公开(公告)号：CN119723285A

公开(公告)日：2025-03-28

申请号：CN202411792769.1

申请日：2024-12-07

Applicant: 兰州理工大学

Inventor： 李策 ,  马佳林 ,  王宗顺 ,  王凯 ,  肖利梅 ,  梁鸾 ,  王茹 ,  唐广旭 ,  何成旦 ,  张衍

IPC: G06V10/82 ,  G06V10/77 ,  G06V20/17 ,  G06N3/092 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提出了一种基于神经元重置的视觉显著性强化学习方法，旨在解决在数据样本有限的情况下，传统注意力机制导致深度强化学习模型过拟合的问题，从而提升无人机巡检系统在复杂环境中的性能和适应性。该方法通过引入动态视觉注意力图生成和特征提取机制，利用神经网络处理输入的四通道图像，生成具有显著性特征的注意力图，并通过编码器模块提取输入状态的高维特征表示。通过转换器模块，当前状态的特征表示与动作信息得以整合，进而预测多个可能的后续状态。该发明通过定期重置智能体的注意力机制，采用了两阶段训练策略，并在损失函数设计上进行了优化，通过自适应更新损失函数，进一步提高了模型的学习效果和系统的整体性能。

公开(公告)号：CN102626839A

公开(公告)日：2012-08-08

申请号：CN201110377771.9

申请日：2011-11-24

Applicant: 兰州理工大学

Inventor： 黄勇 ,  何成旦 ,  吴飞虎

IPC: B23K35/362 ,  B23K9/167 ,  B23K103/14

Abstract: 一种用于钛合金钨极氩弧焊的活性剂，其目的是增加焊缝熔深，减小焊接热输入，细化焊缝组织，减少焊接气孔；按重量百分比计，其组分为：CaF220～30％，CrCl3 10～20％，KF 10～20％，Te 40～50％。

公开(公告)号：CN119832244A

公开(公告)日：2025-04-15

申请号：CN202411988057.7

申请日：2024-12-31

Applicant: 兰州理工大学

Inventor： 李策 ,  王宗顺 ,  王鹏程 ,  陈江海 ,  范晓雪 ,  肖利梅 ,  奉志强 ,  马佳林 ,  何成旦 ,  张衍

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/042

Abstract: 本发明提供了一种基于注意力软池化的三维点云语义分割方法。首先，将原始三维点云数据送入编码器进行特征提取；局部特征聚合模块构建多尺度邻域，利用图卷积在不同尺度上学习点云特征；点云边缘注意力池化模块通过边缘卷积注意力结构编码结构特征，采用空间注意力策略对局部特征进行加权，融合全局形状特征，并对融合后的局部特征进行池化操作；随后，连接两个特征映射模块的输出，构建多层次特征表示，对多层次特征进行全局池化；采用非对称的解码器结构，使用上采样模块将稀疏的点云数据还原为高分辨率点云特征；最后，通过残差连接将上采样后的特征与相应的编码器特征点连接，最终形成每个点云的高精度语义信息。

公开(公告)号：CN119904639A

公开(公告)日：2025-04-29

申请号：CN202411988052.4

申请日：2024-12-31

Applicant: 兰州理工大学

Inventor： 李策 ,  王宗顺 ,  马佳林 ,  王晓东 ,  肖利梅 ,  王露 ,  时子桂 ,  魏星海 ,  何成旦 ,  张衍

IPC: G06V10/26 ,  G06V10/82 ,  G06V20/64 ,  G06N3/0455

Abstract: 本发明提出了一种重构3D序列Transformer的三维点云语义分割方法，步骤1、输入原始的三维点云数据，将原始三维点云数据在三维空间中进行体素化后将体素化的三维点云空间划分为排列密集且不重叠的3D窗口；步骤2、对每个3D局部窗口中的体素使用三个不同输出的3D自适应平均池操作，并将三个池化输出串联后作为多头注意力机制的输入构建K,V来进行注意力计算，得到体素特征；步骤3、对输入点云数据进行逐点的自注意力特征提取，得到单个点的逐点级特征；步骤4、将逐点特征与体素特征进行相加，得到最终的输出。本发明通过压缩序列长度降低了模型的计算复杂度，还融合了多尺度的特征表征，进一步结合更加细粒度的点级特征，使得模型能够高效的理解点云场景。

公开(公告)号：CN119888437A

公开(公告)日：2025-04-25

申请号：CN202411792771.9

申请日：2024-12-07

Applicant: 兰州理工大学 ,  兰州空间技术物理研究所

Inventor： 李策 ,  马佳林 ,  王茹 ,  唐广旭 ,  邵创新 ,  肖利梅 ,  王宗顺 ,  何成旦 ,  张衍

IPC: G06V10/82 ,  G06V10/77 ,  G06V20/50 ,  G06N3/092 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/006

Abstract: 本发明提出了一种基于先验知识的视觉显著性深度强化学习方法，其特征在于，包括：步骤1、获取最初的先验注意力图：使用可学习的高斯滤波器结合普残差对输入的机器人视觉导航图像进行处理，得到先验注意力图；步骤2、优化先验注意力图：通过卷积将图像映射到注意力机制的KQV值当中，并进行多头注意力计算，通过微调来引导网络从而优化先验注意力图；步骤3、获取最终的注意力图：将优化好的先验注意力图与原始图像进行点乘来获得最终的注意力图像；步骤4、用强化学习算法训练：采用强化学习算法让智能体交替观测注意力图像和原始图像，最终让机器人可以实时调整其关注区域，给出关注区域的决策结果。