本发明涉及深度学习技术领域，提出一种用于神经网络训练的伪标签生成方法及系统，包括以下步骤：将输入图像及其对应的图像级别标签传输至基于残差结构的分类骨干网络进行注意力池化，得到类激活图，以及，将输入图像传输至显著对象检测网络进行区域检测，得到显著性图；融合类激活图与显著性图的各区域特征，合成输入图像的边界伪标签；利用边界伪标签监督边界检测网络的训练，并将输入图像传输至已训练完成的边界检测网络进行边界检测，提取输入图像的边界；利用边界引导类激活图进行细化传播，生成与输入图像相对应的语义分割伪标签。本发明能够大幅降低人工标注像素级标签的成本和时间，提高语义分割伪标签的精度和生成效率。
📄 2023113319796
📂 G06V10_82
👤 暨南大学
📅 2023-10-16
本发明提出一种轻量级多尺度特征融合的实时图像语义分割方法，包括：构建包括初始化模块、分离‑提取‑合并瓶颈模块、分区‑融合通道注意力模块、特征融合模块和多尺度注意力解码器的图像语义分割网络。通过图像语义分割网络提取待处理图像初始特征图的多尺度特征，得到多尺度特征图；提取并融合初始特征图的全局通道信息和局部通道信息，得到通道信息特征图；将多尺度特征图、通道信息特征图和原始的待处理图像进行特征融合，得到融合特征图；基于融合特征图进行图像精度恢复，得到图像语义分割结果。本发明能够在参数量相对较小的轻量级图像语义分割网络模型中保证模型的精度和准确率，提高模型的推理速度，实现图像的实时语义分割。
📄 2022103653786
📂 G06T7_11
👤 暨南大学
📅 2022-04-08
本发明涉及图像处理领域，公开了一种基于生成对抗网络和多尺度融合的图像去雾方法及系统，方法包括：构建包括第一去雾单元和第二去雾单元的图像去雾模型；将真实有雾图像输入训练好的图像去雾模型，通过第一去雾单元对真实有雾图像进行暗通道先验去雾处理，得到第一传输映射图像和第一去雾图像；通过第二去雾单元对第一传输映射图像和第一去雾图像进行特征细化处理，得到第二传输映射图像和第二去雾图像；并对第二传输映射图像进行物理去雾处理，得到第三去雾图像；对第二去雾图像和第三去雾图像进行图像融合，得到最终的无雾图像。本发明结合了基于物理模型先验方法和基于深度学习方法对图像进行去雾处理，提高了去雾精度和效率。
📄 2022110283001
📂 G06V10_26
👤 暨南大学
📅 2022-08-25
本发明涉及机器视觉技术领域，提出一种图像目标检测方法及系统，包括以下步骤：构建用于图像目标检测的第一网络模型、第二网络模型和第三网络模型；其中，第一网络模型、第二网络模型和第三网络模型中包括特征提取模块、特征融合模块和输出模块；其中，第一网络模型中的特征提取模块经过网络压缩得到，第二网络模型中的特征提取模块引入瓶颈结构，第三网络模型中的特征提取模块和特征融合模块采用FPN结构；根据第一网络模型、第二网络模型和第三网络模型分别生成相应的IP核，然后将IP核经过设计后搭载在硬件系统上；获取待检测的图像并对其进行预处理，根据图像的规格调用硬件系统上适配的IP核执行图像目标检测，输出得到目标检测结果。
📄 2022109576618
📂 G06V10_82
👤 暨南大学
📅 2022-08-10
本发明涉及人工智能技术领域，提出一种机器人地形识别及速度控制方法及系统，其中包括以下步骤：获取设置在机器人足底的压力传感器采集的压力传感信号，对所述压力传感信号进行预处理，得到电压数据；将所述电压数据基于时域进行特征提取，并将提取得到的特征向量输入经过预训练的分类器中对当前机器人行走的地形进行识别，得到地形识别结果；将所述地形识别结果经过选通电路发送至机器人控制器，机器人控制器根据接收的地形识别结果，按照预设的行为姿态参数对机器人的姿态及行走速度进行调整。本发明将低成本的压力传感器及低功耗的分类器应用于地形识别，能够在确保高准确率的地形识别同时，提高机器人的行进过程中的稳定性。
📄 2021116612440
📂 B25J9_16
👤 暨南大学
📅 2021-12-30
本发明提出一种基于并行双注意力轻量残差网络的图像分类方法及系统，包括对残差网络的卷积核进行结构优化，并提取输入图像的特征信息矩阵；对并行双注意力轻量残差结构输出的特征信息矩阵进行全局平均池化，整合全层空间信息，然后将特征信息矩阵转换为一维特征信息矩阵；将一维特征信息矩阵输入全连接层，得到分类任务对应类别数的矩阵，输出图像分类结果。本发明在对残差网络进行压缩并采取双分支空间通道注意力机制，在保证精度的前提下，压缩了参数和计算量，提升了处理速度，从而提高了基于深度神经网络的目标分类识别的整体效率。
📄 2021112908455
📂 G06V10_764
👤 暨南大学
📅 2021-11-02
