“向友君”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38个，建议您升级VIP下载更多相关专利

[发明专利]稀疏表示域中基于深度特征学习的人脸识别方法及系统-CN202011275794.4有效
发明人： 向友君;阮荣钜;翁子淳 -专利权人：华南理工大学
申请日： 2020-11-16 - 公布日： 2023-09-12 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种稀疏表示域中基于深度特征学习的人脸识别方法及系统，其中方法包括以下步骤：获取人脸图像；采用二维小波分解、局部二值算子与梯度算子对所述人脸图像进行处理，获得所述人脸图像的稀疏表示；将所述稀疏表示输入人脸识别模型进行人脸识别，获得人脸识别结果。本发明通过二维小波变换、局部二值算子和梯度算子处理原始人脸获得稀疏表示，去除冗余信息并保留了富含语义的信息，更适合神经网络对深度特征进行提取，提高人脸识别准确度，可广泛应用于计算机视觉领域。
稀疏表示域中基于深度特征学习识别方法系统

[发明专利]基于数据驱动的有监督字典学习音频分类方法、系统及介质-CN202110988214.4有效
发明人：陈真;邱小群;向友君;张淘珊 -专利权人：华南理工大学
申请日： 2021-08-26 - 公布日： 2023-08-22 - 主分类号： G06F18/2411 文献下载
摘要：本发明公开了一种基于数据驱动的有监督字典学习音频分类方法、系统及介质。该方法包括：确定样本集类别数；利用输入的样本及其对应的类标签训练特定类字典；利用已训练的字典得出输入样本的稀疏编码，并将稀疏编码作为特征，训练SVM分类器；利用已训练的字典和已训练的SVM分类器对输入样本进行分类，输出预测标签。本发明通过每个类学习一个字典来实现最小化类内均匀性，最大化类的可分性，提高稀疏性以控制信号在字典上分解的复杂性，同时最小化基于类的重构错误，并提高字典的成对正交性。本发明能够广泛应用于多个场景中，如计算听觉场景识别和音乐和弦识别；其在数据集上的测试也相对稳定，泛化能力表现优秀。
基于数据驱动监督字典学习音频分类方法系统介质

[发明专利]基于融合特征和字典学习的人脸表示攻击检测方法及系统-CN202010696193.4有效
发明人：傅予力;黄汉业;向友君;许晓燕;吕玲玲 -专利权人：华南理工大学
申请日： 2020-07-20 - 公布日： 2023-07-21 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于融合特征和字典学习的人脸表示攻击检测方法及系统，该方法步骤包括：根据人脸图像二次成像的失真来源提取完整人脸图像的图像质量特征；构建深度卷积网络模型，通过深度卷积网络提取人脸图像块的深度网络特征；将两种特征级联通过PCA生成最终的融合特征；利用融合特征初始化字典原子，训练基于低秩共享字典的字典学习分类器；基于融合特征重构残差的大小判断测试样本的类别。本发明首次结合图像质量特征和深度网络特征进行人脸表示攻击检测，更好地利用了单帧图像提供的信息，有效增强了提取特征的判别能力；首次通过低秩共享字典剥离出真伪样本的相同模式，不仅成功提高了攻击检测的准确率，而且具有良好的泛化性。
基于融合特征字典学习表示攻击检测方法系统

[发明专利]基于双阶段由粗到细的多分类人脸防伪方法、装置及介质-CN202310196398.X在审
发明人： 向友君;阮荣钜 -专利权人：华南理工大学
申请日： 2023-03-02 - 公布日： 2023-07-18 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于双阶段由粗到细的多分类人脸防伪方法、装置及介质，其中方法包括以下步骤：收集人脸防伪数据集，针对双阶段由粗到细的目标分别定义类别标签；通过第一阶段预训练初步训练特征生成器，在第二阶段进行欺骗特征增强，进一步学习解纠缠特征，最终获得人脸防伪识别结果。本发明针对双阶段采用不同监督函数进行训练，以多分类作为学习目标，更能捕捉到不同欺骗类型之间的差异特征，更适合深度神经网络进行特征的学习，提高人脸防伪识别准确率。本发明可广泛应用于计算机视觉领域。
基于阶段粗到细分类防伪方法装置介质

