练时的负样本的个数，有效提升了模型的泛化能力。
-
公开(公告)号：CN116796250A
公开(公告)日：2023-09-22
申请号：CN202311056861.7
申请日：2023-08-22
Applicant: 暨南大学 , 深圳无线电检测技术研究院
IPC: G06F18/241 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06F18/10 , G06F18/2135
Abstract: 本发明公开了一种混叠无线信号智能识别与分离方法及系统，所述方法包括以下步骤：S1、对输入的信号频谱使用混合池化方式过滤噪音；S2、将经过混合池化增强后的信号频谱折叠为二维数据形式，输入Conformer编码器中编码为特征图；S3、利用卷积神经网络对编码的特征图进行解码获得特征向量；S4、根据各个信号的特征值计算出其对应的成分占比大小；S5、输出经过归一化后各个信号种类的成分占比。本发明基于联合Conformer编码器和卷积神经网络解码器，通过设计基于混合池化层搭配提出的信号预处理模块和信号成分归一化模块，可以在低信噪比环境下有效实现无线电信号分离。
-
公开(公告)号：CN116756637A
公开(公告)日：2023-09-15
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，对数据集进行增广，从而有效地提高了混合无线电信号识别精度。
-
公开(公告)号：CN109919267A
公开(公告)日：2019-06-21
申请号：CN201910141936.9
申请日：2019-02-26
Applicant: 暨南大学
Abstract: 本发明公开了一种基于RFID的宠物管理系统，包含宠物管理平台、宠物终端RFID标签、宠物终端RFID读取器，数据库模块；所述宠物管理平台用于数据的管理和处理；所述宠物终端RFID标签设置于宠物个体表面或体内；所述宠物终端RFID读取器用于读取宠物终端RFID标签信息，包含单片机和分别与单片机连接的蓝牙模块、矩阵键盘模块、显示模块、读写卡芯片模块、读取器数据库模块；所述数据库模块用于存储宠物管理平台数据；本发明通过将RFID标签作为宠物标签，且能通过宠物终端RFID读取器写入主人联系号码，通过宠物管理平台进行管理，有力改善城市宠物管理状况。
-
公开(公告)号：CN109887565A
公开(公告)日：2019-06-14
申请号：CN201910141937.3
申请日：2019-02-26
Applicant: 暨南大学
Abstract: 本发明公开了一种宠物位置检测及健康管理系统，包括移动客户端、通信模块、定位模块、计步器模块、数据库模块；移动客户端通过通信模块分别与数据库模块、定位模块和计步器模块连接；所述移动客户端用于管理宠物相关信息；所述通信模块用于移动客户端与其他功能模块通信连接；所述定位模块用于获取实时定位数据并进行处理；所述计步器模块用于获取宠物运动数据并进行处理；所述数据库模块用于存储获取的数据；本发明实现对宠物生理信息的实时监控，实现对于宠物位置实时检测；对宠物喂食和病历进行详细地记录，对宠物健康信息建立档案。
-
Patent Agency Ranking
公开(公告)号：CN109145946A
公开(公告)日：2019-01-04
申请号：CN201810776374.0
申请日：2018-07-09
Applicant: 暨南大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6232
Abstract: 本发明公开了一种智能图像识别和描述方法，包括步骤：1)用卷积神经网络来提取输入图像的特征，生成固定长度的特征向量；2)用提取出的特征向量初始化循环神经网络语言模型LSTM，从而生成句子，描述该输入图像。本方法是一种端到端的图像描述神经网络模型，结合了当前领先的视觉模型Inception V4和语言模型LSTM，与先前的基线模型相比，本专利模型具有特征提取能力强，生成句子描述详细等优点，性能有了显著提高，非常具有实用价值。
-
公开(公告)号：CN102609894B
公开(公告)日：2014-06-25
申请号：CN201210010563.X
申请日：2012-01-14
Applicant: 暨南大学
Abstract: 本发明涉及信息安全和信号处理领域相关技术领域，特别是一种马赛克图像的合成方法及其装置。包括：预先选取多幅原始图像作为图像库；从图像库中取出一幅原始图像作为主图像；如果还没有次级马赛克图像，则从图像库中取出一幅原始图像作为次级马赛克图像，把次级马赛克图像植入主图像得到植入后主图像；否则把植入后主图像替换次级马赛克图像，把次级马赛克图像植入主图像。本发明专利解决了更多信息的隐藏和传递问题。利用多层马赛克图像不仅可以实现多层信息隐藏，而且可以实现更多信息的隐藏和传递。多层马赛克图像在信息隐藏、图像检索、计算机艺术、哲学、计算机模拟、场景变换和图像传输等一系列的应用中有着潜在的应用价值。
-
公开(公告)号：CN116796250B
公开(公告)日：2024-03-08
申请号：CN202311056861.7
申请日：2023-08-22
Applicant: 暨南大学 , 深圳无线电检测技术研究院
IPC: G06F18/241 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06F18/10 , G06F18/2135
-
公开(公告)号：CN115035337A
公开(公告)日：2022-09-09
申请号：CN202210652398.1
申请日：2022-06-08
Applicant: 暨南大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06K9/62
Abstract: 本发明公开了一种基于模型融合的交替训练方法，包括下述步骤：模型融合步骤；交替训练方法的初始化；交替训练步骤，该步骤包含多次融合卷积神经网络分类器的交替训练，每次融合卷积神经网络分类器的交替训练包括两个阶段，分别是借助辅助任务学习阶段和融合卷积神经网络整体训练阶段。本发明利用模型融合技术结合现有的动量对比的自监督学习技术的优点，融合卷积神经网络分类器在交替训练时相比现有技术算法增加了训练时的负样本的个数，有效提升了模型的泛化能力。
-
公开(公告)号：CN109145946B
公开(公告)日：2022-02-11
申请号：CN201810776374.0
申请日：2018-07-09
Applicant: 暨南大学
IPC: G06V10/82 , G06V10/774 , G06V10/77 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种智能图像识别和描述方法，包括步骤：1)用卷积神经网络来提取输入图像的特征，生成固定长度的特征向量；2)用提取出的特征向量初始化循环神经网络语言模型LSTM，从而生成句子，描述该输入图像。本方法是一种端到端的图像描述神经网络模型，结合了当前领先的视觉模型Inception V4和语言模型LSTM，与先前的基线模型相比，本专利模型具有特征提取能力强，生成句子描述详细等优点，性能有了显著提高，非常具有实用价值。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.027 seconds)
