-
公开(公告)号：CN112417980A
公开(公告)日：2021-02-26
申请号：CN202011169614.4
申请日：2020-10-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于特征增强和细化的单阶段水下生物目标检测方法，包括：采集训练数据，获取水下生物训练特征样本，构建水下目标检测数据集；数据预处理，对数据集进行人工标注，将数据划分训练集和测试集；构建神经网络，包含特征提取骨干网络、特征增强模块和特征细化模块；训练神经网络，将训练集数据输入构建好的神经网络进行训练，得到水下生物目标检测的权重模型；预测结果，通过训练的得到的权重模型构建检测器，对测试集数据进行回归和分类得到检测结果。通过特征增强模块提升网络的多尺度上下文特征表达能力，解决水下生物模糊、尺度变化大问题。通过特征细化模块细化特征，使特征与锚框对齐，解决样本不平衡的问题。
-
公开(公告)号：CN109410251A
公开(公告)日：2019-03-01
申请号：CN201811374073.1
申请日：2018-11-19
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于稠密连接卷积网络的目标跟踪方法，包括如下步骤：S1、确定兴趣目标的大小和位置；S2、提取输入帧的卷积特征并进行判断，若输入帧为初始帧，则求取PCA投影矩阵对卷积特征进行降维，使用所得卷积特征训练基于稠密连接网络的目标跟踪模型，进入S7，否则使用已训练PCA投影矩阵对输入帧卷积特征进行降维，进入S3；S3、将卷积特征输入跟踪模型预测兴趣目标的位置；S4、在目标预测位置进行尺度采样，估计目标大小；S5、更新目标跟踪模型的网络权值；S6、输出目标预测位置和尺度；S7、输入下一帧，直至完成视频所有帧的预测。本发明实现了跟踪模型的端到端学习，有效地缩减了训练时间，提升了使用效率。
-
公开(公告)号：CN114897930B
公开(公告)日：2024-11-08
申请号：CN202210240273.8
申请日：2022-03-10
Applicant: 南京邮电大学
IPC: G06T7/246 , G06N3/0464 , G06N3/092 , G06N20/00 , G06V10/25 , G06V10/77 , G06V10/774 , G06V10/82 , G06V20/40 , G06V20/52
Abstract: 本发明公开了一种基于强化学习算法SAC的目标跟踪方法、装置及存储介质，方法包括：获取视频数据；在视频数据的当前帧中确定搜索区域位置和大小；判断当前帧是否为第一帧；响应于当前帧非第一帧，将当前帧输入预训练好的actor网络模型进行特征提取，得到输出的预测框，根据所述预测框对目标进行跟踪；其中所述actor网络模型的训练方法，包括：通过第一帧对actor、target_actor网络进行初始化，根据经验池中存储的数据，通过actor、critic网络计算动作，计算actor、critic1、critic2网络损失，利用强化学习SAC算法更新网络权值。将目标跟踪问题转化为强化学习算法中在线决策的问题，并且本发明只需要少量数据集，充分利用现有技术，提升训练速度。
-
公开(公告)号：CN113976679B
公开(公告)日：2024-05-17
申请号：CN202111159143.3
申请日：2021-09-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种大吨位的金属折弯传动机构，包括压臂、连杆、铰接支座、压杆、移动件、丝杆、螺母和螺母旋转驱动装置；压臂的数量为两块，对称布设在金属板材折弯设备的机架两侧上部；每块压臂朝向上横梁的前端部均与连杆的顶端相铰接，连杆底端均与上横梁相铰接；每块压臂的中部均铰接在铰接支座上，铰接支座固定安装或一体式设在机架上；每块压臂的后端部均与压杆的顶端相铰接，压杆的底端均与移动件相铰接；移动件安装在丝杆的前端；螺母螺纹套设在丝杆上，并与丝杆形成丝杆螺纹副配合；螺母还通过轴承座安装在机架上，并能在螺母旋转驱动装置的驱动下旋转。本申请能实现80吨及以上重负荷的上横梁的升降驱动，且驱动噪音小。
-
公开(公告)号：CN117124361A
公开(公告)日：2023-11-28
申请号：CN202311096590.8
申请日：2023-08-29
Applicant: 南京邮电大学
Abstract: 本发明提出了一种软体抓取机器人的设计方法，包括：首先设计不同的混合变刚度机构，并制作相应的混合变刚度软体驱动器；之后搭建气动驱动测试平台和变刚度性能测试平台；之后对每种混合变刚度软体驱动器均进行弯曲性能测试和刚度测试；最后进行对比分析混合变刚度软体驱动器的弯曲性能和变刚度能力，选择综合性能最佳的混合变刚度软体驱动器。本发明制作了三种不同的驱动器，搭建了气动驱动测试平台和变刚度性能测试平台，对制作完成的三种混合变刚度软体驱动器进行了弯曲性能测试和刚度测试，使其同时兼顾弯曲性能和变刚度性能。
-
Patent Agency Ranking
公开(公告)号：CN114919673B
公开(公告)日：2023-07-25
申请号：CN202210375360.4