[发明专利]一种基于RGB图像和MSR图像双通道的目标检测方法-CN202011306712.8有效
发明人： 向友君;董庆州;童逸轩;李乐民;傅予力 -专利权人：华南理工大学
申请日： 2020-11-20 - 公布日： 2023-07-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于RGB图像和MSR图像双通道的目标检测方法，其特征在于，包括以下步骤：S1、通过在原始RGB图像上应用灰度化和MSR(Multi Scale Retinex)算法，得到具有颜色恒常性的MSR图像；S2、对于步骤S1得到的原始RGB图像和MSR图像，分别采用特征金字塔网络(Feature Pyramid Networks，FPN)模型对图像进行深度特征的学习S3、通过注意力机制对原始RGB图像和MSR图像的特征进行特征融合；S4、通过Focal Loss和DIoU Loss对特征金字塔网络模型进行分类和回归过程进行监督；S5、利用特征金字塔网络模型对预测目标进行检测。
一种基于 rgb 图像 msr 双通道目标检测方法

[发明专利]一种基于自校准网络的不确定性最小化去雨方法-CN202310189148.3在审
发明人：傅予力;夏君君;蔡磊;向友君;霍万良;张颖;王鹏程 -专利权人：华南理工大学
申请日： 2023-03-02 - 公布日： 2023-07-14 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于自校准网络的不确定性最小化去雨方法，包括：选择数据集中的训练集，得到m对图像作为训练样本；构建自校准网络，所述自校准网络包括输入层、多个结构相同的自校准模块以及相应的输出层；构建不确定性损失函数实现去雨不确定性最小化，联合雨残差损失函数及恢复损失函数优化自校准网络；将训练样本输入优化后的自校准网络，得到最优去雨模型；选择数据集中的测试集，将测试样本输入到最优去雨模型中得到最终的去雨图像。本方法解决现有多尺度去雨网络容易丢失图像空间信息的问题。
一种基于校准网络不确定性最小化方法

[发明专利]基于循环内外密集连接和注意力增强的单幅图像去雨方法-CN202310127850.7在审
发明人：傅予力;霍万良;蔡磊;向友君;夏君君;张靓;王鹏程 -专利权人：华南理工大学
申请日： 2023-02-17 - 公布日： 2023-06-23 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于循环内外密集连接和注意力增强的单幅图像去雨方法，包括：构建用于单幅图像去雨的循环内外密集连接和注意力增强网络，该网络包括多次共享参数的循环子网络，确定损失函数，损失函数包括结构相似度和感知损失；输入训练数据，训练网络参数得到循环去雨模型。本发明在循环内建立密集连接，拓展网络信息传递的通道，使包含更多背景细节信息的浅层特征通过信息传递被网络深层和后续循环的卷积层充分利用，让网络循环渐进式去雨过程中能够保留更多的背景细节。
基于循环内外密集连接注意力增强单幅图像方法

[发明专利]基于全尺寸深度图监督的人脸表示攻击检测方法-CN202110354595.0有效
发明人：傅予力;许晓燕;黄汉业;杨国栋;吕玲玲;向友君 -专利权人：华南理工大学
申请日： 2021-03-29 - 公布日： 2023-06-20 - 主分类号： G06V40/40 文献下载
摘要：本发明公开了一种基于全尺寸深度图监督的人脸表示攻击检测方法，该方法包括：构建基于全尺寸深度图监督的人脸表示攻击检测模型；输入待检测人脸图片到经过训练的人脸表示攻击检测模型中，得到与待检测人脸图片宽和高尺寸完全相同的全尺寸预测深度图，该全尺寸预测深度图上的每个像素值是对待检测人脸图片对应像素点的深度预测值；取全尺寸预测深度图的平均深度预测值作为最终得分，与事先设定的判别阈值进行比较，得到检测结果。本发明采用全尺寸深度图作为标签进行监督建模，融合输入人脸图片的浅层特征和深层特征得到全尺寸预测深度图，检测精度高，能够适应不同的光照和采集设备条件下的现实检测场景。
基于尺寸深度监督表示攻击检测方法

