-
公开(公告)号：CN114998960B
公开(公告)日：2024-03-26
申请号：CN202210595007.7
申请日：2022-05-28
Applicant: 华南理工大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于正负样本对比学习的表情识别方法，S1.采集面部图像；S2.将所述面部图像输入至训练好的机器学习模型中对面部图像中的表情进行识别；S3.输出面部图像的表情类别；在机器学习模型的过程中，在结构相似度对比学习方法中引入了负样本，考虑了拉远一个批量样本内正样本和负样本之间的距离。同时，考虑到一个批量的样本中，正样本和负样本数据量之间的不平衡，对负样本进行困难样本发掘，使得模型在对正样本的结构相似度进行增大约束的同时，对与正样本最为相似的负样本进行减小约束，进一步发挥对比学习的效果，从而提高了表情识别的准确率。
-
公开(公告)号：CN117237784A
公开(公告)日：2023-12-15
申请号：CN202311192091.9
申请日：2023-09-15
Applicant: 华南理工大学
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/09 , G06V10/40
Abstract: 本发明公开了一种基于类MLP网络的舌像特征体质识别方法，包括以下步骤：S1、采集舌头图像，以及标注对应舌头图像的体质标签，制作训练数据集和测试数据集。S2、构建高宽通道交互类MLP网络模型，其以二值交叉熵作为损失函数，利用体质标签对舌头图像进行监督学习。S3、运用图卷积网络分支学习舌头图像特征对应的体质标签之间的关系，获得兼夹体质标签之间的关联性。本发明的有益之处是利用图卷积网络学习舌头图像特征对应的兼夹体质关联性，构造的高宽通道交互类MLP模型提取舌头图像的体质特征信息，融合提取的舌头图像特征和体质标签的关联性能有效提高兼夹体质识别的准确性。
-
公开(公告)号：CN109919196B
公开(公告)日：2023-12-08
申请号：CN201910105155.4
申请日：2019-02-01
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于特征选择和分类模型的体质识别方法，包括步骤：通过随机数生成算法生成《中医体质分类与判定表》中全部问题的回答；根据《中医体质分类与判定表》的判定方法和判定标准，计算出当前回答下对应的体质类型；通过特征选择算法，从《中医体质分类与判定表》的全部问题中，选出具有代表性的部分问题；设计分类模型，利用部分问题的回答和对应的体质类型，训练得到一个体质识别模型；本发明引入了随机数生成算法、特征选择算法和分类模型等技术，有效地降低诊断时间，提高诊断效率，且保证了体质识别的有效性，具有一定的市场价值和推广价值。(56)对比文件王翔等.高维小样本分类问题中特征选择研究综述《.计算机应用》.2017,第37卷(第09期),2433-2438.柳璇 等《.中医体质分类与判定》标准修改建议及分析《.北京中医药大学学报》.2013,第36卷(第05期),
-
公开(公告)号：CN115661047A
公开(公告)日：2023-01-31
申请号：CN202211224472.6
申请日：2022-10-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于小波注意力和重塑融合的舌头体质识别方法，包括：采集待识别的舌头图像，生成图像特征；通过小波注意力模块从图像特征中提取舌象特征，并对舌象特征进行增强，生成新特征；通过重塑融合模块对新特征进行特征融合；对融合后的特征利用相对变换增强；将增强后的新特征映射到舌象的属性空间，获得预测的舌象属性矢量；计算预测的舌象属性矢量与真实舌象属性矢量之间在双曲空间中的相似度；最大相似度对应的舌象属性矢量所指向的体质类型即为待识别的舌头图像的体质类别。该方法能有效提取舌头图像的全局和局部特征，关注重要特征而忽略噪音，分类准确率高，且预测的舌象属性矢量具有可解释性。
-
公开(公告)号：CN109918644B
公开(公告)日：2022-12-16
申请号：CN201910076463.9
申请日：2019-01-26
Applicant: 华南理工大学
IPC: G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于迁移学习的中医健康咨询文本命名实体识别方法，包括以下步骤：S1、选择其他领域文本命名实体识别标注数据集，构造神经网络，进行预训练。S2、分别构造单向循环神经网络，利用中医健康咨询文本无标注数据集，进行语言模型训练，得到前向和反向语言模型。S3、融合单向语言模型的循环网络层输出特征，结合全连接网络层和条件随机场层得到最终的命名实体识别模型。S4、使用中医健康咨询文本命名实体识别标注数据集，进行微调训练。所述方法能够迁移其它领域的命名实体识别有标注文本知识和本领域的无标注文本知识，有效提高中医健康咨询文本命名实体识别的准确率和召回率，加速模型的收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN112866233B