申请日：2022-04-11
Applicant: 南京邮电大学
IPC: B62D57/024 , B62D57/04 , G01M5/00 , E01D19/16
Abstract: 本发明公开了一种能与桥梁索塔表面柔顺贴合的多自由度飞爬机器人，包括飞行机构和行走机构；飞行机构包括连接座、旋翼、支撑架和支撑架旋转驱动装置；连接座通过飞行连杆安装在行走机构的顶面中心；旋翼具有至少三个，均匀且对称布设在连接座的外周；每个旋翼均通过一根支撑架实现与连接座的连接；其中，支撑架的一端与连接座转动连接，支撑架的另一端具有弧形槽，弧形槽内转动安装有所述旋翼，旋翼的转动方向与支撑架的长度方向相垂直；支撑架旋转驱动装置能驱动所有支撑架均绕各自轴线旋转。本发明一方面能够“着陆”在桥墩，索塔的表面，还能飞行靠近拉索，然后夹紧在拉索上，随后进行行走检测工作；另一方面能够实现空间六个自由度的运动。
-
公开(公告)号：CN112270696B
公开(公告)日：2022-09-06
申请号：CN202011221216.2
申请日：2020-11-05
Applicant: 南京邮电大学
IPC: G06T7/246 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于融合元分类器的判别性目标跟踪方法，包括：步骤S1、在初始帧中确定跟踪目标；步骤S2、初始化锚框以及特征提取网络、在线分类器网络和元分类器网络；步骤S3、确定当前帧中的搜索区域位置和大小，并且对其进行特征提取；步骤S4‑S6、计算第一分类得分矩阵第二分类得分矩阵和第三分类得分矩阵步骤S7、融合上述三类得分矩阵，并且找出最大响应点，求出最终的目标尺度和位置的估计；步骤S8、设置短期记忆网络，确定下次训练的正样本，对元分类器与在线分类器进行参数更新。本发明通过加权三个分类器的结果作为最终的得分矩阵，得到预测的目标的位置信息，最后通过偏移量矩阵来得到目标的最终位置和大小信息。
-
公开(公告)号：CN114919673A
公开(公告)日：2022-08-19
申请号：CN202210375360.4
申请日：2022-04-11
Applicant: 南京邮电大学
IPC: B62D57/024 , B62D57/04 , G01M5/00 , E01D19/16
Abstract: 本发明公开了一种能与桥梁索塔表面柔顺贴合的多自由度飞爬机器人，包括飞行机构和行走机构；飞行机构包括连接座、旋翼、支撑架和支撑架旋转驱动装置；连接座通过飞行连杆安装在行走机构的顶面中心；旋翼具有至少三个，均匀且对称布设在连接座的外周；每个旋翼均通过一根支撑架实现与连接座的连接；其中，支撑架的一端与连接座转动连接，支撑架的另一端具有弧形槽，弧形槽内转动安装有所述旋翼，旋翼的转动方向与支撑架的长度方向相垂直；支撑架旋转驱动装置能驱动所有支撑架均绕各自轴线旋转。本发明一方面能够“着陆”在桥墩，索塔的表面，还能飞行靠近拉索，然后夹紧在拉索上，随后进行行走检测工作；另一方面能够实现空间六个自由度的运动。
-
公开(公告)号：CN114919351A
公开(公告)日：2022-08-19
申请号：CN202210375359.1
申请日：2022-04-11
Applicant: 南京邮电大学
IPC: B60F5/02
Abstract: 本发明公开了一种可变形多应用场景的柔性机器人，包括柔性体、旋翼和万向轮机构；柔性体上布设有若干个旋翼安装孔，每个旋翼安装孔内安装一个所述旋翼；每个旋翼均包括旋转架、摆动架和螺旋叶片；旋转架与对应旋翼安装孔相铰接；摆动架同轴位于旋转架内侧，且与旋转架相铰接；螺旋叶片安装在摆动架上，且能主动旋转；万向轮机构包括若干个万向轮，若干个万向轮布设在柔性体的同侧。本发明可以通过控制几个旋翼不同的输出力的大小和方向，使得机器人调整为所需要的多种形状，并且可以同时适应空中、陆地和水下等各种复杂的环境，如隧道、孔道、管道、风电叶片曲面、高空建筑物复杂曲面和核反应堆等等，从而直接在水陆空三种介质中自然切换。
-
公开(公告)号：CN109410251B
公开(公告)日：2022-05-03
申请号：CN201811374073.1
申请日：2018-11-19
Applicant: 南京邮电大学
IPC: G06T7/246 , G06V10/771 , G06K9/62 , G06N3/08 , G06N3/04
Abstract: 本发明揭示了一种基于稠密连接卷积网络的目标跟踪方法，包括如下步骤：S1、确定兴趣目标的大小和位置；S2、提取输入帧的卷积特征并进行判断，若输入帧为初始帧，则求取PCA投影矩阵对卷积特征进行降维，使用所得卷积特征训练基于稠密连接网络的目标跟踪模型，进入S7，否则使用已训练PCA投影矩阵对输入帧卷积特征进行降维，进入S3；S3、将卷积特征输入跟踪模型预测兴趣目标的位置；S4、在目标预测位置进行尺度采样，估计目标大小；S5、更新目标跟踪模型的网络权值；S6、输出目标预测位置和尺度；S7、输入下一帧，直至完成视频所有帧的预测。本发明实现了跟踪模型的端到端学习，有效地缩减了训练时间，提升了使用效率。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.044 seconds)
