-
公开(公告)号：CN114627349B
公开(公告)日：2025-01-17
申请号：CN202210307876.5
申请日：2022-03-25
Applicant: 南京大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于自监督学习的开放集图像识别方法，步骤包括：根据待识别图像的类别获取对应的训练数据集来构建开放集数据集；对开放集数据集中的全部图像样本进行初始化；对开放集数据集中的图像样本进行增广；建立基于样本相似度的自监督学习模型；建立基于多分支结构的开放集识别模型；将自监督学习模型与开放集识别模型相结合构建自监督开放集识别模型；使用深度学习训练后的自监督开放集识别模型对测试集进行评估测试。该开放集图像识别方法通过自监督对比学习的方式提高了模型的表征提取能力；考虑到了图像识别在实际应用中的两个场景，标签不足以及开放集问题；联合训练能互像促进，同时提高两个任务的精度。
-
公开(公告)号：CN110765905A
公开(公告)日：2020-02-07
申请号：CN201910963546.X
申请日：2019-10-11
Applicant: 南京大学
Abstract: 一种联合收割机收获谷物包含杂质比重的测量方法及其装置，测量方法包括将工业相机、照明设备及减震设备安装于联合收割机所需测量收获谷物包含杂质比重的对应位置，调整工业相机的拍摄间隔和曝光时间；利用CPU处理器，通过图像处理算法将采集图像当中的谷物与其他杂质区分，并计算收获谷物中包含杂质的比重；提供显示装置，通过并行接口接收谷物中包含杂质的比重信息，并实时显示。本发明的联合收割机收获谷物包含杂质比重的测量方法及其装置，能够有效的区分谷物与杂质，并获得谷物包含杂质的比重信息，能够达到实时、准确监测的目标。
-
公开(公告)号：CN107123115A
公开(公告)日：2017-09-01
申请号：CN201710273872.9
申请日：2017-04-25
Applicant: 南京大学
Abstract: 本发明提供了一种基于图像处理的谷物收割清选损失实时在线检测方法，步骤包括：获取样本数据、图像处理以及相关性分析，利用相关系数检验法建立谷物横截面积与称重获得的损失量之间的相关性，计算出回归系数并建立回归方程，从而进一步求得清选损失率。该在线检测方法克服了传统谷物收割损失检测滞后、误差大的缺点，能够实时计算清选损失率，从而随着损失率的改变实时调整收割机前进速度、割幅宽度、鼓风机出风量和角度等工作参数，从而降低谷物脱粒不净率，夹带率，减少谷粒损失，提高粮食产量。
-
公开(公告)号：CN107123115B
公开(公告)日：2019-12-10
申请号：CN201710273872.9
申请日：2017-04-25
Applicant: 南京大学
Abstract: 本发明提供了一种基于图像处理的谷物收割清选损失实时在线检测方法，步骤包括：获取样本数据、图像处理以及相关性分析，利用相关系数检验法建立谷物横截面积与称重获得的损失量之间的相关性，计算出回归系数并建立回归方程，从而进一步求得清选损失率。该在线检测方法克服了传统谷物收割损失检测滞后、误差大的缺点，能够实时计算清选损失率，从而随着损失率的改变实时调整收割机前进速度、割幅宽度、鼓风机出风量和角度等工作参数，从而降低谷物脱粒不净率，夹带率，减少谷粒损失，提高粮食产量。
-
公开(公告)号：CN114627349A
公开(公告)日：2022-06-14
申请号：CN202210307876.5
申请日：2022-03-25
Applicant: 南京大学
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于自监督学习的开放集图像识别方法，步骤包括：根据待识别图像的类别获取对应的训练数据集来构建开放集数据集；对开放集数据集中的全部图像样本进行初始化；对开放集数据集中的图像样本进行增广；建立基于样本相似度的自监督学习模型；建立基于多分支结构的开放集识别模型；将自监督学习模型与开放集识别模型相结合构建自监督开放集识别模型；使用深度学习训练后的自监督开放集识别模型对测试集进行评估测试。该开放集图像识别方法通过自监督对比学习的方式提高了模型的表征提取能力；考虑到了图像识别在实际应用中的两个场景，标签不足以及开放集问题；联合训练能互像促进，同时提高两个任务的精度。
-
Patent Agency Ranking
公开(公告)号：CN110217601A
公开(公告)日：2019-09-10
