“钟必能”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25个，建议您升级VIP下载更多相关专利

[发明专利]一种用于图像文本篡改检测的深度学习方法-CN202310910967.2在审
发明人： 钟必能;李啸海;胡现韬;梁启花;李宁;李先贤 -专利权人：广西师范大学
申请日： 2023-07-24 - 公布日： 2023-10-10 - 主分类号： G06V20/62 文献下载
摘要：本发明公开了一种用于图像文本篡改检测的深度学习方法，包括如下步骤：步骤1：读取图像数据；步骤2：高斯卷积数据；步骤3：获取输出特征向量1；步骤4：获取输出特征向量2；步骤5：获取输出特征向量3；步骤6：获取输出特征向量4；步骤7：输出特征向量1、2、3、4Concat在一起后再与输出特征向量4输入到头部网络最终得到检测结果；步骤8、检测结果同真实值一起计算CE_loss，来不断优化模型参数；步骤9、利用训练好的模型进行结果推理。这种方法能够学习语义不可知的特征，对篡改敏感，同时专门防止假警报。
一种用于图像文本篡改检测深度学习方法

[发明专利]一种结合嵌入式硬件信息的深度学习目标检测方法-CN202110491544.2有效
发明人： 钟必能;叶传富;唐振军;李先贤;刘昕 -专利权人：广西师范大学;中科视拓（南京）科技有限公司
申请日： 2021-05-06 - 公布日： 2023-07-25 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种结合嵌入式硬件信息的深度学习目标检测方法，其特征在于，包括如下步骤：1）搭建神经网络单元；2）选择神经网络主体；3）筛选检测模块阶段；4）评估检测阶段。这种方法采用公开数据集和嵌入式设备约束作为目标检测过程中搜索和检测的监督信息，并在神经网络架构搜索的框架下，将目标检测部署问题视为一个多阶段的选择问题，从而有效解决基于深度学习的目标检测器部署终端设备上的问题。
一种结合嵌入式硬件信息深度学习目标检测方法

[发明专利]基于稀疏表示的图像分割方法、装置、设备及存储介质-CN202010794337.X有效
发明人：陈子仪;范文涛;钟必能;杜吉祥 -专利权人：华侨大学
申请日： 2020-08-10 - 公布日： 2023-04-18 - 主分类号： G06V10/40 文献下载
摘要：本发明提供一种基于稀疏表示的图像分割方法、装置、设备及存储介质，方法包括：收集一定数量的图像及其分割标记，然后用狄利克雷混合模型对其进行无监督分割，并调整其参数，获得每张图像最优参数，组成最优参数列表，然后将每张图像转换为灰度图，提取它们的灰度直方图特征，训练生成一个稀疏表示字典，提取待分割的图像的灰度直方图特征，计算它的稀疏系数，根据得到的稀疏系数，从稀疏表示字典获取与其最接近的图像，从最优参数列表中获取近似图像的最优参数，并用最优参数进行赋值，利用赋值好的参数对待分割图像进行无监督图像分割，得到分割结果。本发明狄利克雷混合模型的优化参数不需要人工调整，而是经过稀疏表示预测后自动生成。
基于稀疏表示图像分割方法装置设备存储介质

[发明专利]一种结合多视角注意力机制的细粒度视觉问答方法-CN201910927585.4有效
发明人：彭淑娟;李磊;柳欣;范文涛;钟必能;杜吉祥 -专利权人：华侨大学
申请日： 2019-09-27 - 公布日： 2023-03-24 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种结合多视角注意力机制的细粒度视觉问答方法，充分考虑到问题具体语义的导向作用，提出一种多视角注意力模型，能够有效选择出与当前任务目标(问题)相关的多个显著目标区域，从多个视角学习获取图像和问题文本中与答案有关的区域信息，提取出问题语义引导下的图像中的区域显著性特征，具有更细粒度的特征表达，并对图像中存在多个重要语义表达区域的情况表现，具有较强的刻画能力，增加了多视角注意力模型的有效性和全面性，从而有效加强图像区域显著特征和问题特征的语义关联性，以提升视觉问答的语义理解的准确性和全面性。采用本发明所述的方法进行视觉问答任务，步骤简单、效率高、准确率高，完全可以用于商业，市场前景较佳。
一种结合视角注意力机制细粒度视觉问答方法

[发明专利]基于视觉检测和重识别的多源两阶段菜品识别方法-CN202110441072.X有效
发明人： 钟必能;程思远;李先贤;刘昕 -专利权人：广西师范大学;中科视拓（南京）科技有限公司
申请日： 2021-04-23 - 公布日： 2022-04-29 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了基于视觉目标检测和重识别的多源两阶段菜品识别方法，所述方法包括训练流程和测试流程。这种方法通过结合目标检测和重识别技术来定位和识别菜品，能提高实际菜品识别的鲁棒性和精度。
基于视觉检测识别多源两阶段菜品方法

