-
公开(公告)号：CN113724156B
公开(公告)日：2024-03-29
申请号：CN202110907658.0
申请日：2021-08-09
Applicant: 浙江工业大学
IPC: G06T5/73 , G06T7/11 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 一种结合大气散射模型的生成对抗网络去雾方法，包括：S1：构建结合大气散射模型和双解码器的生成器；S2：计算原图和假图之间的距离，训练生成器的能力；S3：将输入的图像随机裁剪成Patch块,进行真伪判断,得到结果真伪矩阵后计算平均值,得到最终输出值；S4：提出反向学习PatchGAN结构；S5：当裁剪Patch块时,同时裁剪Patch块的反向块；S6：在原网络上进行生成器、判别器、损失函数的改进；S7：先将有雾图像集输入进生成网络中,将生成网络生成的无雾图像与现实中无雾图像同时输入判别网络中,判别真假,反复进行网络训练,得到生成对抗网络模型,最后在模型中输入测试图像,得到所需要的无雾图像。本发明还包括一种结合大气散射模型的生成对抗网络去雾的系统。
-
公开(公告)号：CN114943654A
公开(公告)日：2022-08-26
申请号：CN202210546060.8
申请日：2022-05-17
Applicant: 浙江工业大学
Abstract: 一种基于多阶段神经网络的透明物体深度图像修复方法，包括：读取输入图像进行放缩；预测分割图像；去除深度图像中的噪声；使用动态卷积初步提取特征；提取第一阶段特征；生成第一阶段不同分支的空间注意力图；生成第一阶段不同分支的修复图像；融合第一阶段预测结果；提取第二阶段特征；生成第二阶段修复图像；提取第三阶段特征；生成第三阶段修复图像；融合三个阶段预测结果，得到修复后的深度图像。本发明提升了推理速度，提高了模型精度，脱离了外部环境依赖性，提升了方法的泛化性。
-
公开(公告)号：CN112733721B
公开(公告)日：2022-03-15
申请号：CN202110034453.6
申请日：2021-01-12
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于胶囊网络的表面肌电信号分类方法，采用窗口分析法对原始表面肌电信号预处理；提取信号中的特征，构成特征序列，并利用二维化方法，转换为特征矩阵；对原始信号进行简单的切割堆叠，从而产生二维信号矩阵；通过不同尺寸的卷积核将两种矩阵进行卷积，得到相同尺寸的特征图后进行通道叠加；将得到的抽象特征图送入到胶囊网络中训练，并保存网络权重。本发明改善了生成抽象特征的方法，准确率高，鲁棒性强，尤其是针对肌肉运动相近的动作。
-
公开(公告)号：CN116612187A
公开(公告)日：2023-08-18
申请号：CN202310478218.7
申请日：2023-04-28
IPC: G06T7/73 , G06V10/44 , G06V10/56 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于特征融合及编解码器结构的刚体6D姿态估计方法，包括使用深度学习的方法提取物体的色彩特征和几何特征(对几何特征进行计算，以直接获得偏移量T)，处理之后进行特征融合得到融合特征；之后，将融合特征依次送入注意力编码器和残差解码器中，以得到关键点的旋转向量；最后通过Kabsch公式计算旋转矩阵R。还包括一种基于特征融合及编解码器结构的刚体6D姿态估计系统。本发明将特殊的特征提取手段、注意力机制、残差结构、编解码器的思想带入到6D姿态估计中，在保证准确率的同时提高了计算效率，能满足机器人抓取环境对实时性的要求。
-
公开(公告)号：CN113771027B
公开(公告)日：2023-03-31
申请号：CN202110943699.5
申请日：2021-08-17
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于深度学习的双臂协作抓取方法，包括首先构建右臂抓取检测模型，通过数据集训练，来让模型达到识别未知物体的抓取位置的效果；通过在抓取检测模型的基础上加入通道剪枝训练，来得到一个轻量的左臂遮挡检测模型，大大加快检测速度；用相机采集操作画面，对图像进行尺寸上的变化和预处理，以便模型更好的操作；最后将检测到的信息按照一定逻辑通过ROS系统与机器人进行通信，以实现清除遮挡物、抓取物体的操作。本发明将深度学习与双臂协作的思想带入到非结构化的物体抓取中，提高了抓取的效率。同时由剪枝训练得到轻量级左臂遮挡检测模型，更进一步加快了操作的速度。
-