[发明专利]一种基于多路召回的医疗文本命名实体识别方法-CN201911333889.4有效
发明人： 向友君;容汉铿;邱昱;董庆州 -专利权人：华南理工大学
申请日： 2019-12-23 - 公布日： 2023-06-20 - 主分类号： G06F40/284 文献下载
摘要：本发明公开了一种基于多路召回的医疗文本命名实体识别方法，包括如下：医疗文本数据采集与预处理步骤；对预处理后的医疗文本数据进行多路召回命名实体候选词步骤；采用Lightgbm命名实体候选词排序步骤；对排序后的实体候选词进行处理，得到最终的命名实体集合，实现医疗文本数据命名实体识别步骤。本发明基于多路召回的思路，结合词典召回、规则召回、机器学习方法召回和神经网络方法召回等召回方式，利用Lightgbm进行排序并进行结果后处理，实现准确、有效的医疗文本命名实体识别。
一种基于召回医疗文本命名实体识别方法

[发明专利]一种基于深度学习的指针式油位计读数识别方法-CN202010134985.2有效
发明人： 向友君;江文;阮荣矩;翁子淳 -专利权人：华南理工大学
申请日： 2020-02-29 - 公布日： 2023-05-23 - 主分类号： G06V10/774 文献下载
摘要：本发明提出了一种基于深度学习的指针式油位计读数识别方法，包括：采集油位计仪表图像，构建训练所需的数据集并训练YOLOv3模型；利用YOLOv3模型识别待计算示数的指针式油位计图像；拟合表盘上的刻度数字Bounding Box中心点所在椭圆并求得圆心；连接圆心与Bounding Box中心点，确定该方向上待检测刻度的区域；在所有分割出的矩形检测区域内进行角点检测，求出每个刻度靠近圆心的边长的中点并拟合新的圆心；将待识别指针式油位计图像进行预处理后进行直线检测，求出指针方程及新的圆心在直线方程上的投影点；最终计算读数。本发明提出的基于深度学习的指针式油位计读数识别方法，能在不提前添加任何表盘信息且拍摄角度倾斜极端的情况下，较大地提高油位计示数识别的精度。
一种基于深度学习指针式油位计读数识别方法

[发明专利]一种基于双字典学习的遮挡鲁棒性人脸对齐方法-CN202010000354.1有效
发明人：傅予力;谢扬;许晓燕;吕玲玲;李现峰;向友君 -专利权人：华南理工大学
申请日： 2020-01-02 - 公布日： 2023-04-25 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于双字典学习的遮挡鲁棒性人脸对齐方法，该对齐方法包括：训练过程与对齐过程。本发明在收集人脸面部特征时，综合考虑了人脸全局形状特征和局部外观特征，得到的训练模型在测试拟合时对噪声有更强的抗干扰能力，同时，针对遮挡条件下人脸关键点的突变问题，进一步分析对齐误差，引入关键点突变参数和对齐误差权重衰减参数，构建对齐误差编码矩阵，使字典学习过程更多地关注未遮挡部分，减轻遮挡位置与遮挡样式带来的影响，提高了人脸对齐的准确率，更好地适应自然条件下有遮挡的人脸对齐。
一种基于字典学习遮挡鲁棒性人脸对齐方法

