“吴增程”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15个，建议您升级VIP下载更多相关专利

[发明专利]一种文本信息的处理方法、装置、设备及可读存储介质-CN202210392835.0在审
发明人： 吴增程 -专利权人：广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
申请日： 2022-04-14 - 公布日： 2023-10-27 - 主分类号： G06V30/14 文献下载
摘要：本发明涉及文本数据处理技术领域，公开了一种文本信息的处理方法、装置、设备及可读存储介质。其中，该方法包括：获取待处理文本图片对应的初始化图片以及待处理文本图片的标注文本框，该初始化图片为像素值为0的单通道图片，且初始化图片的尺寸信息与待处理文本图片的尺寸信息一致；基于标注文本框的属性信息，在初始化图片中生成对应于多个标注文本框的文本掩膜，确定文本掩膜对应的多个目标文本框；基于标注文本框与目标文本框的像素信息，剔除无效文本信息对应的无效文本框，得到待处理文本图片中的有效文本信息及其对应的有效文本框。通过实施本发明，实现了文本数据的有效处理，保证了文本框信息的准确性，便于文本检测模型的精准训练。
一种文本信息处理方法装置设备可读存储介质

[发明专利]文本锚框的生成方法、装置、设备和介质-CN202210331749.9在审
发明人： 吴增程 -专利权人：广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
申请日： 2022-03-30 - 公布日： 2023-10-24 - 主分类号： G06V10/25 文献下载
摘要：本申请的一种文本锚框的生成方法，包括：获取包含文本信息的初始文本框；根据所述初始文本框得到若干个初始锚框，分别计算每一个所述初始文本框与每一个所述初始锚框的第一重叠度；根据所述第一重叠度对所述初始文本框进行聚类，并将聚类中心的初始锚框作为中心锚框；基于所述第一重叠度对聚类中心为同一个所述中心锚框的所述初始文本框进行权重计算，并根据权重计算结果对所述初始文本框的尺寸进行加权计算，得到所述中心锚框的第一尺寸参数，从而提高锚框与不同尺寸的初始文本框之间的适配性。
文本生成方法装置设备介质

[发明专利]文本区域分割方法、装置、设备和介质-CN202210306088.4在审
发明人： 吴增程 -专利权人：广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
申请日： 2022-03-25 - 公布日： 2023-10-10 - 主分类号： G06V30/148 文献下载
摘要：本申请的一种文本区域分割方法，包括：获取初始图像，对所述初始图像进行文本框识别，得到第一文本框；通过预设的腐蚀函数对所述第一文本框进行腐蚀处理，得到所述第一文本框对应的核文本框；采用预训练的深度学习模型对所述核文本框进行单通道预测，并通过预设的拆分函数对单通道预测结果进行区分，得到若干个单通道核文本框；通过预设的膨胀函数，分别对所述单通道核文本框进行膨胀处理，得到对应的目标文本框；根据所述目标文本框对所述初始图像中的文本信息进行分割处理，从而避免文本区域的粘连，提高文本检测的准确性。
文本区域分割方法装置设备介质

[发明专利]文本检测模型的训练方法、装置、设备和介质-CN202210245701.6在审
发明人： 吴增程 -专利权人：广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
申请日： 2022-03-10 - 公布日： 2023-09-19 - 主分类号： G06T7/11 文献下载
摘要：本申请的一种文本检测模型的训练方法，包括：获取包含待检测文本的初始图像，并对所述待检测文本生成对应的文本框，得到文本框图像；将所述文本框图像进行第一图像收缩处理，对每一个所述文本框分别生成一个第一核标记，得到第一掩码图；将所述文本框图像进行第二图像收缩处理，对每一个所述文本框分别生成一个第二核标记，得到第二掩码图，其中，所述第一图像收缩处理与所述第二图像收缩处理的放缩倍数不同；对所述第一掩码图和所述第二掩码图中的各个像素进行最大值选取，得到目标掩码图，并将所述目标掩码图输入待训练的文本检测模型中进行模型训练，提高文本检测模型对不同尺寸的文本的泛化能力，从而提高文本检测的准确性。
文本检测模型训练方法装置设备介质

