-
公开(公告)号：CN114795246B
公开(公告)日：2024-07-09
申请号：CN202210271282.3
申请日：2022-03-18
申请人： 华南理工大学 , 中山市华南理工大学现代产业技术研究院
IPC分类号： A61B5/372
摘要： 本发明公开了基于脑区局部‑全局注意力的脑电情感分类方法及系统，所述系统包括刺激素材呈现模块、脑电采集模块、脑电局部特征提取模块、模拟脑区全卷拓扑注意力神经网络模块、移动终端模块。所述方法包括：播放用于诱发情绪的视频素材；采集脑电信号；并对脑电信号提取脑电的局部特征；过脑电特征切片和位置编码实现模拟脑区拓扑结构，再使用脑电的局部和全局特征，对脑电的情感标签进行分类识别。本发明将模拟脑区局部‑全局拓扑的数据处理方法应用于脑电情感识别，提高了脑电情感识别的精度，具有较好的稳定性，并且能够反映脑功能区在不同情绪状态下的拓扑连接，具有广阔的应用前景。
-
公开(公告)号：CN114795246A
公开(公告)日：2022-07-29
申请号：CN202210271282.3
申请日：2022-03-18
申请人： 华南理工大学 , 中山市华南理工大学现代产业技术研究院
IPC分类号： A61B5/372
摘要： 本发明公开了基于脑区局部‑全局注意力的脑电情感分类方法及系统，所述系统包括刺激素材呈现模块、脑电采集模块、脑电局部特征提取模块、模拟脑区全卷拓扑注意力神经网络模块、移动终端模块。所述方法包括：播放用于诱发情绪的视频素材；采集脑电信号；并对脑电信号提取脑电的局部特征；过脑电特征切片和位置编码实现模拟脑区拓扑结构，再使用脑电的局部和全局特征，对脑电的情感标签进行分类识别。本发明将模拟脑区局部‑全局拓扑的数据处理方法应用于脑电情感识别，提高了脑电情感识别的精度，具有较好的稳定性，并且能够反映脑功能区在不同情绪状态下的拓扑连接，具有广阔的应用前景。
-
公开(公告)号：CN112700435B
公开(公告)日：2023-04-07
申请号：CN202110038472.6
申请日：2021-01-12
申请人： 华南理工大学
IPC分类号： G06T7/00 , G06V10/44 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于深度学习的墙体缺陷检测方法。所述方法包括以下步骤：采集墙体缺陷图像，对图像进行标注；对标注数据整理构成数据集并对数据集进行数据增强，完成数据集的构建；使用构建好的数据集，训练一个基于ResNeXt的图像分类器；利用训练好的ResNeXt作为特征提取器，搭建基于Faster‑RCNN架构的目标检测器；将构建好的数据集作为搭建好的Faster‑RCNN架构的目标检测器网络的输入，进行训练，得到缺陷检测模型；使用多进程和多线程技术部署缺陷检测模型，提升缺陷检测模型的检测速度，采用缺陷检测模型进行墙体缺陷检测。本发明将深度学习方法应用于墙体缺陷检测的领域，基于Faster‑RCNN架构进行修改和改进，利用多进程技术，成功实现在实时检测的基础上保证模型检测的准确率。
-
公开(公告)号：CN112700435A
公开(公告)日：2021-04-23
申请号：CN202110038472.6
申请日：2021-01-12
申请人： 华南理工大学
摘要： 本发明公开了一种基于深度学习的墙体缺陷检测方法。所述方法包括以下步骤：采集墙体缺陷图像，对图像进行标注；对标注数据整理构成数据集并对数据集进行数据增强，完成数据集的构建；使用构建好的数据集，训练一个基于ResNeXt的图像分类器；利用训练好的ResNeXt作为特征提取器，搭建基于Faster‑RCNN架构的目标检测器；将构建好的数据集作为搭建好的Faster‑RCNN架构的目标检测器网络的输入，进行训练，得到缺陷检测模型；使用多进程和多线程技术部署缺陷检测模型，提升缺陷检测模型的检测速度，采用缺陷检测模型进行墙体缺陷检测。本发明将深度学习方法应用于墙体缺陷检测的领域，基于Faster‑RCNN架构进行修改和改进，利用多进程技术，成功实现在实时检测的基础上保证模型检测的准确率。
-
公开(公告)号：CN111563533A
公开(公告)日：2020-08-21
申请号：CN202010269486.4
申请日：2020-04-08
申请人： 华南理工大学
摘要： 本发明公开了一种基于图卷积神经网络融合多种人脑图谱的受试者分类方法，人脑图谱是一种数据结构，表示人脑中不同脑区之间的互动信息，通过对受试者的五种人脑图谱进行识别从而对该受试者进行分类预测，属于脑科学研究以及深度学习研究领域。该分类方法步骤如下：获取人脑功能磁共振时序信号并进行预处理；根据不同的功能连接强度计算方法对每个样本构建五种类型的人脑图谱从而得到五个数据集；构建五个图卷积神经网络分类器；分别在对应的人脑图谱数据集上进行训练，从而获得对特定人脑图谱的二分类能力；综合五个图卷积神经网络分类器的预测结果，对受试者进行分类预测，即预测受试者属于哪一类人。
