-
公开(公告)号：CN118470664B
公开(公告)日：2024-09-27
申请号：CN202410937279.X
申请日：2024-07-12
Applicant: 湖南大学
IPC: G06V20/54 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/764 , G06V10/82 , G06V20/40 , G06V40/20
Abstract: 本发明公开了一种面向交通场景的异常行为检测方法，包括采集交通场景视频数据，建立视频数据集和文本数据集；对视频数据集中的视频数据进行预处理；构建视频数据编码网络和文本数据编码网络，将预处理后的数据、文本数据集分别输入到视频数据编码网络和文本数据编码网络中进行训练分别得到视频数据的注意力编码信息和文本数据的注意力编码信息；计算视频数据的注意力编码信息和文本数据的注意力编码信息的余弦相似度，构建相似度矩阵，结合预设的损失函数得到训练好的视频数据编码网络；获取实时交通场景视频数据输入至训练好的视频数据编码网络得到实时视频数据的注意力编码信息，输入至检测头得到异常行为检测结果；有效提高行为检测准确性。
-
公开(公告)号：CN116468890A
公开(公告)日：2023-07-21
申请号：CN202310390433.1
申请日：2023-04-11
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/82 , G06N3/08 , G06V10/764 , G06V10/762 , G06V10/40 , G06N3/0464
Abstract: 本发明提供了一种基于特征聚类的无监督领域自适应语义分割方法，包括如下步骤：步骤S1、建立有标签的源域场景数据集和无标签的目标域场景数据集；步骤S2、建立基于特征聚类的语义分割模型训练框架；步骤S3、将源域场景数据集的图像和目标域场景数据集的图像分别输入；步骤S4、获得类条件特征映射图，获得源域场景的类条件特征精炼图，获得目标域场景的类条件特征精炼图；步骤S5、计算得到每一个类别的特征聚类质心，再计算损失；步骤S6、参数优化，迭代运行以得到参数优化后的分割网络和评论家网络。本发明聚类质心的偏移小，使在虚拟源域数据上训练的模型性能在实际目标域场景数据上性能好。
-
公开(公告)号：CN114779792B
公开(公告)日：2022-09-09
申请号：CN202210694891.X
申请日：2022-06-20
Applicant: 湖南大学
IPC: G05D1/02
Abstract: 只需一组网络参数就可以适用于处理各种情况，本发明公开了一种基于模仿与强化学习的 即网络具有较好的泛化性。医药机器人自主避障方法及系统，该方法包括：步骤1：设置医药机器人医药搬运场景；步骤2：获取专家演示二元组数据；步骤3：构建基于模仿学习和强化学习的医药机器人移动控制模型；步骤4：模型训练；步骤5：对医药机器人进行自主控制。本发明在医药机器人移动控制模型中将图注意模块引入价值网络中，使能够适应智能体和障
-
公开(公告)号：CN113673354A
公开(公告)日：2021-11-19
申请号：CN202110838489.X
申请日：2021-07-23
Applicant: 湖南大学
Abstract: 本发明公开了一种基于上下文信息与联合嵌入的人体关键点检测方法，该方法包含以下步骤：S1：获取训练数据；S2：搭建人体关键点检测模型；S3：构建人体关键点真实标签热图和联合嵌入值标签热图；S4：使用训练数据对人体关键点检测模型进行训练，得到训练后的人体关键点检测模型；S5：使用验证数据对人体关键点检测模型进行评估，选取最优模型；S6：重复步骤S4至S5，至全部训练数据被训练完成，得到最优模型；S7：利用最优模型进行人体关键点预测。该方法通过上下文融合模块对特征图中的像素内在相关性进行建模，提高了对关键点像素位置的预测进度，同时通过构造联合嵌入损失，降低训练难度加快收敛速度，保证不同人体关键点之间的正确匹配。
-
公开(公告)号：CN113610822A
公开(公告)日：2021-11-05
申请号：CN202110927828.1
申请日：2021-08-13
Applicant: 湖南大学
Abstract: 本发明公开了一种基于多尺度信息融合的表面缺陷检测方法，包括：获取待测物品的表面缺陷图像以及标注了缺陷真实坐标值与缺陷类别的标签文件，构建缺陷数据集；对缺陷数据集进行预处理，得到预处理后的缺陷数据集；搭建缺陷检测网络，缺陷检测网络包括特征提取模块和缺陷预测模块，特征提取模块包括主干网络、高层特征融合模块和相邻特征融合模块，缺陷预测模块包括目标区域提议模块和缺陷定位网络；根据预处理后的缺陷数据集对缺陷检测网络进行训练，得到缺陷检测模型；获取待测物品的待检测表面图像，根据待检测表面图像和缺陷检测模型得到表面缺陷检测结果。有效提高检测效率和准确性。
-
Patent Agency Ranking
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：CN118470664A
公开(公告)日：2024-08-09
申请号：CN202410937279.X
申请日：2024-07-12
Applicant: 湖南大学
IPC: G06V20/54 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/764 , G06V10/82 , G06V20/40 , G06V40/20
Abstract: 本发明公开了一种面向交通场景的异常行为检测方法，包括采集交通场景视频数据，建立视频数据集和文本数据集；对视频数据集中的视频数据进行预处理；构建视频数据编码网络和文本数据编码网络，将预处理后的数据、文本数据集分别输入到视频数据编码网络和文本数据编码网络中进行训练分别得到视频数据的注意力编码信息和文本数据的注意力编码信息；计算视频数据的注意力编码信息和文本数据的注意力编码信息的余弦相似度，构建相似度矩阵，结合预设的损失函数得到训练好的视频数据编码网络；获取实时交通场景视频数据输入至训练好的视频数据编码网络得到实时视频数据的注意力编码信息，输入至检测头得到异常行为检测结果；有效提高行为检测准确性。
-
公开(公告)号：CN115393601A
公开(公告)日：2022-11-25
申请号：CN202210544771.1
申请日：2022-05-19
Applicant: 湖南大学
Abstract: 本发明公开了一种基于点云数据的三维目标检测方法，其主要由稀疏卷积模块提取三维点云的稀疏特征，再由空间语义特征提取模块分别提取检测对象的空间特征和语义特征，通过基于注意力机制的多尺度特征融合模块对空间特征和语义特征进行融合进而输出融合后的特征进行特征预测，最后通过多任务检测头预测模块输出最终的检测框。本方法提出的基于注意力机制的双特征融合模块对于解决遮挡程度高检测难度大的目标具有明显的检测精度方面的提升，大大提高了目标检测的准确性。
-
公开(公告)号：CN114779792A
公开(公告)日：2022-07-22
申请号：CN202210694891.X
申请日：2022-06-20
Applicant: 湖南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于模仿与强化学习的医药机器人自主避障方法及系统，该方法包括：步骤1：设置医药机器人医药搬运场景；步骤2：获取专家演示二元组数据；步骤3：构建基于模仿学习和强化学习的医药机器人移动控制模型；步骤4：模型训练；步骤5：对医药机器人进行自主控制。本发明在医药机器人移动控制模型中将图注意模块引入价值网络中，使能够适应智能体和障碍物数量不确定的不同环境，同时，区分了医药机器人可观测范围内不同智能体和障碍物对移医药机器人的影响，使其能够更好地做出决策。只需一组网络参数就可以适用于处理各种情况，即网络具有较好的泛化性。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.024 seconds)