[发明专利]一种基于LBP-VAE异常检测模型的人脸表示攻击检测方法-CN202010001785.X有效
发明人：傅予力;许晓燕;谢扬;吕玲玲;肖芸榕;黄汉业;向友君 -专利权人：华南理工大学
申请日： 2020-01-02 - 公布日： 2023-04-07 - 主分类号： G06V40/40 文献下载
摘要：本发明公开了一种基于LBP‑VAE异常检测模型的人脸表示攻击检测方法，该方法包括：构建LBP‑VAE异常检测模型；获取训练样本，训练样本只需用真实样本；对训练样本提取LBP特征，得到样本特征向量；将训练样本的特征向量作为VAE的输入，训练VAE网络，得到完整的LBP‑VAE异常检测模型；当人脸表示攻击样本输入到该模型时，由于样本特征空间分布与真实样本不同，因此VAE网络的输出误差很大，将被作为异常检测出来，而当真实样本输入到该模型时，VAE网络的输出误差较小，由此可以区分两类样本。本发明公开的攻击检测方法，对不同类型的人脸表示攻击样本都有较好的检测性能，对噪声鲁棒性强，能适应不同的现实场景。
一种基于 lbp vae 异常检测模型表示攻击方法

[发明专利]基于图像先验和门控注意力学习的单图去雨方法和系统-CN202211546859.3在审
发明人：傅予力;王鹏程;向友君 -专利权人：华南理工大学
申请日： 2022-12-05 - 公布日： 2023-03-31 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于图像先验和门控注意力学习的单图去雨方法及系统，该方法包括：构建基于图像先验和门控注意力学习的网络模型，所述网络模型包括顺序连接的特征提取器、编解码器和具有注意力机制的门控器；获取训练样本；构成有雨‑无雨图像对训练数据集；将所述有雨‑无雨图像对训练数据集进行预处理，将预处理后的数据输入到所述基于图像先验和门控注意力学习的网络模型中进行训练，得到训练好的基于图像先验和门控注意力学习的网络模型；将需要去雨的图像输入到训练好的基于图像先验和门控注意力学习的网络模型，最终获取去雨后的图像数据,本发明有效的提取图像的细节信息和识别出更多的雨条纹，从而增强了雨图的去雨效果。
基于图像先验门控注意力学习单图去雨方法系统

[发明专利]多任务姿态不变的人脸识别方法、系统、装置及存储介质-CN202011376722.9有效
发明人：陈真;向友君;张明月 -专利权人：华南理工大学
申请日： 2020-11-30 - 公布日： 2023-02-14 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种多任务姿态不变的人脸识别方法、系统、装置及存储介质，其中方法包括以下步骤：获取待识别的人脸图像；将所述人脸图像输入训练好的人脸识别模型进行人脸识别，输出人脸识别结果；其中，所述人脸识别模型包括三个神经网络，所述三个神经网络用于分割人脸区域并进行三种人脸姿势识别，所述三种人脸姿势包括左脸姿势、正脸姿势以及右脸姿势。本发明通过使用三个神经网络针对不同的人脸姿势，进行人脸识别，能够有效地消除姿势变化带来性能下降的问题，可广泛应用于计算机视觉领域。
任务姿态不变识别方法系统装置存储介质

[发明专利]基于雨条纹指导的单幅图像的渐进式去雨方法-CN202210882193.2在审
发明人：傅予力;夏君君;蔡磊;向友君;霍万良;张颖;王鹏程 -专利权人：华南理工大学
申请日： 2022-07-26 - 公布日： 2022-11-18 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于雨条纹指导的单幅图像的渐进式去雨方法，包括以下步骤：S1：构建具有多个阶段的渐进式去雨网络，每一阶段均包括渐进式雨条纹检测模块和渐进式雨条纹去除模块；S2：获取有雨图像，将有雨图像输入渐进式去雨网络进行训练，渐进式雨条纹检测模块输出雨条纹掩膜，渐进式雨条纹去除模块输出去雨图像；S3：设定渐进式去雨网络的组合损失函数，根据组合损失函数对渐进式去雨网络进行优化，获得渐进式去雨网络模型；S4：将待去雨的有雨图像输入训练好的渐进式去雨网络模型，渐进式去雨网络模型输出去除雨条纹后的无雨图像。本发明可以有效地恢复被雨条纹遮挡的图像，解决雨条纹去除不干净的情况，实现了每阶段逐步去除雨条纹的效果。
基于条纹指导单幅图像渐进式去雨方法

1
2
3
下一页»
尾页
共 38 条