-
Patent Agency Ranking
公开(公告)号：CN117565032A
公开(公告)日：2024-02-20
申请号：CN202311216691.4
申请日：2023-09-20
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明提出一种基于部分视觉观测的机器人长序列任务学习与规划方法，包括收集一系列专家示范数据，利用元动作识别模型对示范数据进行元动作分割与识别，整理为一系列历史轨迹用于训练；利用部分可观测马尔科夫过程对长序列任务学习问题进行建模，定义参数空间；设计状态转移函数和观测函数，以及置信度更新方式；设计奖励函数，利用QMDP网络对模型进行近似求解；以专家示范的历史轨迹作为监督，设计损失函数，模型进行端到端训练。本发明将专家演示的视频录像作为输入，演示数据来源广泛易收集，利用神经网络进行部分可观测马尔科夫过程的参数建模，实现端到端的参数学习，泛化性强，对于不同的演示视角和操作主体都能完成长序列的模仿与规划学习。
-
公开(公告)号：CN116976032A
公开(公告)日：2023-10-31
申请号：CN202310983113.7
申请日：2023-08-07
Applicant: 同济大学
IPC: G06F30/17 , G06F30/27 , G06T17/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种仿真环境下的三维装配体补全方法，属于三维装配与人工智能领域，具体步骤包括：1)利用三维仿真装配体构建不完整装配体集合和候选部件集合，并通过采样将不完整装配体与候选部件转化为点云；2)利用模型将装配体点云分割为部件级点云，并进行特征提取，获取点云特征；3)利用编码器对待补全装配体的部件特征进行交互建模，再利用解码器进行关系建模；4)根据解码器输出的候选部件特征，利用多层感知机网络进行多任务学习；5)根据预测值和真实值计算损失函数，设定相关训练参数并对模型进行训练。本发明实现了仿真环境下高精度的三维装配体补全，能够作为专业工具辅助三维装配体设计，缩短设计周期，提升生产效率。
-
公开(公告)号：CN112801209A
公开(公告)日：2021-05-14
申请号：CN202110218021.0
申请日：2021-02-26
Applicant: 同济大学
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：CN112053357A
公开(公告)日：2020-12-08
申请号：CN202011034750.2
申请日：2020-09-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于FPN的钢材表面瑕疵检测方法，包括：步骤1：获取数据集并对数据集进行划分，同时获取数据集中图像对应的瑕疵标签，构成标签集；步骤2：对数据集进行预处理；步骤3：构建基于FPN的钢材表面瑕疵检测模型；步骤4：对瑕疵检测模型进行训练；步骤5：对完成训练的瑕疵检测模型进行测试，判断模型精度是否达到预设阈值，若是，则执行步骤7，否则，返回步骤5；步骤6：使用瑕疵检测模型对钢材表面进行瑕疵检测，获取检测结果，并对检测结果进行可视化处理。与现有技术相比，本发明具有精确、高效、端到端、检测精度高等优点。
-
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。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
