-
公开(公告)号：CN114444687B
公开(公告)日：2024-11-12
申请号：CN202210015285.0
申请日：2022-01-07
Applicant: 同济大学
IPC: G06V10/82 , G06N3/0895 , G06N3/045 , G06V10/30 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种基于伪标签噪声过滤的小样本半监督学习方法和装置，其中方法在执行过程中，主模型与伪标签过滤模型交替优化，主模型使用半监督学习方法训练，伪标签过滤模型使用噪声标签学习方法训练。主模型与伪标签过滤模型的优化交替执行若干轮次，每一轮次后，部分无标签数据连同其当前伪标签将被划入带标签数据集，直至优化停滞，输出优化后的模型。与现有技术相比，本发明得到的模型具有在图像识别方面准确度更好等优点。
-
公开(公告)号：CN118115854A
公开(公告)日：2024-05-31
申请号：CN202310935453.2
申请日：2023-07-28
Applicant: 同济大学
IPC: G06V10/82 , G06V10/40 , G06V10/26 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明公开了一种基于图像可控生成的肺炎CT数据增广方法，包括以下步骤：S1、获取二维肺部CT图，并对获得CT图像进行预处理；S2、将CT图输入到特征编码器模块提取图像结构特征，得到隐空间中的特征向量；S3、随机生成若干个噪声信号，将噪声信号分别与各特征向量，作为生成器模块的输入，得到可控生成的肺炎图像。根据本发明，具有生成的数据多样性高、生成属性可控以及图像生成可解释性强。
-
公开(公告)号：CN117316010A
公开(公告)日：2023-12-29
申请号：CN202311206977.4
申请日：2023-09-19
Applicant: 同济大学
IPC: G09B9/00 , G06T19/00 , G06V10/82 , G06V10/774
Abstract: 本发明提出一种基于NVIDIA Isaac Sim指导椅子组装的元宇宙平台。通过这个平台，用户可以通过佩戴AR眼镜与Isaac Sim仿真环境进行实时交互，仿真环境通过预先训练好的AI算法可以对用户的拼装过程进行评价与指导，最终当用户拼装完成后，仿真环境会对拼装好的椅子进行稳定性验证，即通过仿真环境判断用户实际组装的椅子能否在现实世界中正常使用，提高元宇宙现实中应用，同时降低椅子装配难度，提高椅子装配的精度以及稳定性。
-
公开(公告)号：CN117007047A
公开(公告)日：2023-11-07
申请号：CN202310797488.4
申请日：2023-06-30
Applicant: 同济大学
Abstract: 本发明涉及群体机器人多目标搜索领域，提出了一种基于虚拟目标和虚拟种群的粒子群算法多源定位方法，使用具有一定通信与感知能力的群体机器人实现多源目标搜索定位。本方法将搜索区域均等地划分为多个单元，每个单元的中心都有一个虚拟目标。仅有一组机器人遍历所有虚拟目标，并使用虚拟目标执行粒子群优化算法搜索其对应的区域，最终覆盖整个搜索空间。该领域中常用的分组方法存在难以确定分组数量的问题，且其性能会随着源目标的数量增加而下降。本发明中提出的方法，仅需要一个分组就能完成多源目标定位，因此极大的减少了所需机器人的数量，因此减少了物理开支，且该方法可以适应大面积无源场景。
-
公开(公告)号：CN116842998A
公开(公告)日：2023-10-03
申请号：CN202310598533.3
申请日：2023-05-25
Applicant: 同济大学
IPC: G06N3/0464 , G06N3/048 , G06N3/063 , G06N3/08
Abstract: 本发明提出一种基于分布式优化的多FPGA协同训练神经网络方法，以上位机作为核心控制模块，利用以太网与FPGA通信，分配训练数据，最后回收训练参数；通过在单台FPGA上搭建卷积神经网络的训练单元，其包括神经网络基础单元的计算模块、控制运算的指令模块、以RAM作为缓存区的DDR‑RAM存储模块和以交叉熵函数为损失函数，建立目标协同优化全局目标函数，通过BP算法用梯度下降法更新训练参数的神经网络训练模块；在不同FPGA之间通过UART串口建立通信连接，传输必要的训练开始和结束的握手信号。通过对多台FPGA进行协同控制，并基于分布式优化算法进行卷积神经网络的训练，充分发挥了FPGA底层并行计算和低功耗的优势，并且兼容性较好，有利于推动CNN加速器技术的应用与进步。
