-
公开(公告)号：CN112529944A
公开(公告)日：2021-03-19
申请号：CN202011408555.1
申请日：2020-12-05
Applicant: 东南大学
Abstract: 本发明提供了一种基于事件相机的端到端的无监督光流估计方法，涉及计算机视觉的光流估计领域,针对事件相机数据用于光流估计缺乏真实光流值，以及事件数据需要预先手工制作事件表示的缺点，提出一种基于事件相机的端到端的无监督光流估计方法。利用事件相机输出的事件流，首先对原始数据进行预处理，将四维转换为三维，然后将每个样本分为多个子序列，每个子序列用ConvLSTM单独处理，全部处理完以后按通道拼接形成最终送入光流预测网络中的三维数据。采用类似于编码/解码器的光流预测网络，利用事件相机固定频率输出的事件流数据的前后两个灰度帧设计光度误差损失，加上平滑度损失，共同作为无监督损失，促使网络最终估计出光流量。
-
公开(公告)号：CN112510719A
公开(公告)日：2021-03-16
申请号：CN202011408553.2
申请日：2020-12-05
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度强化学习的智能电热水器保温档负荷控制方法，包括以下步骤：采用LSTM网络利用过去48小时电价预测未来24小时电价；采用基于DQN的深度强化学习算法，将电力消耗和用户满意度同时作为好策略的衡量标准，并根据用户自身的需求调节二者所占比重。根据所预测的电价训练电热水器保温档负荷控制智能体学习得到使得奖励值最高的策略，使其在高电价时选择较低功率，低电价时选择较高功率，在尽可能保证用户满意度的同时节省更多电力消耗，以获得一个性能优良且适用性较高的电热水器负荷控制智能体。
-
公开(公告)号：CN117369502A
公开(公告)日：2024-01-09
申请号：CN202311431289.8
申请日：2023-10-31
Applicant: 东南大学
IPC: G05D1/46 , G05D1/633 , G05D109/20
Abstract: 本发明涉及一种基于强化学习的实现自身避障的无人机目标跟踪方法，所述方法包括以下步骤：S1：在虚拟机器人实验平台中搭建用于无人机目标跟踪的场景，S2：场景中的机器人能够实现自主避障，遇到障碍物便随机左转或者右转，机器人运行的速度为0.8m/s；S3：采集图像，在无人机的机身下方安装一个摄像头，用来采集向下视野中的图像，图像是像素大小为64×64的RGB图像，S4：再使用三层卷积神经网络和一个空间软最大化(spatial softmax)层对输入的图像进行处理，提取有用的特征，通过无人机当前所处环境的状态来感知碰撞风险，并获取注意力机制中的参数来自适应调整两个任务的权重。
-
公开(公告)号：CN112506210B
公开(公告)日：2022-12-27
申请号：CN202011402067.X
申请日：2020-12-04
Applicant: 东南大学
Abstract: 本发明涉及一种用于自主目标跟踪的无人机控制方法，经过神经网络输出四维的动作后经过PID控制器转化成低级电机的动作，让无人机更稳定的飞行，后期改进可以将PID控制器改成其他更优化的控制方法。分层控制系统更容易将模拟环境中的训练策略轻松的转移到现实环境中运行。具有很好的泛化能力。在模拟环境中对采集上来的图像先进行CNN预训练，得到无人机和目标对象的相对距离，包括x，y，h三个维度的，本发明先保证无人机的飞行高度不变，后期可以增加空间障碍物，再考虑h。再将无人机的姿态考虑进来，选择策略，输出四维动作，通过PID输出给无人机的低级电机，通过DDPG的强化学习方法，获得Reward，更新策略，进行学习并训练。
-
公开(公告)号：CN112484733B
公开(公告)日：2022-10-25
申请号：CN202011402063.1
申请日：2020-12-04
Applicant: 东南大学
Abstract: 本发明涉及一种基于拓扑图的强化学习室内导航方法，针对强化学习在导航任务中数据效率低，算法泛化性能差等问题，本发明结合了传统路径规划方法以及强化学习算法。通过对智能体的相对位置进行估计，进而依据关键位置对场景建立抽象的稀疏拓扑图，根据结点之间实际的物理距离定义连接关系，通过将传统路径规划算法与强化学习相结合的方式，形成了一种分层的导航策略，将长距离的导航问题分解为短期目标的导航问题，提升了在室内场景下的导航算法的学习效率以及泛化性能。
-
Patent Agency Ranking
公开(公告)号：CN112510719B
