王海涛
- 作品数：7 被引量：22H指数：2
- 供职机构：中山大学更多>>
- 发文基金：国家自然科学基金广州市科技计划项目更多>>
- 相关领域：自动化与计算机技术文化科学医药卫生政治法律更多>>
- 一种面向农业采摘的高效识别控制强化学习算法
- 本发明提供一种农业采摘中基于离散对比特征的强化学习算法，该算法采用离散对比特征学习来获得状态特征输入，通过数据增强获得锚点、正样本、负样本，再使得锚点特征表示与正样本特征表示尽可能接近，与负样本特征表示尽可能不同，随后通...
- 吴贺俊游永强王海涛
- 一种高精度路面裂缝检测网络结构:Crack U-Net被引量：17
- 2022年
- 路面裂缝对行车安全有很大的潜在威胁,以往的人工检测方法效率不高。现有裂缝检测方法模型泛化能力低,在复杂背景下的裂缝分割能力差且效率不高。为了解决这些问题,文中提出了一种基于编码器-解码器结构的新改进型网络结构CrackU-Net,目的是提高路面裂缝检测的模型泛化性以及检测精度。首先,Crack U-Net用密集连接结构增强了基于编码器-解码器的网络U-Net模型,在以往结构的基础上提高了网络各层特征信息利用率,增强了模型的鲁棒性;其次,Crack U-Net使用由残差块和mini-U组成的CrackU-block作为网络的基础卷积模块,相比传统双层卷积层,Crack U-block可以提取出更丰富的裂缝特征;最后,在Crack U-Net的下采样节点中使用了空洞卷积替代传统卷积核,以充分捕获图像边缘的裂缝特征。为验证Crack U-Net模型的有效性,在公开裂缝数据集上进行了一系列测试。实验结果显示,CrackU-Net在数据集上的AIU值比以往方法提升了2.2%,在裂缝分割精度、泛化性上都优于现有方法。另外,参数轻量化部分的实验证明,CrackU-Net可以进行很大程度的模型剪枝,无人机等移动设备将可满足剪枝后的Crack U-Net模型所需的计算资源。
- 祝一帆王海涛李可吴贺俊
- 关键词：道路路面图像分割
- 制造毒品罪的行为及对象认定
- 本文经过长期的禁毒实践，对实践中制造毒品犯罪的行为及对象产生的问题有一定的感触，故撰写此文，提出笔者的思考。本研究分为三个部分：
第一章共分为两小节，主要分析制造毒品犯罪的现状及特征。第一节笔者总结出目前制造毒品犯...
- 王海涛
- 关键词：制造毒品罪犯罪认定法律规制
- 文献传递
- 一种联合对比学习与多模态融合的脑卒中早期筛查方法
- 脑卒中是我国第一死亡原因，其需要及时的诊断以便于后续的治疗。目前影像学诊断有着高成本和低吞吐量的缺点，本发明就此使用计算机人工智能方法让平常人、就诊者也可以对脑卒中进行早期筛查。现有人工智能技术中，普遍采用标签监督训练方...
- 吴贺俊区梓俊王海涛
- 模块化教学在临床医学专业口腔教学中的探索被引量：4
- 2023年
- 口腔教学是临床医学专业本科教学中不可缺少的部分,而在教学中常面临较多的困难与挑战。为培养高素质综合的临床医学人才,口腔教学的内容与方式显得尤为重要。文章分析了近些年临床医学专业口腔教学的一些困难与问题,尝试强化口腔医学与临床医学学科间的关联性,提出教学内容的模块化整合及教学过程的改革及优化,取得了较为满意的教学效果。
- 王海涛乔羽梁军
- 关键词：口腔学教学改革临床医学专业教学方法模块化教学
- 人工智能原理与实践课程的MOOC教学课程设计与建设被引量：1
- 2023年
- 针对人工智能技术的网络课程资源很丰富但系统性和原理性不足、互动性差、各种知识碎片化等问题,依据课程要求与目标,提出人工智能原理与实践课程的MOOC(慕课)建设方案,包括在线学习、在线辅导讨论、线上展示与线下实践、问答考评等课程环节设计和课程建设方法,以中山大学计算机学院为例,阐述具体建设过程并说明未来规划方案。
- 吴贺俊黄碧莹王海涛梁泳恒
- 关键词：网络课程课程建设人工智能
- CountNet:一种用于堆叠胶合板计数的自监督学习框架
- 2025年
- 自动化胶合板计数是工业生产中的一大难题,传统基于人工计数和物理计数的方法耗时且低效。然而,堆叠胶合板图像又存在着边缘不均匀、厚度不规律等干扰因素,现有的深度学习算法提取到的特征代表性不强,导致计数结果不准确。针对上述问题,提出一种用于堆叠胶合板计数的自监督学习框架——CountNet。CountNet针对计数问题优化了损失函数的使用方式,该损失函数利用对比学习的方法,可以进一步放大正负样本间的差异,使网络能提取到更具代表性的视觉特征。最后将该特征投入下游任务中,完成计数。实验结果表明,该方法在准确率、损失下降等方面均优于其他常见的计数模型,证明了其在计数能力上的优越性。
- 苏凡王若琪王海涛
- 关键词：计算机视觉
