-
公开(公告)号：CN112801018B
公开(公告)日：2023-07-07
申请号：CN202110174437.7
申请日：2021-02-07
Applicant: 广州大学
IPC: G06V20/52 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种跨场景目标自动识别与追踪方法及应用，该方法包括下述步骤：在监控场景中对跟踪目标进行跟踪；当所跟踪的目标丢失时，提取模型检测所跟踪的行为人；计算行为人序列特征与跟踪目标特征之间的欧式距离，进行行为人重识别；对多路场景进行行为人检测与行为人重识别，进行跨场景行为人识别与追踪；应用FACENET卷积网络人脸识别技术识别行为人，进行跟踪目标的身份识别；采用CSRnet对人群密度进行估计,根据人群密度阈值分配计算资源，对超出设定的阈值的监控区域进行预警；根据检索条件在视频监控所有场景中查找及匹配关键目标，并框选出所有符合条件的目标。本发明提高了行为人重识别模型在不同场景下的泛化能力。
-
公开(公告)号：CN112801018A
公开(公告)日：2021-05-14
申请号：CN202110174437.7
申请日：2021-02-07
Applicant: 广州大学
Abstract: 本发明公开了一种跨场景目标自动识别与追踪方法及应用，该方法包括下述步骤：在监控场景中对跟踪目标进行跟踪；当所跟踪的目标丢失时，提取模型检测所跟踪的行为人；计算行为人序列特征与跟踪目标特征之间的欧式距离，进行行为人重识别；对多路场景进行行为人检测与行为人重识别，进行跨场景行为人识别与追踪；应用FACENET卷积网络人脸识别技术识别行为人，进行跟踪目标的身份识别；采用CSRnet对人群密度进行估计,根据人群密度阈值分配计算资源，对超出设定的阈值的监控区域进行预警；根据检索条件在视频监控所有场景中查找及匹配关键目标，并框选出所有符合条件的目标。本发明提高了行为人重识别模型在不同场景下的泛化能力。
-
公开(公告)号：CN116509392A
公开(公告)日：2023-08-01
申请号：CN202310326884.9
申请日：2023-03-29
Applicant: 广州大学
IPC: A61B5/16 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/2415 , G06F18/10 , G06F18/2131 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明提出了一种基于脑电波和卷积神经网络的情绪检测识别方法，所述方法包括：采集受试者的原始脑电信号，去除相关噪声，根据受试者的自我评估对脑电信号的情绪种类进行划分和预处理，获得受试者单次的情绪数据；采集多位受试者的原始脑电信号并获取所有受试者的情绪数据，对情绪数据进行整合，建立数据集；生成特征图，并合并为情绪特征立方体，输入GCN+NGCU神经网络；通过GCN+NGCU神经网络获得与情绪的种类相关的脑电波序列的时间‑空间特征向量；构建Softmax情绪分类器模型，将GCN‑NGCU神经网络学习到的脑电波情绪特征输入到Softmax情绪分类器模型中，自动匹配及识别受试者的情绪。本发明可实现准确高效地提取和处理脑电波的情绪状态变化特征，自动识别情绪的种类。
-
公开(公告)号：CN119623671A
公开(公告)日：2025-03-14
申请号：CN202411686244.X
申请日：2024-11-22
Applicant: 广州大学
Abstract: 本申请涉及联邦学习优化领域技术领域，本申请提供一种边缘智能控制器中非独立同分布数据的联邦学习方法，其特征在于，包括以下步骤：S10：挑选预参与全局聚合的节点子集St；S20：在节点子集St中选取节点进行模型的本地训练，并将模型权重和损失函数的梯度发送给服务器；S30：计算各节点对全局模型收敛的贡献度，选取真正参与本轮全局聚合的节点子集#imgabs0#S40：在节点子集#imgabs1#中选取节点并重构节点的模型权重；S50：根据节点子集#imgabs2#中节点的贡献值对节点进行赋分并全局聚合求得全局模型权重；S60：调整各节点在下一轮训练中被选取的概率。本申请通过有选择地挑选节点进行全局聚合，更好地表征节点对全局模型训练的贡献度从而更好地提高训练效果。
-
-
-
Search Results
4
records
(took 0.02 seconds)
