-
-
公开(公告)号：CN116778342A
公开(公告)日：2023-09-19
申请号：CN202310964192.7
申请日：2023-08-02
Applicant: 同济大学
Abstract: 本发明提供一种基于像素和通道注意力的检测空中小型无人机的方法，属于图像检测领域，用于监控空中小型无人机。该方法包含如下步骤：待检测的高分辨率无人机图像分割为9块带有重叠的图像块，将分割后的图像输入到调整后的ResNet特征提取网络模块中，得到图像的抽象后的特征。之后特征经过特征金字塔池化操作得到不同大小的图像特征，图像特征输入到注意力机制模块网络中，使用标注的Ground Truth和最终网络输出来计算训练损失，之后依次更新网络权重，完成网络训练。小型无人机具有尺寸小、形状多变和易被遮挡等特点，而本发明提出的方法不同于常规的图像检测方法，其能够有效地从复杂的背景中检测到目标无人机。
-
公开(公告)号：CN116611468A
公开(公告)日：2023-08-18
申请号：CN202310404983.4
申请日：2023-04-14
Applicant: 同济大学
IPC: G06N3/006
Abstract: 本发明提出一种基于机器人间无需通讯的粒子群搜索方法，在二维或三维最优化搜索任务中，在搜索空间内分散布置有多个不具备相互通讯能力的机器人，将群体机器人视为粒子群，将各个机器人视为粒子，并将对应粒子群算法中S&W粒子替换为S&W机器人，S&W粒子集替换为S&W机器人集，进行环境建模，将机器人检测到的场源信号值作为粒子群算法的适应值指标。本发明通过对传统粒子群算法进行改进，利用了粒子的单向主动探测能力，粒子群不需要相互通讯分享适应值和位置信息，使得粒子群算法首次在无需通讯的情况下具备在最优化问题空间内的迭代搜索能力，并且将其应用到群体机器人搜索任务中，具备非常出色的搜索性能。
-
公开(公告)号：CN114418007A
公开(公告)日：2022-04-29
申请号：CN202210071568.7
申请日：2022-01-21
Applicant: 同济大学
Abstract: 本发明涉及一种基于无监督多模型融合的时序任务预测方法和装置，其中方法包括将时序任务输入优化好的目标模型中，得到预测结果，优化好的预测模型优化过程如下：初始化源模型和目标模型，将无标签数据集输入源模型中，根据源模型输出的时序特征和预测结果，计算联合损失函数，继而循环优化输入目标模型。与现有技术相比，本发明具有预测结果更精确等优点。
-
公开(公告)号：CN114002948A
公开(公告)日：2022-02-01
申请号：CN202111187395.7
申请日：2021-10-12
Applicant: 同济大学
Abstract: 本发明公开了一种第三方数控机床接入服务平台的方法及装置，其方法包括获取历史数据，并基于历史数据确定算法的输入、输出以及奖励函数；将算法的输入、输出以及奖励函数带入信赖域策略优化算法中进行强化学习，更新信赖域策略优化算法的策略参数；采用自我行为克隆加速强化学习的收敛，获取更新后的策略参数，基于更新后的策略参数更新信赖域策略优化算法；获取数控机床运行的当前数据，并基于当前数据确定算法的当前输入，将算法的当前输入带入更新后的信赖域策略优化算法得到算法的当前输出；根据算法的当前输出获取当前时间段运行的数据，并上传至服务平台；本发明能够有效解决第三方数控机床与服务平台数据通讯成本高的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN108388574B
公开(公告)日：2021-07-02
申请号：CN201810026049.2
申请日：2018-01-11
Applicant: 同济大学
IPC: G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于triplet深度二值网络进行快速的人脸检索的方法，属于图像处理技术领域。首先将图片进行三元组预处理和编码分组，再利用分块图切方法进行triplet哈希编码训练，利用深度网络进行特征提取，使用循环交错两阶段的方法有效地将深度网络判别信息反馈给哈希编码网络，使得两个阶段进行循环学习，相互修正，最后提取深度网络的判别特征作为图片的哈希编码，进行特征对比和人脸检索。通过这种方式可以进行分块编码训练，加快训练速度，同时能有效利用深度网络信息，提取高判别性的哈希编码，提高检索精度。
-
公开(公告)号：CN106096568B
公开(公告)日：2019-06-11
申请号：CN201610450898.1
申请日：2016-06-21
Applicant: 同济大学
Abstract: 本发明提出了一种基于CNN和卷积LSTM网络的行人再识别方法，属于图像处理技术领域。首先用一组CNN提取编码在帧中的空间信息，再利用卷积LSTM构成的编码‑解码框架，得到帧级别的深度时空外观描述器，最后使用Fisher向量编码，使描述器可以描述视频级别的特征。通过这种方式可以提取一种特征表示，这一特征表示能将视频当作排列好的序列，同时保持其空间信息，建立精确的模型。
-
公开(公告)号：CN119347776A
公开(公告)日：2025-01-24
申请号：CN202411702244.4
申请日：2024-11-26
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于大语言模型的家庭服务机器人复杂任务规划方法及机器人，所述方法，首先规定智能体所能完成的基本动作，将其以函数的格式进行表述，将任务要求、基本动作列表及其内容、输出的格式要求、环境信息的文字描述以及当前的复杂任务以Prompt的形式输入大模型，以逐步生成规划结果；之后将生成记录加入Prompt，并且同时将该步生成结果与仿真环境交互，验证其可行性。如果该步不可行则返回错误信息进行重新规划，直至任务完成。本方法能够有效地在任务简略但步骤较长，信息省略不直接给出的情况下完成策略生成，通过基本动作序列控制家庭服务机器人完成任务。
-
公开(公告)号：CN114418007B
公开(公告)日：2024-09-24
申请号：CN202210071568.7
申请日：2022-01-21
Applicant: 同济大学
IPC: G06F18/25 , G06F18/241 , G06N3/0464 , G06N3/088 , G06N3/084
Abstract: 本发明涉及一种基于无监督多模型融合的时序任务预测方法和装置，其中方法包括将时序任务输入优化好的目标模型中，得到预测结果，优化好的预测模型优化过程如下：初始化源模型和目标模型，将无标签数据集输入源模型中，根据源模型输出的时序特征和预测结果，计算联合损失函数，继而循环优化输入目标模型。与现有技术相比，本发明具有预测结果更精确等优点。
-
公开(公告)号：CN118569760A
公开(公告)日：2024-08-30
申请号：CN202410611791.5
申请日：2024-05-16
Applicant: 同济大学
IPC: G06Q10/0832 , G06Q10/0835
Abstract: 本发明提出了一种适用于空地协同系统的装箱式区域划分方法，包括装箱初始化和装箱操作两个主要步骤：装箱初始化的目的是通过选择第一个装入箱子的目标点来确定箱子的位置。选择距离所有已装箱点质心最近的目标点装入新的箱子。首个箱子的第一个装箱点选择距离所有目标点质心最远的点。在装箱初始化后，装箱操作将为新生成的箱子装入其他目标点。一个箱子的第一个装箱点被设置为无人车停留的起点。生成的箱子优先打包距离起点最近的目标点，从而装入尽可能多的目标点。装箱初始化和装箱操作交替迭代，直至所有的目标点均完成装箱。本发明相比于传统方法利用聚类划分目标区域减少了额外的充电时间和运输时间，提高了空地协同系统的任务执行效率。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.019 seconds)
