公开(公告)号：CN114842214B

公开(公告)日：2025-01-03

申请号：CN202210535005.9

申请日：2022-05-17

Applicant: 东南大学

Inventor： 李勇鹏 ,  姜龙玉 ,  葛张样 ,  张子腾 ,  韩宇

IPC: G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V20/05 ,  G06N3/047 ,  G06N3/08 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/09 ,  G06N3/0985

Abstract: 本发明公开了一种基于强化学习的声呐图像目标识别方法，包括：(1)将卷积神经网络的层选择过程建模为马尔科夫决策过程；(2)定义强化学习Agent的状态空间和动作空间；(3)使用强化学习Q‑Learn i ng算法让Agent自动构建出一系列的卷积神经网络；(4)从自动生成的卷积神经网络中选出表现较好的网络模型，调整参数并迁移到目标检测网络中，如摘要附图所示；(5)用声呐图像数据集对整个目标检测网络进行监督式训练，完成声呐图像的目标识别工作，基于强化学习的Q‑Learn i ng算法来自动化卷积神经网络的构建过程，省去了大量手工调参投入，得到性能良好的卷积神经网络，提高声呐图像识别的工作效率。

公开(公告)号：CN114842214A

公开(公告)日：2022-08-02

申请号：CN202210535005.9

申请日：2022-05-17

Applicant: 东南大学

Inventor： 李勇鹏 ,  姜龙玉 ,  葛张样 ,  张子腾 ,  韩宇

IPC: G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V20/05 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于强化学习的声呐图像目标识别方法，包括：(1)将卷积神经网络的层选择过程建模为马尔科夫决策过程；(2)定义强化学习Agent的状态空间和动作空间；(3)使用强化学习Q‑Learn i ng算法让Agent自动构建出一系列的卷积神经网络；(4)从自动生成的卷积神经网络中选出表现较好的网络模型，调整参数并迁移到目标检测网络中，如摘要附图所示；(5)用声呐图像数据集对整个目标检测网络进行监督式训练，完成声呐图像的目标识别工作，基于强化学习的Q‑Learn i ng算法来自动化卷积神经网络的构建过程，省去了大量手工调参投入，得到性能良好的卷积神经网络，提高声呐图像识别的工作效率。

公开(公告)号：CN116092178A

公开(公告)日：2023-05-09

申请号：CN202211488944.9

申请日：2022-11-25

Applicant: 东南大学

Inventor： 陈睿明 ,  曹邹颖 ,  范思远 ,  高耕 ,  顾枢衡 ,  李明泽 ,  荣逸鹏 ,  杨飞 ,  张子腾 ,  周浩然 ,  宋沫飞 ,  耿新

IPC: G06V40/20 ,  G06V10/46 ,  G06T7/80 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/11 ,  G06T3/00

Abstract: 本发明公开了一种面向移动端的手势识别和跟踪方法及系统，包括：手部图像检测模块至少包括YOLOv5的手部检测模型，将原始图像输入手部检测模型进行处理，输出包括检测框、左手置信度、右手置信度及是否有手的置信度的手部图像检测结果；手势估计模块至少包括手势估计模型，手势估计模型网络的特征提取部分为轻量化网络ShuffleNet V2 0.5x模块，姿态网络部分为3个反卷积层与1个内核大小为1的卷积层，将手部图像检测模块处理后的手部图片输入手势估计模块，输出21个手势关键点估计结果；三维转换模块利用两视图几何，将手势估计模块输出的2D关键点转为3D，使用Levenberg‑Marquardt算法、相机内外参数以及惯性测量单元参数，生成三维关键点坐标，实现手势的识别和跟踪。