申请号：CN201910500723.0
申请日：2019-06-11
Applicant: 南京大学
IPC: B65G57/32
Abstract: 一种袋装货物码垛柔性流水线结构及其控制方法，柔性流水线结构包括摄像头、柔性流水线、顶部导轨和顶置机械臂，货物由货物流水线掉落至柔性流水线，再由柔性流水线掉落至货物装载处，摄像头用于采集柔性流水线前端与货物装载处的图像，所述图像用于识别柔性流水线、货物装载处以及货物的位置，通过控制柔性流水线移动，进行货物的码垛装载。本发明提供了一种袋装货物码垛柔性流水线结构及其控制方法，实现了货物装载的机械自动化，货物码垛效率高，安全性好。
-
公开(公告)号：CN109934203A
公开(公告)日：2019-06-25
申请号：CN201910229688.3
申请日：2019-03-25
Applicant: 南京大学
Abstract: 本发明提供了一种基于信息熵选择的代价敏感增量式人脸识别方法，由深度卷积神经网络部分、基于信息熵的样本选择部分以及基于代价敏感序贯三支决策分类部分组成。利用信息熵评估人脸识别样本分类结果的信息量，使系统能够自动评估未标记样本信息量，挑选信息量大的样本进行人为标记；利用代价敏感序贯三支决策的思想，把人脸识别问题看成是一个信息粒度由粗到细的序贯过程，将增加标记样本的每个迭代循环作为序贯三支决策的一个决策步骤，根据贝叶斯风险最小原则给出每个决策步骤中样本最小代价识别效果。
-
公开(公告)号：CN117634647A
公开(公告)日：2024-03-01
申请号：CN202311656001.7
申请日：2023-12-04
Applicant: 南京大学
IPC: G06N20/00 , G06F18/214
Abstract: 一种基于扩散的双生成回放的持续离线强化学习方法，首先将持续学习策略解耦为基于扩散的行为生成模型和多头动作评估模型；其次，训练任务‑条件扩散模型来模拟旧任务的状态分布，生成的状态与行为生成模型的相应响应配对，以用高保真回放的伪样本表示旧任务；最后，通过将伪样本与新任务的真实样本交错，不断更新状态和行为生成模型以建模逐渐多样化的行为，并以行为克隆方式规范多头动作评估模型以减少遗忘。本发明提出一种双重生成回放框架，通过生成的伪数据的并发回放来保留旧任务的知识，实验证明了本发明方法在持续离线学习中实现了更好的前向迁移并保持更少的遗忘，并且由于其样本空间的高保真回放而非常接近使用旧任务真实数据的结果。
-
公开(公告)号：CN117634645A
公开(公告)日：2024-03-01
申请号：CN202311645312.3
申请日：2023-12-04
Applicant: 南京大学
IPC: G06N20/00 , G06N3/092 , G06N3/0985 , G06F18/23213
Abstract: 一种用于多智能体强化学习中的对比学习表征方法，配置多智能体系统的环境参数，建立智能体策略网络、值分解系统以及多头注意力机制；通过智能体与环境交互，收集智能体的部分观测和全局状态，获取环境奖励，存放至经验回放池用于训练；然后从经验回放池中采集一个批次的数据，使用多智能体强化学习算法训练策略网络寻找能够获取最大累积奖励的最优策略，并定期使用对比学习约束智能体学习跟行为模式相关的角色表征，实现多智能体强化学习。本发明提出基于注意力引导的对比学习表征方法，在具有更快的收敛，并且具有更高效的探索，能够有效的避免智能体的同质化，从而在复杂动态环境中有效提高多智能体强化学习算法的学习效率和收敛速度。
-
公开(公告)号：CN111552183B
公开(公告)日：2021-04-23
申请号：CN202010416376.6
申请日：2020-05-17
Applicant: 南京大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于自适应权重强化学习的六足机器人避障方法，步骤包括：由六足机器人通过测距传感器测量机器人与附近各个障碍物的距离，并通过模糊隶属度函数将测量的障碍物距离转化为有限的状态集合；根据有限的状态集合建立六足机器人避障模型，再利用自适应权重强化学习算法学习出最优网络模型参数θ*；根据上述训练好的最优网络模型参数θ*得到六足机器人避障的最优目标策略，由最优目标策略获得六足机器人在t时刻避障所要采取的动作at。该避障方法能够在障碍物数量较多的位置环境中实现较好的避障效果，具有良好的市场应用前景。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
