-
公开(公告)号：CN118838331A
公开(公告)日：2024-10-25
申请号：CN202410807636.0
申请日：2024-06-21
Applicant: 安徽大学
IPC: G05D1/43 , G05D1/242 , G05D1/243 , G05D1/246 , G05D1/65 , G05D1/633 , G05D1/644 , G05D1/247 , G05D109/10
Abstract: 本发明公开了一种基于激光雷达SLAM与RGB相机融合的动态避障系统，包括数据采集模块、数据处理模块、SLAM模块、路径规划模块、控制模块和通信模块。所述数据采集模块用于采集环境中的激光雷达数据和RGB图像数据；所述数据处理模块对采集到的初始数据进行处理，包括特征提取和数据融合；所述SLAM模块通过融合后的数据进行同步定位与地图构建，生成环境地图；所述路径规划模块结合A*算法和TEB算法进行全局路径规划和局部动态避障；所述控制模块根据路径规划结果生成运动指令，控制机器人执行避障动作；所述通信模块主要是负责各模块之间的数据传输和指令通信。
-
公开(公告)号：CN118333162B
公开(公告)日：2024-08-30
申请号：CN202410767679.0
申请日：2024-06-14
Applicant: 安徽大学
Abstract: 本申请涉及一种混合局部文本实体因果结构学习方法、装置和电子设备，其中，混合局部文本实体因果结构学习方法包括：依次在变量队列中确定当前学习变量，采用基于约束的PC发现方法确定当前学习变量的局部因果骨架，并将当前学习变量加入变量集中；遍历局部因果骨架中的每个变量，计算变量的第一局部结构分数和第二局部结构分数；当变量的第一局部结构分数小于第二局部结构分数时，从局部因果骨架中删除变量，并将局部因果骨架加入当前因果骨架中；确定当前因果骨架中每个变量的因果方向。解决了现有的局部因果结构学习方法在少量文本样本情况下，无法准确地学习识别出文本中不同实体间的因果关系的问题。
-
公开(公告)号：CN119339225A
公开(公告)日：2025-01-21
申请号：CN202410807109.X
申请日：2024-06-21
Applicant: 安徽大学
Abstract: 本本发明公开了一种使用yolov5m改进型算法来进行的树莓派火焰识别的方法，步骤一：摄像头连接进行火焰图像采集与识别；步骤二：将CBAM模块嵌入到Prediction部分之前，即在CSP和Conv之间添加；步骤三：使用CBAM模块，将特征输入通过通道注意力模块进行处理。这一步旨在对特征图的通道维度进行关注和加权；本发明的目的是利用改进型YOLOv5m算法结合CBAM模块，实现更准确和高效的火焰识别。通过在火焰图像采集和识别过程中引入通道注意力和空间注意力机制，提高了火焰识别的精确度和性能。同时，通过与传统模型进行比较，进一步完善和改进了火灾监测和预防系统的技术水平。
-
Patent Agency Ranking
公开(公告)号：CN118870192A
公开(公告)日：2024-10-29
申请号：CN202410807107.0
申请日：2024-06-21
Applicant: 安徽大学
IPC: H04N23/695 , H04N23/60 , H04N23/661
Abstract: 本发明公开了一种基于树莓派和摄像头的大场景视频图像运动目标跟踪系统，包括视频采集模块、数据处理模块、结果展示模块和通信模块，所述视频采集模块通过树莓派连接的摄像头实时采集视频数据，所述数据处理模块主要负责对采集到的视频进行特征提取和目标跟踪处理，使用Haar‑like特征提取和基于残差的Unscented粒子滤波算法来实现对运动目标的精准跟踪。所述结果展示模块负责将数据处理模块得到的跟踪结果实时显示，并进行数据的绘制和渲染处理。所述通信模块主要负责树莓派与服务器之间的数据传输，以及前端显示设备的通信，确保跟踪结果可以远程访问和监控。
-
公开(公告)号：CN118364906B
公开(公告)日：2024-08-23
申请号：CN202410792134.5
申请日：2024-06-19
