-
公开(公告)号：CN111113397B
公开(公告)日：2021-02-02
申请号：CN202010057449.7
申请日：2020-01-17
Applicant: 浙江大学
Abstract: 本发明公开了一种水下压力自适应的机电混合驱控软体智能机械臂，包括至少三根并列设置的大波纹管；每根大波纹管内包裹有并列设置的至少四根小波纹管，大波纹管的管壁上设有若干片呈阵列排布的人工肌肉；每片人工肌肉由独立的电压驱动以实现其伸缩；大波纹管与小波纹管一端密闭并连接在一起，另一端分别连通对应的海水泵；每根大波纹管密闭的一端连接有一根机械手指；所有机械手指通过铰支座连接在一个手指安装座上。本发明的机电混合驱控软体智能机械臂采用液压和电驱动人工肌肉混合驱动，具有响应速度快、动作精准等优点。
-
公开(公告)号：CN111241944A
公开(公告)日：2020-06-05
申请号：CN201911417888.8
申请日：2019-12-31
Applicant: 浙江大学
Abstract: 本发明公开了一种基于背景目标检测与背景特征相似度匹配的场景识别与回环检测方法。包括1)获取车身摄像机拍摄的室外场景图像；2)构建基于Faster R-CNN目标检测网络的背景特征提取网络，对输入的室外场景图像进行背景目标的检测，并使用ROI pooling层的输出作为背景目标特征；3)对背景目标特征进行降维；4)计算当前输入图像背景特征与之前输入图像背景特征之间的L2距离；5)根据L2距离计算其场景相似度，使用最近邻搜索找出相匹配的图片对，根据相似度判断是否为同一场景，得到回环检测结果。本发明在性能上接近基于人工特征提取的最新方法并优于传统的词袋匹配方法，且在特征提取的速度上与人工特征提取相比具有明显的优势。
-
公开(公告)号：CN111241944B
公开(公告)日：2023-05-26
申请号：CN201911417888.8
申请日：2019-12-31
Applicant: 浙江大学
IPC: G06V20/56 , G06V10/25 , G06V10/764
Abstract: 本发明公开了一种基于背景目标与背景特征匹配的场景识别与回环检测方法。包括1)获取车身摄像机拍摄的室外场景图像；2)构建基于Faster R‑CNN目标检测网络的背景特征提取网络，对输入的室外场景图像进行背景目标的检测，并使用ROI pooling层的输出作为背景目标特征；3)对背景目标特征进行降维；4)计算当前输入图像背景特征与之前输入图像背景特征之间的L2距离；5)根据L2距离计算其场景相似度，使用最近邻搜索找出相匹配的图片对，根据相似度判断是否为同一场景，得到回环检测结果。本发明在性能上接近基于人工特征提取的最新方法并优于传统的词袋匹配方法，且在特征提取的速度上与人工特征提取相比具有明显的优势。
-
公开(公告)号：CN111113397A
公开(公告)日：2020-05-08
申请号：CN202010057449.7
申请日：2020-01-17
Applicant: 浙江大学
Abstract: 本发明公开了一种水下压力自适应的机电混合驱控软体智能机械臂，包括至少三根并列设置的大波纹管；每根大波纹管内包裹有并列设置的至少四根小波纹管，大波纹管的管壁上设有若干片呈阵列排布的人工肌肉；每片人工肌肉由独立的电压驱动以实现其伸缩；大波纹管与小波纹管一端密闭并连接在一起，另一端分别连通对应的海水泵；每根大波纹管密闭的一端连接有一根机械手指；所有机械手指通过铰支座连接在一个手指安装座上。本发明的机电混合驱控软体智能机械臂采用液压和电驱动人工肌肉混合驱动，具有响应速度快、动作精准等优点。
-
公开(公告)号：CN112580515B
公开(公告)日：2022-05-10
申请号：CN202011520023.7
申请日：2020-12-21
Applicant: 浙江大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于高斯热图回归的轻量级人脸关键点检测方法，用来解决人脸关键点检测的问题，主要应用于自动人脸识别、表情分析、三维人脸重建及三维动画等人脸相关问题。本发明主要包括如下步骤：首先利用关键点坐标生成高斯热图；接着在训练阶段，基于高斯热图回归得到卷积神经网络参数；然后，在预测阶段，前向预测出关键点的高斯热图；最后，由关键点热图得到关键点坐标。本发明可以实现轻量级模型下的人脸关键点检测，计算速度快，计算复杂度低，检测精度高。
-
Patent Agency Ranking
公开(公告)号：CN113946710A
公开(公告)日：2022-01-18
申请号：CN202111186741.X
申请日：2021-10-12
Applicant: 浙江大学
