-
公开(公告)号：CN113393495B
公开(公告)日：2022-02-01
申请号：CN202110685692.8
申请日：2021-06-21
Applicant: 暨南大学
IPC: G06T7/246 , G06T7/277 , G06T5/00 , G06T5/50 , G06T3/00 , G06V20/10 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 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。
-
公开(公告)号：CN113360618A
公开(公告)日：2021-09-07
申请号：CN202110633919.4
申请日：2021-06-07
Applicant: 暨南大学
IPC: G06F16/332 , G06F16/33 , G06N3/04
Abstract: 本发明提出一种基于离线强化学习的智能机器人对话方法及系统，方法包括获取已有的对话数据信息，基于对话数据构建训练集；在训练集抽取预设关键信息，对关键信息进行数据处理,引入非策略的批量强化学习算法；构建基于对话预判模型，并利用基于关键信息得到的数据对模型进行训练；获取待交流对话的数据信息；从数据信息中抽取预设关键信息，通过数据处理得到第一向量；利用已训练的模型处理第一向量，得到对应的第一标签，根据第一向量和第一标签进行决策输出；基于决策与用户进行对话。系统包括GPU服务器、模型存储器、存储模块、语言数据库、离线强化学习处理器、CPU处理器、语言收集模块和智能对话执行模块。
-
公开(公告)号：CN113284613A
公开(公告)日：2021-08-20
申请号：CN202110565687.3
申请日：2021-05-24
Applicant: 暨南大学
Abstract: 本发明公开一种基于深度学习的人脸诊断系统，人脸诊断系统包括模型构建模块和模型应用模块，模型构建模块包括中央处理器、GPU服务器和模型构建存储器，模型构建存储器中存储有可以被中央处理器运行的程序，并且可以存储相关疾病患者的面部图像，模型应用模块包括神经网络芯片和摄像头，摄像头用于采集患者的面部照片，神经网络芯片可以搭载辅助诊断模型，辅助诊断模型基于深度卷积神经网络，通过训练、验证和优化得到，可基于人脸图像预测出特定疾病的患病概率。本发明采用上述基于深度学习的人脸诊断系统，可预测出某些疾病的患病概率，从而协助医生进行疾病的筛查工作，提高了诊断准确率和效率。
-
公开(公告)号：CN113282787A
公开(公告)日：2021-08-20
申请号：CN202110567524.9
申请日：2021-05-24
Applicant: 暨南大学
IPC: G06F16/735 , G06K9/62 , G06N20/00
Abstract: 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。
-
公开(公告)号：CN113065480A
公开(公告)日：2021-07-02
申请号：CN202110382382.9
申请日：2021-04-09
Applicant: 暨南大学
IPC: G06K9/00 , G06K9/32 , G06K9/34 , G06K9/62 , G06N3/08 , G06T3/40 , G06T5/00 , G06T5/20 , G06T5/30
Abstract: 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。
-
Patent Agency Ranking
公开(公告)号：CN113010849A
公开(公告)日：2021-06-22
申请号：CN202110208156.9
申请日：2021-02-24
Applicant: 暨南大学
IPC: G06F17/18 , G06F17/16 , G06K9/00 , G01D21/02 , G06F16/901 , G06F16/9035 , G06F16/907 , H04W4/38 , G16Y10/05 , G16Y20/10 , G16Y40/10 , G16Y40/20
