“符基高”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]被动式太赫兹图像融合超高分辨率重建的检测方法及装置-CN201910754243.7有效
发明人：张骋;肖红;张荣跃;符基高;黄子豪 -专利权人：广东工业大学
申请日： 2019-08-15 - 公布日： 2023-03-14 - 主分类号： G06T3/40 文献下载
摘要：本申请提供了一种被动式太赫兹图像融合超高分辨率重建的检测方法，包括：获取待检测的被动式太赫兹图像；将所述被动式太赫兹图像输入预先优化好的超分辨率重建模型进行超分辨率重建，得到所述被动式太赫兹图像对应的高分辨率图像；其中，所述超分辨率重建模型为基于生成式对抗网络ESPCN构建的模型；将所述高分辨率图像输入预先训练好的物体检测模型进行物体检测，得到物体检测结果；其中，所述物体检测模型为基于检测算法模型SSD构建的模型。将基于生成式对抗网络ESPCN构建的超分辨率重建模型，融合到基于被动式太赫兹图像的物体检测方式中，从而既提供了检测的速度，也提高了检测的准确性，很好的满足人体安检对速度以及准确性的需求。
被动式赫兹图像融合超高分辨率重建检测方法装置

[发明专利]氮氧化物排放量预测模型的确定方法、装置及设备-CN201810825985.X有效
发明人： 符基高;肖红;张荣跃;张骋;王丽苗 -专利权人：广东工业大学
申请日： 2018-07-25 - 公布日： 2022-02-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种氮氧化物排放量预测模型的确定方法，将多维异步时间采样得到的燃煤锅炉参数以及氮氧化物排放量作为初始样本，并利用了显著性偏移卷积神经网络能够处理多维异步时间采样数据的特点，实现了利用多维异步时间采样数据确定各个子样本空间的子空间预测模型的目的，此外还根据工况分布对初始数据进行聚类并利用偏最小二乘法进行合并，避免了因为工况分布多样化导致的预测精度过低的问题。此外，本发明还提供了一种氮氧化物排放量预测模型的确定装置、设备及计算机可读存储介质，其作用与上述方法的作用相对应。
氧化物排放量预测模型确定方法装置设备

[发明专利]一种图像描述生成方法、装置、设备以及可读存储介质-CN201910759421.5在审
发明人：史秀聪;肖红;张荣跃;符基高 -专利权人：广东工业大学
申请日： 2019-08-16 - 公布日： 2019-11-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种图像描述生成方法、装置、设备以及计算机可读存储介质，包括：将待描述的产品图像输入至预先完成训练的图像编码器中，输出所述产品图像的特征向量；将所述产品的属性描述信息输入至预先完成训练的属性信息编码器中，输出所述产品属性信息的特征向量；利用多层感知器对所述特征向量与所述字符向量进行特征融合，得到所述产品图像的目标特征向量；将所述目标特征向量输入至预先完成训练的解码器中，生成并输出所述产品图像的目标图像描述。本发明所提供的方法、装置、设备以及计算机可读存储介质，可以为产品图像自动生成具有针对性的、丰富的图像描述。
产品图像特征向量计算机可读存储介质目标特征向量图像描述输出产品属性信息属性描述信息解码器多层感知器图像编码器目标图像属性信息特征融合自动生成字符向量编码器

[发明专利]一种机器人故障诊断方法、装置及设备-CN201910402385.7在审
发明人：潘屹豪;肖红;周玉彬;符基高;万意彬 -专利权人：广东工业大学
申请日： 2019-05-15 - 公布日： 2019-08-09 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种机器人故障诊断方法，能采集机器人的运行数据以作为原始特征集，从原始特征集中筛选敏感特征集，并确定敏感特征集中敏感特征的特征权重，进而依据特征权重利用基于逆协方差矩阵的聚类方法对敏感特征集进行聚类，最终根据聚类结果确定机器人的故障诊断结果。可见，该方法利用基于逆协方差矩阵的聚类方法实现聚类，由于该聚类方法能通过发现机器人在相同运行状态下的不同表现来进行故障诊断，提升了诊断的可靠性，此外该方法考虑到各个敏感特征在故障诊断中的敏感程度的不同，为各个敏感权重分配相应的特征权重，提升了诊断的准确性。本申请还提供了一种机器人故障诊断装置、设备及计算机可读存储介质，其作用与上述方法相对应。
机器人聚类故障诊断敏感特征特征权重特征集敏感协方差矩阵计算机可读存储介质故障诊断结果故障诊断装置装置及设备诊断聚类结果权重分配原始特征运行数据运行状态申请采集筛选表现发现

[发明专利]一种视频偏好预测方法、装置、设备及可读存储介质-CN201910443282.5在审
发明人：王丽苗;许青林;符基高;姜文超 -专利权人：广东工业大学
申请日： 2019-05-24 - 公布日： 2019-07-26 - 主分类号： G06F16/73 文献下载
摘要：本申请公开了一种视频偏好预测方法，包括：获取待预测的视频数据集合：利用LDA算法对视频数据集合中的视频进行分类，得到以视频主题划分的多个视频数据子集；一个视频数据子集对应一个视频主题；利用GBDT‑FM预测模型处理每个视频数据子集，得到每个视频数据子集中的各个视频在当前视频数据子集中的初始预测结果；将视频数据集合中的任一个视频在不同视频数据子集中的初始预测结果进行合并，得到某个视频的最终预测结果。该方法能够降低计算复杂度，提高计算效率和预测结果的准确率，也提高了计算机的运行效率和性能。本申请公开的一种视频偏好预测装置、设备及可读存储介质，同样具有上述技术效果。
视频视频数据子集预测结果偏好可读存储介质视频数据集合预测对视频数据计算复杂度技术效果计算效率预测模型预测装置运行效率准确率申请集合计算机分类合并