[发明专利]一种基于计算机视觉半监督伪标签学习的小麦头检测方法-CN202110849609.6有效
发明人： 钟必能;张子凯;郑耀宗;梁启花;李先贤 -专利权人：广西师范大学
申请日： 2021-07-27 - 公布日： 2022-04-29 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于计算机视觉半监督伪标签学习的小麦头检测方法，其特征在于，所述方法包括：训练不同的小麦头检测模型和半监督伪标签学习策略。这种方法具有在各种场景下小麦识别的高鲁棒性和高精确度，能实现智能识别小麦头、以减少人力的消耗、提高识别效率。
一种基于计算机视觉监督标签学习小麦检测方法

[发明专利]基于计算机视觉鲁棒性目标检测的两阶段商标检测法-CN202110895858.9在审
发明人： 钟必能;孙岩坤;梁启花;李先贤 -专利权人：广西师范大学
申请日： 2021-08-05 - 公布日： 2021-11-02 - 主分类号： G06K9/32 文献下载
摘要：本发明公开了一种基于计算机视觉鲁棒性目标检测的两阶段商标检测法，其特征在于，包括训练流程和测试流程。这种方法在数据增强和在线困难样本挖掘的作用下，能有效地处理数据各类干扰以及数据样本分布不均匀的情况，从而使该方法能提高实际商标识别的鲁棒性和精度。
基于计算机视觉鲁棒性目标检测阶段商标

[发明专利]一种基于计算机视觉目标检测的低功耗实时头盔检测方法-CN202110536218.9在审
发明人： 钟必能;张子凯;郑耀宗;唐振军;李先贤;刘昕 -专利权人：广西师范大学;中科视拓（南京）科技有限公司
申请日： 2021-05-17 - 公布日： 2021-07-16 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于计算机视觉目标检测的低功耗实时头盔检测方法，其特征在于，包括如下步骤：1）采集头盔检测数据集；2）定义低功耗实时头盔检测器模型；3）学习低功耗实时头盔检测器模型。这种方法识别速度快、识别率高，能缓解交管人员的工作负担，进而降低交通事故的发生隐患。
一种基于计算机视觉目标检测功耗实时头盔方法

[发明专利]超像素的狄利克雷混合模型图像分割方法、装置及设备-CN202011038459.2在审
发明人：陈子仪;范文涛;钟必能;杜吉祥 -专利权人：华侨大学
申请日： 2020-09-28 - 公布日： 2020-12-29 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种超像素的狄利克雷混合模型图像分割方法、装置及设备，方法包括：读取待分割的图像，利用超像素分割算法将所述图像分割为多个超像素块，并记录下每个像素点所属的超像素块、每个超像素块的位置中心以及颜色均值信息；提取每个超像素块的邻域信息；对所有超像素块的颜色做归一化处理，并初始化分割类别个数和聚类中心；将归一化处理后的超像素块作为输入，利用k‑means聚类对狄利克雷混合模型的聚类中心和后验概率做初始化；初始化狄利克雷混合模型的超参数，将以超像素块为基本处理单位的处理向量放入初始化后的狄利克雷混合模型中进行无监督迭代分割计算，直到达到预设的迭代终止条件后，输出分割结果图。本发明能提高图像分割的速度。
像素狄利克雷混合模型图像分割方法装置设备

[发明专利]基于超像素的遥感图像提取方法、装置、设备及存储介质-CN202010794623.6在审
发明人：陈子仪;范文涛;钟必能;杜吉祥 -专利权人：华侨大学
申请日： 2020-08-10 - 公布日： 2020-10-30 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于超像素的遥感图像提取方法、装置、设备及存储介质，方法包括：用超像素分割技术将训练图像分割成超像素块，生成不同尺寸的模型训练样本；根据生成的不同尺寸的模型训练样本，分别训练生成不同扫描尺寸的卷积神经网络模型；利用训练好的不同扫描尺寸的卷积神经网络模型，对训练图像进行提取，融合不同扫描尺寸的卷积神经网络的提取结果生成高阶卷积神经网络的训练样本；基于生成的高阶卷积神经网络的训练样本，训练生成高阶卷积神经网络模型，并利用所述不同扫描尺寸的卷积神经网络以及高阶卷积神经网络模型对待提取的遥感图像进行目标提取。本发明通过超像素块扫描，大大提升了处理的速度。
基于像素遥感图像提取方法装置设备存储介质