Abstract: 本发明提供了一种基于物联网的草场环境评价方法，属于生态环境监测技术领域。本发明提出了基于物联网的草场环境评价方法，草场信息中的各种环境因素对牧民放牧的权重不同，分析对比各因素特征，采用了一种多传感器数据融合算法，对草场环境数据进行分析处理，构建评价矩阵，对草场环境等级作出科学的评价。
-
公开(公告)号：CN112883873A
公开(公告)日：2021-06-01
申请号：CN202110197703.8
申请日：2021-02-22
Applicant: 暨南大学
Abstract: 本申请涉及一种叶部病害的识别方法、装置、电子装置和存储介质，其中，该叶部病害的识别方法包括：通过获取待识别的植物叶片图像；对所述植物叶片图像进行预处理，得到多幅第一叶片图像；利用注意力机制模型处理多幅所述第一叶片图像，获得多幅所述第一叶片图像对应的第一分类标签，其中，所述注意力机制模型被训练为用于根据叶片图像得到与该叶片图像对应的分类标签，所述分类标签包括该叶片图像对应各种叶部病害类别的病害概率；根据所述第一分类标签确定所述植物叶片图像的识别结果。通过本申请，解决了相关技术中叶部病害识别费时费力、时效性低的问题，实现了叶部病害的实时检测识别。
-
公开(公告)号：CN110989945A
公开(公告)日：2020-04-10
申请号：CN201911211473.5
申请日：2019-12-02
Applicant: 暨南大学
Abstract: 本发明公开基于物联网的3D远程打印控制系统及控制方法，该控制系统包括远程控制终端、云服务平台和3D打印机；远程控制终端装载有APP,远程控制终端能通过网络连接云服务平台，云服务平台通过网络连接3D打印机和连接数据库；远程控制终端能通过登录APP访问和连接云服务平台及将待打印3D模型文件加密后传送至云服务平台，远程控制终端能通过云服务平台远程控制3D打印机打印和实时查询3D打印机的打印状态信息；云服务平台能在验证远程控制终端身份后，加密和/或解密由远程控制终端传送的加密的3D模型文件并传送至数据库或3D打印机；3D打印机能下载并打印由云服务平台传送的3D模型文件，和反馈3D打印机的打印状态信息。
-
公开(公告)号：CN108193203B
公开(公告)日：2019-08-02
申请号：CN201810070990.4
申请日：2018-01-25
Applicant: 暨南大学
IPC: C23C22/86
Abstract: 本发明公开了一种涂装磷化除渣系统,包括磷化槽,磷化槽与磷化沉淀槽连接,磷化沉淀槽通过管道和第一输送泵连接串联/并联的若干过滤器,过滤器通过管道和过滤泵与磷化浓液储存箱连接,磷化浓液储存箱通过管道及第二输送泵与逆向过滤器连接,逆向过滤器通过管道和第三输送泵与全量过滤式除渣机连接,全量过滤式除渣机通过阀门配合管道连接反清洗装置和/或过滤膜组件;反清洗装置还通过清洗管、清洗泵及第一阀门与全量过滤式除渣机的回液/气口连接,并匹配构成反清洗回路;过滤膜组件与磷化沉淀槽、逆向过滤器从磷化沉淀槽的第一出液口、逆向过滤器的出液口及全量过滤式除渣机的出液口流出的澄清磷化液经过滤膜组件过滤后通过回水管送回磷化槽。
-
公开(公告)号：CN110033239A
公开(公告)日：2019-07-19
申请号：CN201910301784.4
申请日：2019-04-16
Applicant: 暨南大学
Abstract: 本发明公开基于贪婪算法的排考方法、装置、设备及介质,该排考方法包括:根据获取的高校教务系统中的考试任务集之教室信息集确定每一待排考的考试任务所需监考教师的总人数;利用贪婪算法,对从高校教务系统中获取的监考教师信息集中的所有监考教师逐个遍历并选出依次满足贪婪规则的监考教师,贪婪规则依次为:选取的监考教师的排考中不包含当前考试任务、与当前考试任务不冲突、监考教师的选取满足教师群体选择规律、选取的监考教师排考任务数最少;监考教师信息集包括监考教师姓名和教师群体编号；对每一考试任务分配匹配人数的选出的监考教师。本发明能解决现有中通过手工排考导致的人力/物力/资源浪费严重、执行环节间运作不协调问题。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.034 seconds)