-
Patent Agency Ranking
公开(公告)号：CN116342562A
公开(公告)日：2023-06-27
申请号：CN202310337976.7
申请日：2023-03-31
Applicant: 同济大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明涉及一种半监督小样本偏光片瑕疵检测方法、装置及存储介质，方法步骤包括：获取偏光片数据集，所述数据集包括有标签数据与无标签数据；初始化偏光片瑕疵检测网络，使用有标签数据作为初始训练集，训练瑕疵检测网络直至收敛；将无标签数据输入收敛的瑕疵检测网络，根据分类分支输出与置信度阈值扩充训练集；重新初始化偏光片瑕疵检测网络，使用扩充后的训练集训练瑕疵检测网络直至收敛；根据设定的迭代次数重复上两步，得到最终的偏光片瑕疵检测网络；将待检测图像输入瑕疵检测网络，根据分类分支的结果判断是否存在瑕疵。与现有技术相比，本发明能够更有效地提取图像特征，检测网络具有更好的泛化能力，提高了偏光片分类的准确率。
-
公开(公告)号：CN112801209B
公开(公告)日：2022-10-25
申请号：CN202110218021.0
申请日：2021-02-26
Applicant: 同济大学
IPC: G06V10/764 , G06V10/774 , G06N5/00
Abstract: 本发明涉及一种基于双特长教师模型知识融合的图像分类方法及存储介质，其中图像分类方法包括：步骤1：通过调整训练数据分布分别对两个特长教师模型进行训练，获得双特长教师模型；步骤2：对于双教师模型的不同层特征采用基于注意力转移的逐层融合方式进行融合，训练时分别对教师模型和学生模型计算注意力特征图，通过注意力特征损失函数对学生模型的特征层进行约束；步骤3：采用选择性知识传递机制对教师模型特征进行选择性传递；步骤4：对双教师模型进行融合训练，获取目标模型；步骤5：使用步骤4获取的目标模型进行图像分类。与现有技术相比，本发明具有目标模型获取速度快、学生模型性能好等优点。
-
公开(公告)号：CN112975967B
公开(公告)日：2022-06-28
申请号：CN202110217089.7
申请日：2021-02-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于模仿学习的服务机器人定量倒水方法及存储介质，其中定量倒水方法包括：步骤1：获取人类专家定量倒水示范数据；步骤2：利用步骤1获取示范数据训练奖励函数输出网络；步骤3：搭建定量倒水决策网络，基于奖励函数输出网络，在复杂非结构化场景中利用强化学习算法学习定量倒水动作，获得目标决策网络；步骤4：使用训练好的目标决策网络驱动服务机器人完成定量倒水服务。与现有技术相比，本发明具有部署复杂度低、鲁棒性好、泛化性能好等优点。
-
公开(公告)号：CN112975967A
公开(公告)日：2021-06-18
申请号：CN202110217089.7
申请日：2021-02-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于模仿学习的服务机器人定量倒水方法及存储介质，其中定量倒水方法包括：步骤1：获取人类专家定量倒水示范数据；步骤2：利用步骤1获取示范数据训练奖励函数输出网络；步骤3：搭建定量倒水决策网络，基于奖励函数输出网络，在复杂非结构化场景中利用强化学习算法学习定量倒水动作，获得目标决策网络；步骤4：使用训练好的目标决策网络驱动服务机器人完成定量倒水服务。与现有技术相比，本发明具有部署复杂度低、鲁棒性好、泛化性能好等优点。
-
公开(公告)号：CN111105439A
公开(公告)日：2020-05-05
申请号：CN201911190243.5
申请日：2019-11-28
Applicant: 同济大学
Abstract: 本发明涉及一种使用残差注意力机制网络的同步定位与建图方法，包括以下步骤：步骤1：对神经网络进行训练；步骤2：将一组图片输入神经网络，获得每张图片对应的RGB图和特征权重图；步骤3：对RGB图进行改进FAST角点检测；步骤4：选择最终的特征点；步骤5：匹配特征点，对极约束求解相机初始化运动；步骤6：求解局部的相机运动；步骤7：进行图像之间的回环检测，得到相机的精准轨迹；步骤8：进行稠密重建，获得环境地图。与现有技术相比，本发明具有特征点更容易被人理解、重要区域可通过颜色和亮度突出显示等优点。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.024 seconds)
