-
公开(公告)号：CN114386582B
公开(公告)日：2024-09-10
申请号：CN202210047220.4
申请日：2022-01-17
Applicant: 大连理工大学
IPC: G06N3/045 , G06N3/0475 , G06N3/0455 , G06N3/047 , G06N3/094 , G06N3/084 , G06F18/213
Abstract: 本发明属于人机交互技术领域，涉及人机交互中人体动作的预测，具体为一种基于对抗训练注意力机制的人体动作预测方法。本发明在原始Transformer模型的基础上，对Transformer内部注意力计算机理进行变换优化，设计了一种称为可变形的Transformer模型，用于提取人体运动的时间特征和空间特征，进而捕获长时范围内各个关节点之间的相互依赖关系，从而高效地预测长时范围内的人体动作。其次，本发明引入了对抗训练机制训练所提出的网络模型，将上述生成运动预测的过程作为生成器，并引入连续性判别器和真实性判别器来验证所生成序列的时间平滑性和连续性，以此来缓解首帧不连续问题。
-
公开(公告)号：CN112529081B
公开(公告)日：2023-11-07
申请号：CN202011460343.8
申请日：2020-12-11
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/09 , G06N3/045 , G06N3/0464
Abstract: 本发明提供一种基于高效注意力校准的实时语义分割方法，包括：训练过程及测试过程；训练过程包括以下步骤：使用深层神经网络特征提取器作为主干网络，得到编码像素语义信息的特征图；对主干网络的输出特征图进行像素级别的分类，获取未经细化的粗糙语义分割图；将原始图像和原始图像的标注图像组成图像‑真值标签对，对输出进行监督学习，并保存最优模型用于后序操作；将经过训练后的的粗糙语义分割图作为输入至对特征图中各像素之间建立相关性的自校准空间注意力模块中，使得粗糙语义分割图进行自我校准，获取细化语义分割结果；通过原始图像和标注图像组成的图像‑真值标签对，对细化语义分割结果进行监督学习获取最优模型。
-
公开(公告)号：CN119600338A
公开(公告)日：2025-03-11
申请号：CN202411639987.1
申请日：2024-11-18
IPC: G06V10/764 , G06V10/44 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0455
Abstract: 一种基于部件注意力校正与细节增强的低分辨率细粒度图像分类方法，属于低分辨率细粒度图像识别领域。该方法首先从低分辨率图像中挖掘多样化且具有判别性的局部表示；利用可学习的类别嵌入向量编码低分辨率图像块嵌入的全局细粒度特征表示；设计一个注意力校正损失用于调整中间编码层中各部件查询向量对各图像块嵌入的注意力激活强度。通过强制将低分辨率图像块的高级语义特征映射为对应的高分辨率图像块的底层纹理细节，将提取到的局部细粒度特征表示与全局细粒度特征表示输入到特征融合层进行信息交互与融合，将融合后的特征表示输入到分类层进行类别预测。本发明能够准确感知和关联目标部件中的局部细粒度特征、提高低分辨细粒度图像的分类精度。
-
公开(公告)号：CN115983108A
公开(公告)日：2023-04-18
申请号：CN202211617595.6
申请日：2022-12-15
Applicant: 大连理工大学
Abstract: 本发明属于智能优化技术领域，涉及一种基于社会文化传播的智能体形态演化方法。本发明在智能体形态演化过程中采取了一个新的高度可并行化的框架，用于同时对多个智能体进行控制器的学习和形态演化，从而允许利用计算的可扩展性。在演化下一代个体时，采用了一种遗传传递策略来传递智能体的形态属性，引入了新颖性搜索，对于形态多样性进行控制，增加个体之间的平均距离，使得种群分布范围更广。因此，进化过程陷入局部最优的概率较低，可以并行探索更多不同的搜索方向。根据智能体之间的相似度进行水平文化传播和垂直文化传播，并且自动调整智能体之间的信息迁移系数，以增加正向知识迁移，提高了智能体学习的效率。
-
公开(公告)号：CN111738318B
公开(公告)日：2022-09-30
申请号：CN202010530337.9
申请日：2020-06-11
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/26 , G06V10/25 , G06V10/77 , G06V20/10
