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

    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。

    基于模仿与强化学习的医药机器人自主避障方法及系统

    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

    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。

Patent Agency Ranking