-
公开(公告)号：CN109389045B
公开(公告)日：2021-03-02
申请号：CN201811053740.6
申请日：2018-09-10
申请人： 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC分类号： G06K9/00
摘要： 本发明提供了一种基于混合时空卷积模型的微表情识别方法与装置，该方法包括：根据预先获取的图像训练样本对预先建立的混合时空卷积网络进行训练，得到混合时空卷积模型；其中，所述混合时空卷积网络包括多个循环交替连接3D残差模块，每个3D残差模块包括1*3*3卷积层和3*1*1卷积层；将待识别图像输入到所述混合时空卷积模型，得到微表情分类结果。采用混合的1*3*3卷积(2维)+3*1*1卷积(1维)进行卷积计算，一方面保证了本发明在微表情识别上具有3D CNN的精度要求；另一方面大大降低了计算复杂度，从而降低对计算机硬件的要求，更有利于产品化。
-
公开(公告)号：CN109376596B
公开(公告)日：2020-11-13
申请号：CN201811079718.9
申请日：2018-09-14
申请人： 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC分类号： G06K9/00
摘要： 本发明公开了一种人脸匹配方法、装置、设备及计算机可读存储介质，通过候选区域网络模型获取目标人脸图像的目标人脸区域图像以及至少两个人脸器官区域图像，进而通过级联卷积神经网络模型，获取至少两个目标人脸特征点及对应特征向量，将所述目标人脸特征点进行组合以获取特征组合，根据所述特征组合中所述目标人脸特征点的特征向量以及预先建立的特征检索库，逐个组合进行迭代匹配，以获取匹配于所有特征组合的图像集合，将所述目标人脸特征点的特征向量与所述图像集合进行相似度计算，以获取人脸匹配结果，本发明能够减少检索范围，提升检索速度，提高用户的使用体验。
-
公开(公告)号：CN109325226A
公开(公告)日：2019-02-12
申请号：CN201811052429.X
申请日：2018-09-10
申请人： 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
摘要： 本发明提供了一种基于深度学习网络的术语提取方法、装置与存储介质，该方法包括：对目标文本进行术语标注；对标注后的目标文本进行分词处理，得到分词文本并提取关键词；根据关键词对预先建立的RNN深度学习网络进行训练，得到术语预测模型，并获取术语预测模型输出的术语预测结果；根据目标文本对应的术语预测结果以及术语标注，对预先建立的CNN深度学习网络进行训练，得到术语提取模型，并获取术语提取模型输出的术语提取结果。本发明融合了RNN与CNN深度学习网络，组成了一个更深层的深度学习的网络，依据提取后的关键词以及目标文本的术语标注结果对目标文本进行术语的预测和提取，可以有效提升术语的提取速率，实现海量文本的中文术语的抽取。
-
公开(公告)号：CN109325226B
公开(公告)日：2023-04-14
申请号：CN201811052429.X
申请日：2018-09-10
申请人： 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC分类号： G06F40/289 , G06N3/047 , G06N3/048 , G06N3/08
摘要： 本发明提供了一种基于深度学习网络的术语提取方法、装置与存储介质，该方法包括：对目标文本进行术语标注；对标注后的目标文本进行分词处理，得到分词文本并提取关键词；根据关键词对预先建立的RNN深度学习网络进行训练，得到术语预测模型，并获取术语预测模型输出的术语预测结果；根据目标文本对应的术语预测结果以及术语标注，对预先建立的CNN深度学习网络进行训练，得到术语提取模型，并获取术语提取模型输出的术语提取结果。本发明融合了RNN与CNN深度学习网络，组成了一个更深层的深度学习的网络，依据提取后的关键词以及目标文本的术语标注结果对目标文本进行术语的预测和提取，可以有效提升术语的提取速率，实现海量文本的中文术语的抽取。
-
公开(公告)号：CN109043793B
公开(公告)日：2021-04-09
申请号：CN201810957141.0
申请日：2018-08-21
申请人： 广州杰赛科技股份有限公司
IPC分类号： A45D29/00
摘要： 本发明公开了一种甲面干化方法，用于包括至少两种甲面干化方式的装置，包括：获取工作模式，其中，所述工作模式为根据涂覆材料确定的一种甲面干化方式；根据所述工作模式进行相应的甲面干化操作。通过对工作模式的获取，其中工作模式是依据涂覆材料确定的，再根据获取的工作模式进行相应的甲面干化操作，避免了对不同的涂覆材料都采取单一的甲面干化操作导致的对指(趾)甲美化装饰效果不好，甲面干化时间长，甚至是对用户指(趾)甲的损坏，保证了甲面美化效果和效率，提高了用户使用体验。