[发明专利]基于已知轨道的多摄像头合作接力监控方法-CN201710352192.6有效
发明人：王田;曾建电;吴尤可;钟必能;陈叶旺 -专利权人：华侨大学
申请日： 2017-05-18 - 公布日： 2019-12-13 - 主分类号： H04N7/18 文献下载
摘要：本发明公开一种基于已知轨道的多摄像头合作接力监控方法，该方法应用于多条轨道连接构成的轨道网中，轨道网中随机分布多个移动节点，且各移动节点可在任一条轨道和任一顶点上移动，每个移动节点只能监控其所处边及顶点处的目标，所述轨道网构成的网络拓扑结构图，每条轨道对应网络拓扑结构图一条边，轨道连接点对应网络拓扑结构图的顶点。该方法降低了移动监控成本，提高了监控范围和安全性，应用范围广。
基于已知轨道摄像头合作接力监控方法

[发明专利]一种基于多移动基站的传感云数据收集方法-CN201610650149.3有效
发明人：王田;李洋;钟必能;王成;田晖 -专利权人：华侨大学
申请日： 2016-08-09 - 公布日： 2019-11-12 - 主分类号： H04W16/18 文献下载
摘要：本发明公开了一种基于多移动基站的传感云数据收集方法，采用多个移动基站并发收集传感器网络监测区域数据并上传到云端，移动基站通过访问部分传感器节点来完成数据收集，包括：将传感器网络监测区域的外接圆划分为若干个均匀的扇形区，每个移动基站覆盖一个扇形区域；在每个扇形区域内，选择部分传感器节点作为驻点，其他节点作为普通节点；利用TSP算法对由驻点组成的驻点集设计出最优访问路径作为基站的移动路径，当基站访问驻点时，普通节点将数据传给基站；计算每个移动基站的数据收集时延并将最大的收集时延作为整个传感器网络的数据收集时间。本发明能够保证传感器网络中的感知数据在规定时间内上传到云端，同时在满足时延的情况下，能量消耗最小。
一种基于移动基站传感数据收集方法

[发明专利]基于缺损数据的非线性特征提取和分类方法-CN201610498802.9有效
发明人：王靖;孙晓龙;杜吉祥;钟必能 -专利权人：华侨大学
申请日： 2016-06-29 - 公布日： 2019-06-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于缺损数据的非线性特征提取和分类方法，包括以下步骤:采用缺损数据的距离估计方法来构造数据点的局部邻域集和局部邻域集对应的缺失标记集；构造基于所述局部邻域集和其对应的缺失标记集的核范数正则化模型，并使用自适应定点迭代算法求解该模型来提取局部坐标；对齐所述局部坐标，获得全局坐标。本发明的方法在面对缺损数据时，可以有效地构造邻域集、提取局部坐标以及恢复全局坐标，最终实现缺损数据的非线性特征提取和分类。
基于缺损数据非线性特征提取分类方法

[发明专利]一种基于机器学习的网络用户安全状态评估方法-CN201610479747.9有效
发明人：王田;吴尤可;文晟;钟必能;王成;吴群 -专利权人：华侨大学
申请日： 2016-06-27 - 公布日： 2018-11-27 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于机器学习的网络用户安全状态评估方法，包括：基于确定的风险传播源u和其传播时间t，建立网络风险的微观传播模型；基于所述传播源，对所述微观传播模型进行多轮的模拟传播；传播结束后，提取指定的特征属性及其对应的特征值形成特征向量；将提取到的特征向量输入到分类器中进行分类训练，生成可以判定新输入特征向量类属的分类规则；实际传播事件发生t时间后，提取网络中所有未被监控用户对应的特征向量；将提取到的特征向量输入训练好的分类器进行分类，获得所有未被监控用户安全状态的估计值。本发明方法通过部分用户的安全状态信息来估计网络中其他用户的安全状态，从而迅速有效地对高风险用户进行处理，阻止风险的传播。
一种基于机器学习网络用户安全状态评估方法

[发明专利]一种手机打车的订单自动选择方法-CN201510236530.0有效
发明人：王田;许迪文;王成;钟必能;张国亮;蔡奕侨 -专利权人：华侨大学
申请日： 2015-05-11 - 公布日： 2018-05-25 - 主分类号： G06Q10/04 文献下载
摘要：一种手机打车的订单自动选择方法，1)若已接订单列表尚未存在订单，则进入步骤2)，若已接订单列表存在订单，则进入步骤3)；2)判断司机能否在规定的时间内完成从当前地点至新订单接客地点的路程，并判断新订单效率值是否为正，若均满足，则将新订单加入订单列表，若否，则拒绝新订单；3)先根据接客开始时间判断新订单处于订单列表的位置，而后针对不同位置，分别进行时间冲突判断及对应的订单效率值判断，若均满足，则将新订单加入订单列表，若否，则拒绝订单。本发明能使司机利益最大化的同时还避免了司机对订单做出判断时存在的安全隐患，另一方面可以合理地调度的士资源，缓解“打车难”“空载多”的问题。
自动选择手机司机利益最大化安全隐患时间冲突时间判断空载路程调度缓解

1
2
下一页»
尾页
共 25 条