本发明公开了基于多连接编码小波池化的实时图像语义分割方法，包括：对原始输入特征图进行初步特征提取，得到初始特征信息；将初始特征信息与第一输入图像进行拼接，得到浅层特征图；对浅层特征图进行小波池化操作后再进行逐步特征融合提取，得到第一混合特征信息；将第一混合特征与第二输入图像进行拼接，得到中层特征图；对中层特征图进行小波池化操作后再进行逐步特征融合提取，得到第二混合特征信息；将第二混合特征信息与第三输入图像进行拼接，得到深层特征图；对浅层特征图、中层特征图以及深层特征图进行融合解码，得到图像语义分割结果。本发明还公开了一种相应的实时图像语义分割系统，实现了实时且高精度的图像语义分割。
📄 202311427065X
📂 G06V10_26
👤 暨南大学
📅 2023-10-31
本发明提出一种基于空洞残差稠密卷积的图像超分辨率重建方法及系统，包括构建包括特征提取层、非线性映射层和图像重建层的图像重建网络；非线性映射层包括由若干个依次稠密连接的空洞卷积层和标准卷积层组成的空洞残差稠密模块；将预处理后的待重建图像输入图像重建网络，待重建图像经过特征提取以及与高分辨率图像的映射，图像重建网络输出高分辨率图像。使用稠密连接的空洞卷积层和标准卷积层组成的残差结构，相比标准卷积层能够提取更多的图像的语境信息并且能够提高特征信息的重复利用率，增加前面卷积层提取的特征信息对最后图像重建的贡献率，充分利用图像的特征信息，降低网络的训练难度，实现图像重建的质量和效率的提高。
📄 2022102098047
📂 G06T3_4053
👤 暨南大学
📅 2022-03-03
本发明公开了一种基于强化学习的高空抛物轨迹识别方法。所述方法包括：通过图像传感器采集被监控窗户区域的高空抛物轨迹图像；对所述高空抛物轨迹图像进行预处理得到预处理图像信息；根据所述预处理图像信息判断所述图像传感器是否被遮挡；在判断所述图像传感器未被遮挡时，将所述预处理图像信息输入至处理器，所述处理器获取经过强化学习后的预训练目标模型，并通过所述预训练目标模型对所述预处理图像信息进行高空抛物识别得到高空抛物识别结果信息；所述处理器将高空抛物识别结果信息存储至数据存储单元和云服务器及储存器中，以对所述预训练目标模型进行训练及更新。本发明通过强化学习模型对高空抛物轨迹进行识别，提高了识别准确率。
📄 2021106856928
📂 G06T7_246
👤 暨南大学
📅 2021-06-21
本发明提出一种基于强化学习的个性化短视频推荐方法以及系统，个性化短视频推荐方法包括：收集单个用户的历史记录，得到真实数据分布和专家轨迹；将真实数据分布输入GAN‑SD算法，对用户的特征进行建模，得到用户特征分布；将用户特征分布和专家轨迹输入到MAIL算法，对用户的交互行为建模，得到用户的决策函数；得到用户特征分布和决策函数后，完成对用户的建模；建模推荐引擎和用户的马尔科夫决策过程，用TRPO+ANC算法训练推荐引擎的马尔科夫决策过程，根据得到的累积回报值确定不同动作下的短视频推荐策略，从短视频推荐策略中选择最优的短视频推荐策略，将该策略加载为实际使用的推荐引擎。
📄 2021105675249
📂 G06F16_735
👤 暨南大学
📅 2021-05-24
本发明公开了一种能够自动更新的案件预判智能体训练方法及系统，方法包括获取一定数量的司法案件审判书作为样本，从审判书种抽取事实等关键信息，对于数据进行处理，同时接收专家标注的新的数据，构建新的数据集，针对司法审判问题进行建模，得到对关键信息的准确率计算模型，从模型中提取训练所需要的参数，定义模型训练的reward函数，再使用BCQ算法根据参数以及数据集进行智能体模型的训练。本发明使用强化学习的方法解决司法案件预判不准确的问题，同时能够进行改进和优化，长期保持模型的准确率。
📄 202110567522X
📂 G06F16_33
👤 暨南大学
📅 2021-05-24
本申请涉及书法作品风格的识别方法、装置、电子装置和存储介质，其中，该书法作品风格的识别方法包括：通过获取待识别的书法作品图像；对书法作品图像进行预处理，并对预处理后的图像进行书法字定位裁剪，得到至少一幅字图像，其中，预处理包括：中值滤波降噪处理、二值化处理、腐蚀膨胀的形态学图像处理；利用胶囊网络模型处理至少一幅字图像，获得每一幅字图像对应的第一分类标签，其中，胶囊网络模型被训练为用于根据字图像得到与该字图像对应的分类标签；根据第一分类标签确定书法作品图像的风格识别结果。通过本申请，解决了相关技术中书法作品风格的识别准确率低、效率不高的问题，实现了书法作品风格的快速准确识别。
📄 2021103823829
📂 G06V30_22
👤 暨南大学
📅 2021-04-09
柿子坊 · 知识产权运营
柿子坊知识产权运营平台