公开(公告)日：2022-06-21
申请号：CN202011408553.2
申请日：2020-12-05
Applicant: 东南大学
IPC: H02J3/14 , F24H9/20 , F24H15/152 , F24H15/212 , F24H15/269 , F24H15/37 , F24H15/421 , F24H15/45
Abstract: 本发明公开了一种基于深度强化学习的智能电热水器保温档负荷控制方法，包括以下步骤：采用LSTM网络利用过去48小时电价预测未来24小时电价；采用基于DQN的深度强化学习算法，将电力消耗和用户满意度同时作为好策略的衡量标准，并根据用户自身的需求调节二者所占比重。根据所预测的电价训练电热水器保温档负荷控制智能体学习得到使得奖励值最高的策略，使其在高电价时选择较低功率，低电价时选择较高功率，在尽可能保证用户满意度的同时节省更多电力消耗，以获得一个性能优良且适用性较高的电热水器负荷控制智能体。
-
公开(公告)号：CN112529944B
公开(公告)日：2022-11-18
申请号：CN202011408555.1
申请日：2020-12-05
Applicant: 东南大学
Abstract: 本发明提供了一种基于事件相机的端到端的无监督光流估计方法，涉及计算机视觉的光流估计领域,针对事件相机数据用于光流估计缺乏真实光流值，以及事件数据需要预先手工制作事件表示的缺点，提出一种基于事件相机的端到端的无监督光流估计方法。利用事件相机输出的事件流，首先对原始数据进行预处理，将四维转换为三维，然后将每个样本分为多个子序列，每个子序列用ConvLSTM单独处理，全部处理完以后按通道拼接形成最终送入光流预测网络中的三维数据。采用类似于编码/解码器的光流预测网络，利用事件相机固定频率输出的事件流数据的前后两个灰度帧设计光度误差损失，加上平滑度损失，共同作为无监督损失，促使网络最终估计出光流量。
-
公开(公告)号：CN112527860A
公开(公告)日：2021-03-19
申请号：CN202011406564.7
申请日：2020-12-05
Applicant: 东南大学
IPC: G06F16/2458 , G06N3/04 , G01W1/10
Abstract: 本发明公开了一种提高台风轨迹预测的方法，针对台风本身运动的复杂和多变性，单个预测模型对未来的多个时刻的台风轨迹预测整体精度不高等问题，本发明采用了输入数据为过去连续多个时刻的卫星同步台风数据，通过调节不同参数和网络参数等，训练出多个评价指标相似且收敛最好的时空序列预测模型，用这些模型做多次未来每个时刻的预测，并采用更改网络结构之后的时空序列分类模型进行决策这些模型在未来每个时刻的预测作为最优值，最终将每个最优预测值整合成最后的预测数据值，最终得到未来多时刻的时空序列预测数据，得到了一个总体时序精度更高的未来多时刻台风轨迹预测数据。
-
公开(公告)号：CN112508014A
公开(公告)日：2021-03-16
申请号：CN202011396416.1
申请日：2020-12-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于注意力机制的改进YOLOv3目标检测方法，在主干网络Darknet‑53中引入注意力模块SKNet，根据输入自适应调整卷积核大小，聚焦到感兴趣区域；在特征提取网络的顶部引入空间金字塔池化模块SPP，增加网络的感受野；在特征融合网络中引入通道注意力模块SENet，为通道分配权重，充分提取通道的有效特征信息。实验表明，该发明相较于原始YOLOv3模型，可以有效检测小目标，加快训练的收敛速度，并在检测速度不受太大影响的前提下提高检测精度。
-
公开(公告)号：CN112484733A
公开(公告)日：2021-03-12
申请号：CN202011402063.1
申请日：2020-12-04
Applicant: 东南大学
Abstract: 本发明涉及一种基于拓扑图的强化学习室内导航方法，针对强化学习在导航任务中数据效率低，算法泛化性能差等问题，本发明结合了传统路径规划方法以及强化学习算法。通过对智能体的相对位置进行估计，进而依据关键位置对场景建立抽象的稀疏拓扑图，根据结点之间实际的物理距离定义连接关系，通过将传统路径规划算法与强化学习相结合的方式，形成了一种分层的导航策略，将长距离的导航问题分解为短期目标的导航问题，提升了在室内场景下的导航算法的学习效率以及泛化性能。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.014 seconds)