IPC: G06F16/73 , G06F16/783 , G06V20/40 , G06V10/70 , G06N20/00
Abstract: 本发明公开了一种基于多模态与自监督表征学习的视频检索方法，应用于视频检索领域。给定一个搜索视频，可以在千万级视频库中找到画面相似或事件相似的视频。该技术可以为短视频平台的新闻事件聚合、版权保护侵权检索、多模态检索等问题的解决方案。本发明主要包括如下步骤：1.通过无标注图片数据和图片‑文本对数据构建监督数据集，利用监督数据集训练图片特征提取网络。2.通过对视频帧进行特征提取并计算领域密度的方法构建特征频次库。3.提取视频表征并构建视频库，利用近邻检索的方法进行视频检索。基于本发明所提出方法的基于多模态与自监督表征学习的视频检索方法在测试数据集中具有较高的准确率和召回率，具有良好的鲁棒性。
-
公开(公告)号：CN113946710B
公开(公告)日：2024-06-11
申请号：CN202111186741.X
申请日：2021-10-12
Applicant: 浙江大学
IPC: G06F16/73 , G06F16/783 , G06V20/40 , G06V10/70 , G06N20/00
Abstract: 本发明公开了一种基于多模态与自监督表征学习的视频检索方法，应用于视频检索领域。给定一个搜索视频，可以在千万级视频库中找到画面相似或事件相似的视频。该技术可以为短视频平台的新闻事件聚合、版权保护侵权检索、多模态检索等问题的解决方案。本发明主要包括如下步骤：1.通过无标注图片数据和图片‑文本对数据构建监督数据集，利用监督数据集训练图片特征提取网络。2.通过对视频帧进行特征提取并计算领域密度的方法构建特征频次库。3.提取视频表征并构建视频库，利用近邻检索的方法进行视频检索。基于本发明所提出方法的基于多模态与自监督表征学习的视频检索方法在测试数据集中具有较高的准确率和召回率，具有良好的鲁棒性。
-
公开(公告)号：CN111209840B
公开(公告)日：2022-02-18
申请号：CN201911423880.2
申请日：2019-12-31
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多传感器数据融合的3D目标检测方法。首先，分别利用两个神经网络对点云和图像进行逐点和逐像素的特征提取，在点云的前景点上进行区域建议。然后利用传感器的标定矩阵实现两种异质传感器数据的逐点关联，实现最大程度上的关联。最后再利用一个神经网络对每一个区域的联合特征表示进行自适应的融合，并根据融合后的区域特征直接进行进一步得精细化调整。本发明使用神经网络自适应地融合两类传感器数据特征，克服了点云数据稀疏和图像数据没有深度信息等不足，来实现3D目标检测，基于本发明所提出方法的3D目标检测结果具有较高的精准度，优于现有的大多数3D目标检测方法，具有良好的准确性和鲁棒性。
-
公开(公告)号：CN112580515A
公开(公告)日：2021-03-30
申请号：CN202011520023.7
申请日：2020-12-21
Applicant: 浙江大学
Abstract: 本发明公开了一种基于高斯热图回归的轻量级人脸关键点检测方法，用来解决人脸关键点检测的问题，主要应用于自动人脸识别、表情分析、三维人脸重建及三维动画等人脸相关问题。本发明主要包括如下步骤：首先利用关键点坐标生成高斯热图；接着在训练阶段，基于高斯热图回归得到卷积神经网络参数；然后，在预测阶段，前向预测出关键点的高斯热图；最后，由关键点热图得到关键点坐标。本发明可以实现轻量级模型下的人脸关键点检测，计算速度快，计算复杂度低，检测精度高。
-
公开(公告)号：CN111209840A
公开(公告)日：2020-05-29
申请号：CN201911423880.2
申请日：2019-12-31
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多传感器数据融合的3D目标检测方法。首先，分别利用两个神经网络对点云和图像进行逐点和逐像素的特征提取，在点云的前景点上进行区域建议。然后利用传感器的标定矩阵实现两种异质传感器数据的逐点关联，实现最大程度上的关联。最后再利用一个神经网络对每一个区域的联合特征表示进行自适应的融合，并根据融合后的区域特征直接进行进一步得精细化调整。本发明使用神经网络自适应地融合两类传感器数据特征，克服了点云数据稀疏和图像数据没有深度信息等不足，来实现3D目标检测，基于本发明所提出方法的3D目标检测结果具有较高的精准度，优于现有的大多数3D目标检测方法，具有良好的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