-
公开(公告)号：CN107563494B
公开(公告)日：2020-08-18
申请号：CN201710646613.6
申请日：2017-08-01
申请人： 华南理工大学
摘要： 本发明公开了一种基于卷积神经网络和热图的第一视角指尖检测方法，包括步骤：采集手势图片，标注出手势的外接矩形的位置和指尖的坐标，通过外接矩形对原有手势图片进行剪切并对指尖位置进行更新，生成指尖热图；设计一个手势检测卷积神经网络，提取手势特征，用剪切前的图片和外接矩形训练网络使其收敛；设计一个指尖热图回归卷积神经网络，提取指尖特征，用剪切处理后的图片和热图训练网络使其收敛；将输入的第一视角视频分割成帧，利用训练完成的手势检测卷积神经网络模型得到手势的外接矩形，剪切出手势部分，输入指尖热图回归卷积神经网络模型中预测指尖的热图，根据热图得到指尖坐标。本发明能在复杂背景和不同光照下准确检测出指尖地位置。
-
公开(公告)号：CN106960175B
公开(公告)日：2020-01-31
申请号：CN201710093766.2
申请日：2017-02-21
申请人： 华南理工大学
摘要： 本发明公开了基于深度卷积神经网络的第一视角动态手势检测方法，包括步骤：采集不同环境下的具有复杂背景的数字手势图片，人工标记出手势在所述数字手势图片中的外接矩形；设计一个深度卷积神经网络，利用卷积计算进行特征提取，在特征图上预测和滑窗操作得到不同尺寸的候选框，将候选框和真实值进行损失计算并误差反传；利用已标记外接矩形的手指手势图片训练所述深度卷积神经网络，使得深度卷积神经网络收敛且参数稳定；输入第一视角的动态手势视频，将视频拆分成一帧帧图片，检测出图片中手势外接矩形位置的坐标点。与现有技术相比，本发明能准确地检测复杂背景、不同光线下的视频中动态手势。
-
公开(公告)号：CN105718878B
公开(公告)日：2019-08-09
申请号：CN201610033798.9
申请日：2016-01-19
申请人： 华南理工大学
摘要： 本发明公开了一种基于级联卷积神经网络的第一视角空中手写和空中交互方法，包括下述步骤：S1、获取训练数据；S2、设计一个深度卷积神经网络用于手部检测；S3、设计一个深度卷积神经网络用于手势分类和指尖检测；S4、将一级网络和二级网络级联，通过一级网络输出的前景外接矩形切割出感兴趣区域从而获得包含手部的前景区域，然后将前景区域作为第二级卷积网络的输入进行指尖检测和手势识别；S5、判断手势类别，若为单指手势，则输出其指尖坐标并进行时序平滑和点间插值；S6、利用连续多帧的指尖采样坐标进行文字识别。本发明提供了一种完整的空中手写和空中交互算法，实现准确鲁棒的指尖检测和手势分类从而实现第一视角空中手写和空中交互。
-
公开(公告)号：CN109658440A
公开(公告)日：2019-04-19
申请号：CN201811452537.6
申请日：2018-11-30
申请人： 华南理工大学
IPC分类号： G06T7/246
摘要： 本发明公开了一种基于目标显著性特征的目标跟踪方法，包括以下步骤：S1、基于第一帧初始化跟踪目标判别模型M1和检测目标判别模型G1；S2、对于第t(t>＝2)帧框定检测区域；S3、提取检测区域的HOG以及前景概率特征；S4、依据Mt-1，确定出目标位置P1；S5、依据P1对跟踪结果以及前景概率的最大置信度进行判别；S6、若两个置信度都大于阈值A和B，则P1为结果，转S2，否则S7；S7、启动检测器检测得另一个目标位置P2；S8、算出P1和P2的跟踪置信度，较高的作为最终结果；S9、对判别模型Gt和Mt进行模型更新，转S2，进行序列跟踪。本发明可以对大部分场景目标进行鲁棒性跟踪。
-
公开(公告)号：CN105718878A
公开(公告)日：2016-06-29
申请号：CN201610033798.9
申请日：2016-01-19
申请人： 华南理工大学
CPC分类号： G06K9/00355 , G06N3/084
摘要： 本发明公开了一种基于级联卷积神经网络的第一视角空中手写和空中交互方法，包括下述步骤：S1、获取训练数据；S2、设计一个深度卷积神经网络用于手部检测；S3、设计一个深度卷积神经网络用于手势分类和指尖检测；S4、将一级网络和二级网络级联，通过一级网络输出的前景外接矩形切割出感兴趣区域从而获得包含手部的前景区域，然后将前景区域作为第二级卷积网络的输入进行指尖检测和手势识别；S5、判断手势类别，若为单指手势，则输出其指尖坐标并进行时序平滑和点间插值；S6、利用连续多帧的指尖采样坐标进行文字识别。本发明提供了一种完整的空中手写和空中交互算法，实现准确鲁棒的指尖检测和手势分类从而实现第一视角空中手写和空中交互。
-
-
-
-
-
-
-
-
-
搜索结果
55 条记录 (耗时 0.034 秒)
