-
公开(公告)号：CN119380029A
公开(公告)日：2025-01-28
申请号：CN202411943039.7
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种伪标签生成及无源域场景自适应的遮挡感知无缝分割方法及系统，该方法通过为常规使用的实例级伪标签通过阈值筛选和数据量的对比，进一步提升伪标签的标记精度；同时利用生成的伪标签，并设计一种针对遮挡感知无缝分割任务中实例级预测分支的不确定区域引导的加权损失，提升分割模型的准确度；再结合对低质量伪标签的筛选，提出一种非模态引导的实例混合策略，从而进一步的增加可供训练的样本数量；从而提高由于个别类别样本数量少导致的最终训练的模型分割效果差的问题，最终提高无源域场景自适应效果。
-
公开(公告)号：CN119205493A
公开(公告)日：2024-12-27
申请号：CN202411699618.1
申请日：2024-11-26
Applicant: 湖南大学
Abstract: 本发明涉及计算机技术领域，具体为一种基于深度双先验渐进融合的高光谱压缩感知重建方法，包括如下步骤：1、拍摄获取原始的压缩测量图像，然后对原始的压缩测量图像进行归一化处理，得到归一化处理后的压缩测量图像；2、基于压缩感知重构问题构建目标函数，并对目标函数进行优化，得到优化后最终的目标函数；3、根据归一化处理后的压缩测量图像建立用于高光谱压缩感知重建的自监督学习模型；自监督学习模型包括外循环迭代优化和两个内循环网络训练；4、利用自监督学习模型对优化后最终的目标函数进行求解，通过融合两个内循环网络训练过程得到的深度先验项，得到最终的重构图像。本发明解决了现有自监督光谱重建方法成像质量低的问题。
-
公开(公告)号：CN119810606A
公开(公告)日：2025-04-11
申请号：CN202510280466.X
申请日：2025-03-11
Applicant: 湖南大学
IPC: G06V10/80 , G06N3/0455 , G06N3/0464 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于跨模态交互感知的多模态图像融合方法及系统，构建多模态图像融合模型并训练，将待融合的多模态图像输入训练后的多模态图像融合模型处理，编码器模块接收待融合的多模态图像并进行逐层编码处理，输出若干层不同尺度的特征图，通道级校正模块接收若干层不同尺度的特征图并进行加权校正，输出若干层权校正后的模态特征，动态跨模态交互模块接收若干层加权校正后的模态特征并处理，得到若干层融合特征，解码器模块接收若干层融合特征并进行逐层解码与融合处理，输出待融合的多模态图像对应的融合图像。该方法通过通道级校正模块和动态跨模态交互模块，能够有效地将多模态数据之间的相关信息进行交互。
-
公开(公告)号：CN119784798A
公开(公告)日：2025-04-08
申请号：CN202510266039.6
申请日：2025-03-07
Applicant: 湖南大学
IPC: G06T7/246 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/75 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于时空间特征融合的视频目标跟踪方法、系统及设备，获取待检测目标的视频数据，搭建目标跟踪模型，包括依次连接的编码器模块、位置编码模块、时空特征融合模块和解码器模块；接着对目标跟踪模型进行训练，得到训练后的目标跟踪模型；最后将待检测目标的视频数据输入训练后的目标跟踪模型，得到待检测目标的识别位置结果。改进了Transformer长时序记忆能力不足和注意力机制运算量大的缺点，利用时空特征融合模块，对多帧图像进行时间和空间上的融合感知，有效提升了模型的时序感知能力，增强在复杂环境中跟踪快速移动或严重变形的目标的能力，并且降低了内存消耗和计算复杂度，能够高效高精度地实现视频目标跟踪。
-
公开(公告)号：CN118544362A
公开(公告)日：2024-08-27
申请号：CN202411008799.9
申请日：2024-07-26
Applicant: 湖南大学
IPC: B25J9/16
Abstract: 本发明公开了一种人引导下视觉‑力融合机械臂阻抗迭代学习控制方法，通过分析机器人‑环境交互动力学方程，以及求解视觉伺服加速度模型，结合上述方程建立图像特征空间中的人‑机械臂‑环境交互动力学模型；收集人引导机器人完成装配任务的图像特征位置及速度曲线，并利用运动动态原语编码及泛化；设计基于图像特征跟踪误差作为控制输入的阻抗迭代学习控制器，学习人引导机器人接触作业时的阻抗特性，识别机器人与环境相互作用下未知接触动态，在特征空间抵消已识别的接触干扰，实现柔性装配作业；解决了现有装配作业中，人‑机械臂‑环境耦合非线性动力学、密集接触装配任务未知接触动态以及装配场景泛化困难，需针对不同场景重新学习等问题。
-