Abstract: 本发明属于图像分类领域，涉及一种基于图神经网络的超大图像分类方法。本发明针对不同的超大图像可采取不同子图像筛选方法，进一步调整了特征提取网络，使得子图像的特征提取更加准确；将超大图像构建成为图数据，并且在传统的图卷积神经网络上引入了可微分池化操作，不仅可以挖掘超大图像的全局信息，同时可微池化操作还可以在训练过程中挖掘隐藏层的特征信息，充分分析各个子图像之间在特征空间的关联性，可以更加准确地对超大图像进行分类。
-
Patent Agency Ranking
公开(公告)号：CN114359972A
公开(公告)日：2022-04-15
申请号：CN202210046395.3
申请日：2022-01-13
Applicant: 大连理工大学
Abstract: 本发明属于深度学习、目标检测领域，涉及一种基于注意力机制的遮挡行人检测方法。通过本发明构建一个新型的基于注意力机制与遮挡处理的行人检测器SKGNet，将轻量级的选择性核与空间分组增强注意力模块SKG嵌入到ResNet‑101网络的标准残差块中，构建出高效的特征提取骨干网络SKGNet‑101，有助于网络提取到更关键的特征信息，并提高特征图的表达能力。并且针对拥挤场景中的行人遮挡情况，提出了一个掩膜调制模块，以提高遮挡行人的检测性能。通过掩膜模块调制后的特征可以帮助后续的分类网络以更高的置信度检测部分或严重遮挡的行人，否则可能会被忽略而检测失败。
-
公开(公告)号：CN112866939A
公开(公告)日：2021-05-28
申请号：CN202110053879.6
申请日：2021-01-15
Applicant: 大连理工大学
Abstract: 本发明属于无线通信资源分配技术领域，涉及一种基于边缘智能的5G‑U物联网协同资源分配方法。本发明致力于解决5G‑U环境中边缘侧的资源分配实时性不足的问题，充分考虑来自任务多样性与多变性带来的挑战，利用边缘设备的交互能力构建动态嵌套神经网络并基于此设计了实时动态资源分配方法。本发明方法能够第一时间响应任务需求的变化，保证了分配决策与任务的高强度匹配程度。
-
公开(公告)号：CN112529081A
公开(公告)日：2021-03-19
申请号：CN202011460343.8
申请日：2020-12-11
Abstract: 本发明提供一种基于高效注意力校准的实时语义分割方法，包括：训练过程及测试过程；训练过程包括以下步骤：使用深层神经网络特征提取器作为主干网络，得到编码像素语义信息的特征图；对主干网络的输出特征图进行像素级别的分类，获取未经细化的粗糙语义分割图；将原始图像和原始图像的标注图像组成图像‑真值标签对，对输出进行监督学习，并保存最优模型用于后序操作；将经过训练后的的粗糙语义分割图作为输入至对特征图中各像素之间建立相关性的自校准空间注意力模块中，使得粗糙语义分割图进行自我校准，获取细化语义分割结果；通过原始图像和标注图像组成的图像‑真值标签对，对细化语义分割结果进行监督学习获取最优模型。
-
公开(公告)号：CN113095262B
公开(公告)日：2025-01-21
申请号：CN202110429625.X
申请日：2021-04-21
Applicant: 大连理工大学
IPC: G06V20/64 , G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于多任务信息互补的三维体素手势姿态估计方法，步骤为：训练一个参考点精炼网络，获取准确的参考点；训练一个估计网络，使用中已获得的图像的准确参考点和手部关节位置真实值进行监督训练：对估计网络输出的三维热图执行概率估计，确定每个关节点最大的似然相应位置，然后将其转换到真实的坐标系中获得手部关节点的真实3D坐标。本发明使用三维体素化的方式来处理输入与输出，一方面改善了传统方法表示深度图像造成的透视失真，以及回归学习的高度非线性等问题。另一方面则是实现了模型参数压缩，使得模型的收敛更加的迅速，便于训练。同时引入多任务信息互补的策略，这种符合手势物理特性的网络结构在提升估计精度的同时也更具有鲁棒性。
-
公开(公告)号：CN114023063B
公开(公告)日：2022-10-21
申请号：CN202111288152.2
申请日：2021-11-02
Applicant: 大连理工大学
Abstract: 本发明属于智能交通实时决策技术领域，涉及一种基于认知网络的智能交通系统协同决策方法。本发明致力于解决智能交通系统中多任务并行协同决策实时性不足的问题，充分考虑来自任务多样性与环境多变性带来的挑战，利用粒计算对模糊环境的表达能力构建多任务并行的层次化相容粒度空间模型并基于此设计了多任务协同实时决策算法。本发明方法能够第一时间响应任务和环境的变化，保证了时间敏感场景下的多任务协同实时决策。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.021 seconds)