Applicant: 安徽大学
IPC: G06N5/022 , G06N5/02 , G06N3/042 , G06N3/045 , G06N3/0895 , G06F18/214 , G06F18/22
Abstract: 本发明属于人工智能技术领域，具体涉及一种应用可信度感知迭代训练策略实现实体对齐的方法及其对应的服务推荐系统。该方案的核心包括一个关系感知交互图注意力网络，以及一个基于可信度感知迭代训练的自监督机制。其中，图注意力网络用于提取知识图谱中实体和关系的嵌入表示，并可以聚合实体特征和关系特征，并利用注意力机制降低噪声对实体嵌入的影响。在自监督机制中，先由图注意力网络分别提取出两个待对齐处理的知识图谱的嵌入表示，然后不断评估两个知识图谱中各组预对齐实体对的可信度，并将可信度高的实体对逐渐添加为伪对齐种子。本发明克服了现有方案需要依赖大量人工标注的伪对齐种子且易受噪声影响进而导致模型精度不足的缺陷。
-
公开(公告)号：CN118364906A
公开(公告)日：2024-07-19
申请号：CN202410792134.5
申请日：2024-06-19
Applicant: 安徽大学
IPC: G06N5/022 , G06N5/02 , G06N3/042 , G06N3/045 , G06N3/0895 , G06F18/214 , G06F18/22
Abstract: 本发明属于人工智能技术领域，具体涉及一种应用可信度感知迭代训练策略实现实体对齐的方法及其对应的服务推荐系统。该方案的核心包括一个关系感知交互图注意力网络，以及一个基于可信度感知迭代训练的自监督机制。其中，图注意力网络用于提取知识图谱中实体和关系的嵌入表示，并可以聚合实体特征和关系特征，并利用注意力机制降低噪声对实体嵌入的影响。在自监督机制中，先由图注意力网络分别提取出两个待对齐处理的知识图谱的嵌入表示，然后不断评估两个知识图谱中各组预对齐实体对的可信度，并将可信度高的实体对逐渐添加为伪对齐种子。本发明克服了现有方案需要依赖大量人工标注的伪对齐种子且易受噪声影响进而导致模型精度不足的缺陷。
-
公开(公告)号：CN118333162A
公开(公告)日：2024-07-12
申请号：CN202410767679.0
申请日：2024-06-14
Applicant: 安徽大学
Abstract: 本申请涉及一种混合局部文本实体因果结构学习方法、装置和电子设备，其中，混合局部文本实体因果结构学习方法包括：依次在变量队列中确定当前学习变量，采用基于约束的PC发现方法确定当前学习变量的局部因果骨架，并将当前学习变量加入变量集中；遍历局部因果骨架中的每个变量，计算变量的第一局部结构分数和第二局部结构分数；当变量的第一局部结构分数小于第二局部结构分数时，从局部因果骨架中删除变量，并将局部因果骨架加入当前因果骨架中；确定当前因果骨架中每个变量的因果方向。解决了现有的局部因果结构学习方法在少量文本样本情况下，无法准确地学习识别出文本中不同实体间的因果关系的问题。
-
公开(公告)号：CN117668668A
公开(公告)日：2024-03-08
申请号：CN202410131181.5
申请日：2024-01-31
Applicant: 安徽大学
IPC: G06F18/241 , G06F18/2113 , G06F18/2431 , G06F18/27
Abstract: 本申请涉及一种因果特征选择方法、装置和存储介质，其中，该因果特征选择方法包括：获取待预测的数据集，数据集包括若干特征，各个特征分别用于表征不同实体；在数据集中确定目标特征和目标类，目标类为目标特征的待预测类；在数据集中确定第一关联特征，第一关联特征包括目标类的原因特征或结果特征；在数据集中确定第二关联特征，第二关联特征与目标类具有相同的结果特征；根据第一关联特征和第二关联特征确定目标类的因果特征，并根据目标类的因果特征对目标类进行预测，具有预测效率更高以及预测准确率更高的优点，解决了相关技术中的因果特征选择方法无法准确地对目标特征中的每个类进行预测的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