[发明专利]表格重建模型的训练、表格重建方法及电子设备-CN202210168253.4在审
发明人： 吴增程 -专利权人：广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
申请日： 2022-02-23 - 公布日： 2023-09-05 - 主分类号： G06F40/18 文献下载
摘要：本发明涉及表格重建技术领域，具体涉及表格重建模型的训练、表格重建方法及电子设备，该训练方法包括获取样本表格图像、样本表格图像的目标结构以及样本表格图像中各个单元格的目标分割图；将样本表格图像输入初始表格重建模型的特征提取模块中，得到表格特征；将表格特征分别输入初始表格重建模型的结构分支以及分割图分支，得到样本表格图像的预测结构以及各个单元格的预测分割图；基于目标结构以及预测结构确定结构损失，并基于各个单元格的目标分割图以及预测分割图确定分割损失；基于结构损失以及分割损失更新初始表格重建模型的参数，以确定目标表格重建模型。采用对各个单元格进行预测分割图的确定，能够保证目标表格重建模型的准确性。
表格重建模型训练方法电子设备

[发明专利]图文匹配方法、装置、设备和存储介质-CN202111408673.7在审
发明人： 吴增程 -专利权人：广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
申请日： 2021-11-19 - 公布日： 2023-05-23 - 主分类号： G06V30/413 文献下载
摘要：本申请的一种图文匹配方法，包括：获取初始图像；识别所述初始图像，对初始图像中的每一个备选图片分别生成一个图片选框，对初始图像中的每一个备选文字分别生成一个文字选框；按照预设的第一选取规则分别对每一个图片选框进行第一图片边框点选取，并按照预设的第二选取规则分别对每一个文字选框进行第一文字边框点选取；将第一图片边框点与每一个第一文字边框点分别进行组合，得到若干个图文边框组；根据第一文字边框点的坐标值对图文边框组进行过滤；计算过滤后的图文边框组对应的图文边框面积，选取图文边框面积最小的图文边框中的备选文字作为与第一图片边框点对应的图片选框匹配的备选文字，从而提高图像中的图文匹配效率。
图文匹配方法装置设备存储介质

[发明专利]基于深度学习的图片处理方法、装置、设备和存储介质-CN202111333541.2在审
发明人： 吴增程 -专利权人：广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
申请日： 2021-11-11 - 公布日： 2023-05-16 - 主分类号： G06V10/94 文献下载
摘要：本申请的一种基于深度学习的图片处理方法、装置、设备和存储介质，包括接收多张原图，为每张原图分配第一内存空间，将多张原图输入预设的深度学习模型中，利用深度学习模型中预先构造的深度学习层对多张原图的尺寸进行调整，得到目标尺寸的多张目标图片，并利用深度学习模型对多张目标图片进行图像处理，得到多张特征图，从多张特征图中筛选出最大特征图，按照最大特征图的内存大小为每张特征图分配第二内存空间。本申请将调整原图的功能配置在深度学习模型的深度学习层中，利用深度学习层直接对原图进行尺寸调整，无需保存调整尺寸后的目标图片，只需保存原图和特征图，以减少计算机设备的内存空间的消耗量，提高了计算机设备的运行效率。
基于深度学习图片处理方法装置设备存储介质