Patent Agency Ranking
公开(公告)号：CN119785195A
公开(公告)日：2025-04-08
申请号：CN202411244312.7
申请日：2024-09-06
Applicant: 湖南大学
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于跨尺度空谱特征融合网络的病理高光谱图像检测方法，该方法提出了基于跨尺度空谱特征融合的特征提取网络，首先，在编码器阶段利用膨胀卷积提取多尺度信息，从而使得网络更好的得到多个感受野的特征信息；然后，在编码器和解码器的跳跃连接阶段，利用transformer的变形进行跨尺度间特征提取，可以更好的保留输入图像样本的全局上下文信息和布局信息；最后，为了缓解空谱特征提取困难，在解码器部分提出特征注意力机制，对解码器不同层的输出进行处理，获取更丰富的跨层特征，提取不同层之间更重要的特征信息，从而提高网络的分割性能，使得的神经网络更好的提取光谱特征融合信息，提升病理高光谱的检测精度。
-
公开(公告)号：CN119380029B
公开(公告)日：2025-03-11
申请号：CN202411943039.7
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种伪标签生成及无源域场景自适应的遮挡感知无缝分割方法及系统，该方法通过为常规使用的实例级伪标签通过阈值筛选和数据量的对比，进一步提升伪标签的标记精度；同时利用生成的伪标签，并设计一种针对遮挡感知无缝分割任务中实例级预测分支的不确定区域引导的加权损失，提升分割模型的准确度；再结合对低质量伪标签的筛选，提出一种非模态引导的实例混合策略，从而进一步的增加可供训练的样本数量；从而提高由于个别类别样本数量少导致的最终训练的模型分割效果差的问题，最终提高无源域场景自适应效果。
-
公开(公告)号：CN118544362B
公开(公告)日：2024-12-06
申请号：CN202411008799.9
申请日：2024-07-26
Applicant: 湖南大学
IPC: B25J9/16
Abstract: 本发明公开了一种人引导下视觉‑力融合机械臂阻抗迭代学习控制方法，通过分析机器人‑环境交互动力学方程，以及求解视觉伺服加速度模型，结合上述方程建立图像特征空间中的人‑机械臂‑环境交互动力学模型；收集人引导机器人完成装配任务的图像特征位置及速度曲线，并利用运动动态原语编码及泛化；设计基于图像特征跟踪误差作为控制输入的阻抗迭代学习控制器，学习人引导机器人接触作业时的阻抗特性，识别机器人与环境相互作用下未知接触动态，在特征空间抵消已识别的接触干扰，实现柔性装配作业；解决了现有装配作业中，人‑机械臂‑环境耦合非线性动力学、密集接触装配任务未知接触动态以及装配场景泛化困难，需针对不同场景重新学习等问题。
-
公开(公告)号：CN118968306A
公开(公告)日：2024-11-15
申请号：CN202411093737.2
申请日：2024-08-09
Applicant: 湖南大学
IPC: G06V20/10 , G06V10/82 , G06V10/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种条状目标的识别方法、系统、计算机设备和存储介质，预设条状目标识别模型，该模型包括依次连接的编码器模块、跨空间Transformer模块和解码器模块，采用训练集对条状目标识别模型进行训练，并通过预设的损失函数计算损失，得到训练后的条状目标识别模型，将待检测条形目标的图像数据输入训练后的条状目标识别模型，训练后的条状目标识别模型中的编码器模块接收条形目标的图像数据并进行特征提取，输出图像特征，跨空间Transformer模块接收图像特征并处理，输出跨空间感知特征，解码器模块接收跨空间感知特征并处理，输出待检测条形目标的识别结果。该方法能够高效高精度地实现条状目标识别。
-
公开(公告)号：CN118789562A
公开(公告)日：2024-10-18
申请号：CN202411282251.3
申请日：2024-09-13
Applicant: 湖南大学
Abstract: 本发明公开了基于加权势函数和DMP的双臂机器人避障方法及系统，获取双臂机器人的示教轨迹，建立机械臂的DMP模型，将示教轨迹输入DMP模型进行学习并参数化DMP模型，构建加权组合等势函数并基于此设置动态势函数，将动态势函数的负梯度作为第一耦合项加入DMP模型，得到可避障DMP模型，以右机械臂的位置和速度为参考构建第二耦合项，将第二耦合项添加到左机械臂的可避障DMP模型，得到左机械臂的可自主避障DMP模型，右机械臂的可避障DMP模型和左机械臂的可自主避障DMP模型共同组成双臂机器人的自主避障系统，该方法及系统得到的运动轨迹能够避免每个机械臂与周围障碍物碰撞以及两个机械臂相互之间碰撞。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.022 seconds)