公开(公告)日：2022-05-24
申请号：CN202110045836.3
申请日：2021-01-14
Applicant: 华南理工大学
IPC: H04L9/40
Abstract: 本发明提供一种防护慢速DDOS攻击的方法，接收目标IP当前时刻发送的当前目标请求报文，并记录接收完整的所述当前目标请求报文所用的当前接收时间；判断所述当前接收时间是否大于预设超时时长阈值，若是，则判断完整的所述当前目标请求报文是否大于或等于预设报文阈值，若是，则判断目标IP对应的超时次数是否大于或等于预设超时次数阈值，若是，则封禁目标IP的链接，若否，则断开目标IP的链接，并更新目标IP对应的超时次数。本发明的一种防护慢速DDOS攻击的方法，避免了因为出现漏报或者误报，从而导致正常业务IP被封禁，会造成客户投诉和业务故障的问题，提高了慢速DDOS攻击防护的精准率。
-
公开(公告)号：CN107610087B
公开(公告)日：2020-04-28
申请号：CN201710338958.5
申请日：2017-05-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的舌苔自动分割方法，包括如下步骤：S1、采集并输入包含舌苔的图像；S2、对包含舌苔的图像，采用Faster R‑CNN深度学习方法实现舌苔检测，自动获得初步的舌苔区域图像；S3、对初步的舌苔区域图像，采用VGG深度学习方法进行校准，获得更准确的舌苔区域图像；S4、根据校准后的舌苔区域图像，自动分割出舌苔图像。本发明基于大数据的深度学习方法来实现更准确的舌苔分割，解决了现有方法对舌苔分割准确率低的问题。
-
公开(公告)号：CN107784288B
公开(公告)日：2020-01-14
申请号：CN201711034973.7
申请日：2017-10-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度神经网络的迭代定位式人脸检测方法，包括如下步骤：基于AFLW公共图像数据集，提取其中的区域图像块作为训练集的输入并进行预处理；定义人脸候选框提取模型P‑Net和人脸偏移微调模型A‑Net，使用上述训练集训练该模型；对上述已训练模型P‑Net采用全卷积化策略，以获得对样本的全局检测结果矩阵；测试过程中将图片输入模型P‑Net获取人脸候选框，再通过模型A‑Net迭代式微调人脸候选框位置，配合极大值抑制方法获得最终结果。本发明方法用于在复杂环境中，利用计算机自动检测人脸，且具有准确性高、识别速度快、性能稳定等优点。
-
公开(公告)号：CN106897366B
公开(公告)日：2019-11-15
申请号：CN201710021989.8
申请日：2017-01-12
Applicant: 华南理工大学
IPC: G06F16/583 , G06F16/51 , G06K9/00
Abstract: 本发明公开了一种基于人脸卷积神经网络和随机kd‑树森林的图像检索方法，包括如下步骤：采集人脸图片数据集；对人脸图片数据集采用卷积神经网络模型方法进行训练；训练后得到一个卷积神经网络模型；对原始人脸图片数据集采用已训练的卷积神经网络模型提取特征向量；根据生成的特征向量及其对应的图片标号，构造随机kd‑树森林索引；对于每一张需要检索的图片，采用已训练的卷积神经网络模型进行特征提取，得到特征向量；根据已构造的随机kd‑树森林索引，进行图片特征向量的查找，得到Top‑N结果。本发明相对于原始的kd‑树算法更能适应高维情况，而且非常适用于分布式环境，由于每棵kd‑树都可以独立进行查找，最后将结果再合并，非常符合map‑reduce编程模型。
-
公开(公告)号：CN106529503B
公开(公告)日：2019-10-18
申请号：CN201611086868.3
申请日：2016-11-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种集成卷积神经网络人脸情感识别方法，主要步骤包括以下步骤：步骤1、利用每层参数递减，限定参数范围的方法随机生成大量的CNN卷积神经网络模型；步骤2、对每一个随机生成的CNN卷积神经网络模型进行训练，得到一个分类器；步骤3、计算每个分类器的在验证集上面的准确率；步骤4、选择准确率最高的m个分类器；步骤5、利用贝叶斯融合算法将m个分类器进行融合。本发明具有在实际的预测应用能够并行执行，不会损耗预测的时间等优点。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.026 seconds)