[发明专利]表格识别重建方法、装置、存储介质以及交互平板-CN202111294257.9在审
发明人：夏李玮;韩大双;吴增程 -专利权人：广州视源电子科技股份有限公司;广州视睿电子科技有限公司
申请日： 2021-11-03 - 公布日： 2023-05-05 - 主分类号： G06V30/412 文献下载
摘要：本申请实施例提供一种表格识别重建方法、装置、存储介质以及交互平板，方法包括：监听到位于触控笔上的圈选按键的触发操作时，获取触控笔在触摸屏上圈选得到的目标内容；在目标内容包括表格图像时，对表格图像进行角点检测，获得表格图像的各个角点以及角点的位置坐标；根据角点的位置坐标，获得表格图像的各个单元格的位置坐标；在表格图像中，裁剪获得各个单元格的图像；获得各个单元格内的文本内容；根据各个单元格的位置坐标，重建表格图像的表格结构；将各个单元格内的文本内容填充至重建的表格结构中对应的单元格内，获得重建后的表格；本申请实施例节省了开发成本，运行量少，占用内存少，设计简单，提高了表格重建效率。
表格识别重建方法装置存储介质以及交互平板

[发明专利]实现远程教育的系统、方法及教学端-CN202110924590.7在审
发明人： 吴增程 -专利权人：广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
申请日： 2021-08-12 - 公布日： 2023-04-04 - 主分类号： G09B5/02 文献下载
摘要：本发明提供实现远程教育的系统、方法及教学端，所述系统包括：教学展示端和教学投影端；所述教学展示端设有用于对准使用者的图像采集装置；所述教学展示端用于通过所述图像采集装置获取所述使用者的三维参数，将所述三维参数传输至教学投影端；所述教学投影端设有投影装置；所述教学投影端用于接收所述教学展示端传输的所述三维参数，根据所述三维参数生成投影数据，通过所述投影装置呈现所述投影数据。教学展示端的使用者无需佩戴笨重的头戴全息头显，仅需通过系统就能够实现教学展示内容的再现，且传输的数据不是最终呈现的投影数据而是三维参数，因此数据量较小，传输速度和负担都较小，整个系统的设计难度低且花费成本也较低。
实现远程教育系统方法教学

[发明专利]一种基于紧凑卷积神经网络的图像处理方法-CN201810682103.9有效
发明人：李禹源;张东;吴增程;李骁 -专利权人：佛山市顺德区中山大学研究院;广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学
申请日： 2018-06-27 - 公布日： 2022-04-15 - 主分类号： G06V30/194 文献下载
摘要：本发明公开了一种基于紧凑卷积神经网络的图像处理方法，包括获取图像输入数据；构建紧凑卷积神经网络，其中，所述紧凑卷积神经网络包括依次连接设置的原始输入层、特征卷积结构、若干个微型结构和平均池化层；通过所述紧凑卷积神经网络对所述图像输入数据进行多重处理得到所述图像输入数据分类结果，其中所述微型结构用于控制网络参数量、改善网络对输入特征图的抽象表征能力。相比于传统技术，本发明能够加强对输入图像的抽象表征，有利于提高识别效率，并且兼容资源受限、适当降低网络深度的计算机系统，可减小计算机资源消耗。
一种基于紧凑卷积神经网络图像处理方法

[发明专利]一种基于卷积神经网络的织带边缘毛疵缺陷检测方法-CN201810026484.5有效
发明人：李禹源;张东;吴增程 -专利权人：佛山市顺德区中山大学研究院;广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学
申请日： 2018-01-08 - 公布日： 2020-10-30 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的织带边缘毛疵缺陷检测方法，利用摄像机采集织带图片，对织带的边缘进行提取，分别得到有毛疵缺陷的样本图片和无毛疵缺陷的样本图片；将采集到的样本图片利用具有多尺度并行训练结构的卷积神经网络进行分类检测，该卷积神经网络能够在增加神经网络深度与宽度的同时，去除普通卷积神经网络中的全连接层，并将一般的卷积转化为稀疏连接，再利用密集成分来近似最优的局部稀疏结构来保持神经网络的高计算性能。因此，本发明的毛疵缺陷检测方法，不仅能够对织带边缘毛疵缺陷进行有效的检测，并且能够有效保持或减小卷积神经网络的计算量，从而提高计算性能。
一种基于卷积神经网络边缘缺陷检测方法