Patent Agency Ranking
公开(公告)号：CN112417770B
公开(公告)日：2022-03-18
申请号：CN202011448798.8
申请日：2020-12-09
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于多模态多目标粒子群优化算法的选址优化方法，包括：采用基于K‑means聚类方法的多种群来定位决策空间中更多的等价帕累托最优解集，并应用一种网格机制来探索决策空间中的高质量解。环境选择操作中加入两种操作，包括去除低效解与更新非支配解存档，目的是保持解的多样性，接近真正的非支配解并保持在目标空间的收敛性。本发明具有能在决策空间中找到更多的等价的帕累托最优解集，同时在决策空间中帕累托最优解集的多样性和目标空间中帕累托最优解集的收敛性之间保持一个良好的平衡的特点，能够更好地、高效地解决应用中的选址优化问题。
-
公开(公告)号：CN113724156A
公开(公告)日：2021-11-30
申请号：CN202110907658.0
申请日：2021-08-09
Applicant: 浙江工业大学
Abstract: 一种结合大气散射模型的生成对抗网络去雾方法，包括：S1：构建结合大气散射模型和双解码器的生成器；S2：计算原图和假图之间的距离，训练生成器的能力；S3：将输入的图像随机裁剪成Patch块,进行真伪判断,得到结果真伪矩阵后计算平均值,得到最终输出值；S4：提出反向学习PatchGAN结构；S5：当裁剪Patch块时,同时裁剪Patch块的反向块；S6：在原网络上进行生成器、判别器、损失函数的改进；S7：先将有雾图像集输入进生成网络中,将生成网络生成的无雾图像与现实中无雾图像同时输入判别网络中,判别真假,反复进行网络训练,得到生成对抗网络模型,最后在模型中输入测试图像,得到所需要的无雾图像。本发明还包括一种结合大气散射模型的生成对抗网络去雾的系统。
-
公开(公告)号：CN113771027A
公开(公告)日：2021-12-10
申请号：CN202110943699.5
申请日：2021-08-17
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于深度学习的双臂协作抓取方法，包括首先构建右臂抓取检测模型，通过数据集训练，来让模型达到识别未知物体的抓取位置的效果；通过在抓取检测模型的基础上加入通道剪枝训练，来得到一个轻量的左臂遮挡检测模型，大大加快检测速度；用相机采集操作画面，对图像进行尺寸上的变化和预处理，以便模型更好的操作；最后将检测到的信息按照一定逻辑通过ROS系统与机器人进行通信，以实现清除遮挡物、抓取物体的操作。本发明将深度学习与双臂协作的思想带入到非结构化的物体抓取中，提高了抓取的效率。同时由剪枝训练得到轻量级左臂遮挡检测模型，更进一步加快了操作的速度。
-
公开(公告)号：CN112733721A
公开(公告)日：2021-04-30
申请号：CN202110034453.6
申请日：2021-01-12
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于胶囊网络的表面肌电信号分类方法，采用窗口分析法对原始表面肌电信号预处理；提取信号中的特征，构成特征序列，并利用二维化方法，转换为特征矩阵；对原始信号进行简单的切割堆叠，从而产生二维信号矩阵；通过不同尺寸的卷积核将两种矩阵进行卷积，得到相同尺寸的特征图后进行通道叠加；将得到的抽象特征图送入到胶囊网络中训练，并保存网络权重。本发明改善了生成抽象特征的方法，准确率高，鲁棒性强，尤其是针对肌肉运动相近的动作。
-
公开(公告)号：CN112417770A
公开(公告)日：2021-02-26
申请号：CN202011448798.8
申请日：2020-12-09
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于多模态多目标粒子群优化算法的选址优化方法，包括：采用基于K‑means聚类方法的多种群来定位决策空间中更多的等价帕累托最优解集，并应用一种网格机制来探索决策空间中的高质量解。环境选择操作中加入两种操作，包括去除低效解与更新非支配解存档，目的是保持解的多样性，接近真正的非支配解并保持在目标空间的收敛性。本发明具有能在决策空间中找到更多的等价的帕累托最优解集，同时在决策空间中帕累托最优解集的多样性和目标空间中帕累托最优解集的收敛性之间保持一个良好的平衡的特点，能够更好地、高效地解决应用中的选址优化问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
