“余嘉琳”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种小样本商品图像分类方法、装置、设备及存储介质-CN202110844978.6有效
发明人：梁军;余嘉琳;王霖竟;余松森 -专利权人：华南师范大学
申请日： 2021-07-26 - 公布日： 2023-09-29 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种小样本商品图像分类方法、装置、设备及存储介质。该方法包括如下步骤：获取目标商品图像；将所述目标商品图像与支持集图像输入至训练好的商品分类模型，得到该商品图像与所述支持集图像中每个图像之间的相似度，其中，所述商品分类模型包括嵌入模块和度量模块，所述嵌入模块包括相互连接的第一卷积层和第一ECA层，所述度量模块包括相互连接的第二卷积层和全连接层；根据最大的所述相似度，得到该目标商品的类别。该方法的嵌入模块融入了ECA模块，能够提取更加精确的特征图，从而使得后面度量模块分类更加有效。同时使得融入了ECA模块的度量模块能够在比较特征相似度的同时利用不同类别图像特征之间的关系，从而提高分类的准确率。
一种样本商品图像分类方法装置设备存储介质

[发明专利]一种脑部医学影像分类方法及装置-CN202210021393.9在审
发明人：梁军;苏俊光;候盈安;余嘉琳;邓亮;廖济源 -专利权人：华南师范大学
申请日： 2022-01-10 - 公布日： 2022-04-15 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种脑部医学影像分类方法及装置。本发明的一种脑部医学影像分类方法包括：获取待识别的脑部医学影像序列；对所述脑部医学影像序列进行预处理，得到数据归一化的脑部医学影像序列；将所述数据归一化的脑部医学影像序列输入训练好的影像分类模型，得到所述脑部医学影像序列的分类结果；其中，所述影像分类模型为SE‑3D ResNet模型，包括输入模块、残差学习模块和输出模块。本发明的一种脑部医学影像分类方法，所使用的影像分类模型引入注意力机制，提高有效信息的表达，精确的利用序列中的空间信息，以提高特征提取效果，使得模型能够以较高的准确率区分给定的脑部医学影像(序列)是否与脑卒中医学影像(序列)一致。
一种脑部医学影像分类方法装置

[发明专利]旅游评论短文本分类方法、装置、电子设备及存储介质-CN202111675055.9在审
发明人：冼广铭;梅灏洋;余嘉琳;张鑫;王鲁栋 -专利权人：华南师范大学
申请日： 2021-12-31 - 公布日： 2022-04-12 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种旅游评论短文本分类方法、装置、电子设备及存储介质。本发明所述的一种旅游评论短文本分类方法包括：获取待分类的文本，并对所述待分类的文本进行预处理，得到数字化的文本数据；采用BERT模型对所述文本数据进行编码，得到编码向量；采用BTM主题模型对所述文本数据进行主题向量学习，得到主题向量；将所述编码向量和所述主题向量进行融合，得到融合向量；提取所述融合向量的深层特征，得到上下文语义关系编码序列；对所述上下文语义关系编码序列进行归一化处理，得到所述文本的所属类别。本发明所述的一种旅游评论短文本分类方法，使用的分类模型结合BTM主题模型和BERT模型，并进行捕捉文本上下文信息特征，提高了文本分类的精度。
旅游评论文本分类方法装置电子设备存储介质

[发明专利]基于交叉残差网络模型的图像识别方法、系统和存储介质-CN202111328758.4在审
发明人：梁军;邝小阳;余松森;杨欢;余嘉琳 -专利权人：华南师范大学
申请日： 2021-11-10 - 公布日： 2022-03-11 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于交叉残差网络模型的图像识别方法、系统和存储介质，可应用于卷积神经网络技术领域，本发明方法包括以下步骤：获取待识别图像；采用交叉残差网络模型对所述待识别图像进行识别，得到图像识别结果；其中，所述交叉残差网络模型包括：至少一个交叉残差模块，所述交叉残差模块包括若干个权重层和若干条跳跃连接线，所述权重层包括卷积层、批量归一化层和激活函数层，所述激活函数层设置于加法运算符的后面；每条所述跳跃连接线均跳跃至少一个所述权重层且所有所述跳跃连接线为交叉跳跃至少一个所述权重层。本发明无需通过深化和扩大卷积层来提高模型性能，即能提高图像识别结果的准确性。
基于交叉网络模型图像识别方法系统存储介质

[发明专利]基于关系网络的图像分类方法、装置、设备及存储介质-CN202110907203.9在审
发明人：梁军;余嘉琳;余松森;苏俊光 -专利权人：华南师范大学
申请日： 2021-08-09 - 公布日： 2021-11-09 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于关系网络的图像分类方法，包括如下步骤：获取目标图像；将所述目标图像与支持集图像输入至训练好的图像分类模型，得到该目标图像与所述支持集图像中每个类别图像之间的相似度；其中，所述图像分类模型包括嵌入模块和度量模块，所述嵌入模块为随机深度网络，所述度量模块包括相互连接的卷积层和全连接层；根据最大的所述相似度，得到该目标图像的类别。该方法通过在嵌入模块中采用随机深度网络代替关系网络中卷积层，该网络可以通过随机去掉一些冗余层来优化残差网络的训练过程，使得网络在加深层数的同时又能防止过拟合的问题，能够提取到更准确的支持集图像特征和查询集图像特征从而进一步提高查询集的类别判断。
基于关系网络图像分类方法装置设备存储介质