-
公开(公告)号：CN109043792A
公开(公告)日：2018-12-21
申请号：CN201810957115.8
申请日：2018-08-21
申请人： 广州杰赛科技股份有限公司
IPC分类号： A45D29/00
CPC分类号： A45D29/00 , A45D2029/005
摘要： 本发明公开了一种全自主甲面彩绘烘干方法，根据所述打印模式控制喷绘装置实现墨水或水性胶水的喷绘；检测到喷绘完成后，获取干化指令；根据所述干化指令控制光固化组件或烘干组件进行光固化或热烘干。实现对水性底胶打印、图像打印、UV胶打印精确控制，并通过热风干、光烘干定型技术，一体化地完成整个对指(趾)甲彩绘烘干工艺流程。采用这种新的甲面彩绘烘干技术取代现行市场设备，可以大大地简化指(趾)甲美化工艺流程，提高指(趾)甲美化效果及质量，缩短指(趾)甲美化时间基础上同时降低人工成本。
-
公开(公告)号：CN109359538A
公开(公告)日：2019-02-19
申请号：CN201811079808.8
申请日：2018-09-14
申请人： 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
摘要： 本发明公开了一种卷积神经网络的训练方法，首先获取待训练手势图像；根据Mask R-CNN目标检测对手势图像进行分割提取，以获取所述手势图像中各个手势对应的关键点坐标；对每一关键点，根据关键点的可视性进行相应标识，以得到标识后的特征信息，其中，特征信息包括关键点坐标和相应的可视性标志；对每一手势图像，基于流形学习算法对所述标识后的特征信息进行降维，获取降维后特征点分布图像；对每一特征点分布图像，根据特征点分布图像中相应特征点的组合，获取手势语义标注后的手势指令标签；根据所述特征点分布图像与相应的手势指令标签，对初始卷积神经网络进行卷积神经网络训练，获取训练完成的卷积神经网络，简化了处理的复杂度，提高了处理效率。
-
公开(公告)号：CN109300209A
公开(公告)日：2019-02-01
申请号：CN201811033968.9
申请日：2018-09-05
申请人： 广州杰赛科技股份有限公司
IPC分类号： G07C9/00
摘要： 本发明提供了一种双向智能通行身份核验控制装置与双向智能通行闸机，该装置包括：控制器主体，设置在控制器主体的第三安装部的控制主板和用于控制进出闸放行的闸机控制模组，设置在控制器主体面向闸机出行方向的第一安装部的第一身份识别组件；设置在控制器主体面向闸机入行方向的第二安装部的第二身份识别组件第二安装部；其中，第一身份识别组件包括用于人脸识别的第一摄像头、第一显示屏、第一红外探头及第一身份识别模组；第二身份识别组件包括用于人脸识别的第二摄像头、第二显示屏、第二红外探头及第二身份识别模组。该装置上集成了面进出行方向双方向的身份识别组件，能够实现双向身份核验，从而实现双向通行控制，提高通行效率。
-
公开(公告)号：CN109043793A
公开(公告)日：2018-12-21
申请号：CN201810957141.0
申请日：2018-08-21
申请人： 广州杰赛科技股份有限公司
IPC分类号： A45D29/00
CPC分类号： A45D29/00
摘要： 本发明公开了一种甲面干化方法，用于包括至少两种甲面干化方式的装置，包括：获取工作模式，其中，所述工作模式为根据涂覆材料确定的一种甲面干化方式；根据所述工作模式进行相应的甲面干化操作。通过对工作模式的获取，其中工作模式是依据涂覆材料确定的，再根据获取的工作模式进行相应的甲面干化操作，避免了对不同的涂覆材料都采取单一的甲面干化操作导致的对指(趾)甲美化装饰效果不好，甲面干化时间长，甚至是对用户指(趾)甲的损坏，保证了甲面美化效果和效率，提高了用户使用体验。
-
公开(公告)号：CN109145871B
公开(公告)日：2020-09-15
申请号：CN201811076485.7
申请日：2018-09-14
申请人： 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
摘要： 本发明提供了一种心理行为识别方法、装置与存储介质，方法，包括：检测预先采集的目标人脸图像的人脸特征，获取目标人脸图像的至少五个人脸特征点；根据目标人脸图像的人脸特征点以及预设的图像分块规则，对目标人脸图像进行切块处理，得到若干个图块；根据若干个图块，通过预先建立的卷积神经网络模型，获得目标人脸图像对应的情绪特征组合；根据获得目标人脸图像对应的情绪特征组合，通过预先建立的心理行为识别模型，获得目标人脸图像对应的心理行为识别结果。上述方法通过卷积神经网络模型提取目标人脸图像中表征的情绪特征组合，并对该情绪特征组合进行情绪组合识别，从识别出目标人脸图像中表征的心理行为，能够提高心理行为识别的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
24 条记录 (耗时 0.043 秒)