[发明专利]一种低冗余倒置残差块-CN201910257133.X在审
发明人：李禹源;张东;吴增程 -专利权人：佛山市顺德区中山大学研究院;广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学
申请日： 2019-04-01 - 公布日： 2019-08-16 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种低冗余倒置残差块，包括依次连接的用于扩张输入通道的数量的多支路操作层、用于提取特征的空间卷积层和用于压缩输出通道的数量的卷积压缩层，所述多支路操作层通过输入通道与所述空间卷积层相连接，所述空间卷积层通过输出通道与所述卷积压缩层相连接；所述空间卷积层包括空间卷积核，所述空间卷积核与通过所述多支路操作层扩张后的输入通道数量相同且唯一对应；所述卷积压缩层中包括2个结构稀疏的组卷积核。大幅度地减少了卷积块的冗余，进而缩小了网络模型尺寸和降低了计算成本。
卷积所述空间输入通道冗余操作层多支路压缩层空间卷积输出通道倒置残差块提取特征网络模型唯一对应依次连接卷积核稀疏组卷压缩

[发明专利]一种基于眼动追踪的在线课程质量的评估方法-CN201811227188.8在审
发明人：张东;邓洪汰;吴增程 -专利权人：佛山市顺德区中山大学研究院;广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学
申请日： 2018-10-22 - 公布日： 2019-03-15 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于眼动追踪的在线课程质量的评估方法，教学视频开始时，调用摄像头对用户面部进行截图，送入预测模型得到该时刻预测的视点位置，以此来评估教学视频的教学质量，不需要学生和专家的打分，不用耗费人力物力，不存在人为因素，可以客观公正的根据用户的听课状态评估教学结果。
教学视频在线课程眼动评估追踪摄像头教学结果人力物力人为因素时刻预测视点位置用户面部预测模型状态评估调用送入教学学生

[发明专利]一种拉力可控的柔软条带连续传送装置-CN201810028795.5在审
发明人：李骁;吴增程;张东 -专利权人：佛山市顺德区中山大学研究院;广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学
申请日： 2018-01-10 - 公布日： 2018-08-03 - 主分类号： B65H20/02 文献下载
摘要：本发明公开了一种拉力可控的柔软条带连续传送装置，包括前向拉力器和后向输送器，所述前向拉力器和后向输送器之间通过柔软条带连接，所述前向拉力器设有大扭力马达和由大扭力马达驱动的前向滚轮组，所述后向输送器设有后向滚轮组，所述前向滚轮组牵引柔软条带向前运行，所述后向滚轮组与柔软条带之间产生反向阻力将柔软条带拉直。本发明通过滚轮组与大扭力马达的组合，并利用拉力差将柔软条带进行拉伸，由于拉力差的相对恒定，保证了纺织品形变程度的一致性，从而保证纺织品缺陷的形变的一致性，为后续的缺陷检测过程提供较大的便利。
条带柔软滚轮组后向前向拉力器大扭力输送器连续传送装置可控的形变马达纺织品缺陷检测过程恒定马达驱动拉伸拉直牵引保证便利

[发明专利]一种基于卷积神经网络的织带断痕缺陷检测方法-CN201711248604.8在审
发明人： 吴增程;张东;李禹源 -专利权人：中山大学
申请日： 2017-11-30 - 公布日： 2018-03-30 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种织带断痕缺陷检测方法，更具体地，涉及一种基于卷积神经网络的织带断痕缺陷检测方法。利用卷积神经网络对织带图片特征自动实现最有效的提取，提出局部连接方式，大大减少了神经网络参数量，降低计算的复杂度；采用卷积核的权值共享的方式，减少需要训练的权重数量，不仅进一步降低了计算的复杂度，而且可以避免过多的连接导致的严重的过拟合，减少连接数可以提升模型的泛化性；利用池化层对卷积层输出的特征图进行聚合统计，通过将池化区域的特征进行整合，对相同特征进行筛选，从而达到降低模型规模，加速训练的目的。
一种基于卷积神经网络织带断痕缺陷检测方法

1
共 15 条