-
公开(公告)号:CN117437478A
公开(公告)日:2024-01-23
申请号:CN202311461008.3
申请日:2023-11-06
申请人: 湖南大学
IPC分类号: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/094 , G06N3/0475 , G06N3/084 , G06N3/0464 , G06V10/26
摘要: 本申请公开了一种基于前景激活和语义独立的跨域目标检测方法,先使用多尺度特征聚合对齐模块来捕获并聚合特征提取层中不同尺度的图像级特征进行对抗训练,然后使用前景注意力激活模块输出训练图像的前景目标注意力图,输入到前景区域加权对齐模块内,对图像级聚合特征加权对齐,最后截取目标对象单个实例特征,输入到类别语义独立域判别器中,引导实例特征在判别器各个预测管道处完成不同类别实例特征的语义分离独立,并在对应类别预测输出管道处进行特征域对抗训练以增强同类实例特征的域间混淆性,从而为单阶段目标检测器实现前景区域加权和类别语义独立的域自适应训练,在前景区域和类别语义层面实现检测器鲁棒的知识迁移。
-
公开(公告)号:CN117202269A
公开(公告)日:2023-12-08
申请号:CN202311200858.8
申请日:2023-09-18
申请人: 湖南大学
摘要: 本申请公开了一种基于串行任务分解的边缘分层主动缓存方法及系统,其引入任务分解的思想,将边缘主动缓存问题分解为“是否需要优化当前缓存队列”(子问题1)以及“如果需要,如何优化缓存队列”(子问题2)两个子问题。通过上层智能体决策子问题1,保证较高缓存命中率的同时,尽可能减少内容在短时间内被重复删除、缓存,降低传输成本。通过下层智能体决策子问题2,当上层决策需要删除/缓存后,选出最佳删除/缓存内容,实现高命中率。同时,遵循从简单到困难的课程学习过程,下层智能体的任务相较于上层智能体优化目标少,训练难度更低,因此考虑从下层到上层的分层训练顺序。
-
公开(公告)号:CN118864630A
公开(公告)日:2024-10-29
申请号:CN202410876040.6
申请日:2024-07-02
申请人: 湖南大学
IPC分类号: G06T11/00 , G06V20/70 , G06V20/56 , G06V10/25 , G06V10/44 , G06V10/80 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/0495 , G06N3/094 , G06N3/096
摘要: 本发明公开了一种基于CycleGAN的晴雪天气图像数据风格迁移系统,包括:网络构建模块构建基于CycleGAN的晴雪天气图像数据风格迁移模型;掩码模块根据输入图像的图像注释信息创建掩码,掩码与输入图像叠加后输入教师网络与学生网络边缘检测;输入图像经第一生成器进行风格迁移得到生成图像,生成图像与掩码叠加后输入学生网络边缘检测;生成图像经第二生成器生成重建图像,重建图像与掩码叠加输入学生网络边缘检测;模型训练模块对构建的晴雪天气图像数据风格迁移模型进行训练;推理模块接收晴朗天气图像,生成对应的雪天图像。本发明能够解决现有风格迁移技术在晴雪天气图像数据风格迁移中存在的对象丢失的技术问题。
-
公开(公告)号:CN118534485A
公开(公告)日:2024-08-23
申请号:CN202410276148.1
申请日:2024-03-12
申请人: 湖南大学
摘要: 本发明公开了一种基于智能网联车辆的露天矿山边坡塌陷监测系统和方法,包括:实时边坡监测单元,其用于在自动驾驶矿用卡车常规作业过程中,使用车载激光雷达与车载相机实时进行边坡几何结构检测与地因、人因检测,并将检测结果进行联合分析,以判断边坡是否失稳;实时边坡监测单元具体包括:边坡几何结构检测子单元,其用于根据车载激光雷达捕捉到的边坡场景点云帧,对边坡几何结构进行检测;本发明能够利用智慧矿山环境下的自动驾驶矿用卡车感知系统对矿山边坡进行失稳监测与演化分析。
-
公开(公告)号:CN116595769A
公开(公告)日:2023-08-15
申请号:CN202310567088.4
申请日:2023-05-19
申请人: 湖南大学
IPC分类号: G06F30/20
摘要: 本发明公开了一种传感器结构复用设计方法、装置、计算机设备及存储介质,所述方法包括:根据功能复杂度、调用频率以及预估配置成本评估各项功能,确定功能设计排序;构建权衡感知性能与系统成本的传感器配置设计优化模型,并基于各类多目标优化算法进行求解;基于传感器结构复用,按照功能设计排序遍历所有功能;对传感器配置方案进行去冗余。本发明同时满足多个功能探测需求的前提下能够降低传感器数量,提高了传感器硬件资源利用率,降低了设计上的冗余浪费,节省了设计成本。
-
公开(公告)号:CN116633936A
公开(公告)日:2023-08-22
申请号:CN202310370158.7
申请日:2023-04-10
申请人: 湖南大学
IPC分类号: H04L67/1001 , H04L67/12 , H04L67/61 , G06F9/50 , G06N3/092
摘要: 本发明公开了一种多智能体强化学习车联网计算卸载方法,包括以下步骤:步骤S1,构建系统模型;步骤S2,构建通信模型;步骤S3,构建任务与计算模型;步骤S4,构建能耗模型;步骤S5,构建优化模型并建立马尔可夫决策过程;步骤S6,使用MADDPG算法对优化模型进行神经网络训练;步骤S7,将完成训练的网络部署到各个智能体中。本发明通过将车联网系统中的服务车辆和MEC服务器也作为强化学习中的智能体进行资源分配的决策,并使用多智能体强化学习的方式让各智能体得到自己的策略网络,训练完成后,各智能体无需过多的通信就能够根据当前的局部信息快速输出自己的动作,能够应对快速变化的车联网环境,能够降低系统的能耗。
-
公开(公告)号:CN116358520A
公开(公告)日:2023-06-30
申请号:CN202310255617.7
申请日:2023-03-16
申请人: 湖南大学
IPC分类号: G01C21/00
摘要: 本发明公开了一种人机多节点协同语义激光SLAM方法,包括:步骤一:设置节点端、协作端以及服务端;步骤二:采集点云数据,提取语义信息,构建局部语义地图;步骤三:服务端进行语义特征匹配,根据位姿和语义信息生成地图融合矩阵;步骤四:通过地图融合矩阵融合各局部语义地图,建立全局地图;步骤五:将全局地图传输至节点端以及协作端;步骤六:节点端重新提取特征以修正全局地图位姿;步骤七:协作端采集地图区域几何真值并上传至服务端,辅助优化全局地图。本发明的有益效果:根据语义信息构建的协同全局地图,充分利用了协同和语义SLAM的优势,融合了更多的局部信息,使得场景地图的构建精度大幅度提升。
-
-
-
-
-
-