-
公开(公告)号：CN117132937B
公开(公告)日：2024-12-06
申请号：CN202311140621.5
申请日：2023-09-06
Applicant: 东北大学佛山研究生创新学院 , 东北大学
IPC: G06V20/52 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/084
Abstract: 本发明提供一种基于注意力孪生网络的双通道行人重识别方法，包括：将图库图片和待识别的样本图片送入第一孪生网络进行显著特征提取，获取每张图片的浅层特征向量；对样本图片和图库图片的浅层特征向量进行相似性度量，计算第一孪生网络的损失L1，根据损失值得到相似性最高的k张图库图片；将k张图库图片与样本图片送入第二孪生网络中计算其损失L2；同时将样本图片和k张图库图片按照相似性顺序输入到双向长短期记忆网络计算上下语义特征向量和均方差损失L3，上下语义特征向量经聚合得到图片排序特征向量；将第二孪生网络的损失L2与图片排序特征向量进行融合并计算距离，再进行相似度聚合输出与待识别的样本图片最相似的图片列表。
-
公开(公告)号：CN118644895B
公开(公告)日：2025-03-07
申请号：CN202410782924.5
申请日：2024-06-18
Applicant: 东北大学 , 东北大学佛山研究生创新学院
IPC: G06V40/20 , G06V10/774 , G06V10/77 , G06V10/82
Abstract: 本发明的一种基于离散扩散模型的文本条件人体动作生成方法，包括：步骤1：获取人体3D关键点数据集；步骤2：采用人体3D关键点数据集对动作量化变分自编码器进行预训练，采用训练完的动作量化变分自编码器编码获得动作潜变量；步骤3：采用人体3D关键点数据集和动作潜变量对轻量化离散扩散模型进行训练；步骤4：将给定的文本条件输入到文本编码器，生成文本特征向量，将文本特征向量输入到训练好的轻量化离散扩散模型获得动作潜变量，将动作潜变量输入到训练好的动作量化变分自编码器，解码获得与给定的文本条件对应的3D关键点运动序列。
-
公开(公告)号：CN118314617B
公开(公告)日：2024-10-08
申请号：CN202410741153.5
申请日：2024-06-11
Applicant: 东北大学 , 东北大学佛山研究生创新学院
IPC: G06V40/16 , G06V10/82 , G06V20/40 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于分块多尺度卷积神经网络的微表情识别方法，包括：提供包括多个视频序列的数据集，视频序列包括起始帧和顶点帧；从数据集中选择一个视频序列作为待测样本；提供基于分块多尺度卷积神经网络；将待测样本输入基于分块多尺度卷积神经网络，基于分块多尺度卷积神经网络的光流特征提取模块根据待测视频生成四维光流特征向量；基于分块多尺度卷积神经网络的分块多尺度卷积模块根据四维光流特征向量生成识别结果。通过光流特征提取模块更准确地捕捉和强化微表情的动态特征，为识别过程提供丰富的信息源；分块多尺度卷积模块增强了对微妙面部变化的敏感度，从而提升微表情识别的准确性。
-
公开(公告)号：CN118644895A
公开(公告)日：2024-09-13
申请号：CN202410782924.5
申请日：2024-06-18
Applicant: 东北大学 , 东北大学佛山研究生创新学院
IPC: G06V40/20 , G06V10/774 , G06V10/77 , G06V10/82
Abstract: 本发明的一种基于离散扩散模型的文本条件人体动作生成方法，包括：步骤1：获取人体3D关键点数据集；步骤2：采用人体3D关键点数据集对动作量化变分自编码器进行预训练，采用训练完的动作量化变分自编码器编码获得动作潜变量；步骤3：采用人体3D关键点数据集和动作潜变量对轻量化离散扩散模型进行训练；步骤4：将给定的文本条件输入到文本编码器，生成文本特征向量，将文本特征向量输入到训练好的轻量化离散扩散模型获得动作潜变量，将动作潜变量输入到训练好的动作量化变分自编码器，解码获得与给定的文本条件对应的3D关键点运动序列。
-
公开(公告)号：CN118314617A
公开(公告)日：2024-07-09
申请号：CN202410741153.5
申请日：2024-06-11
Applicant: 东北大学 , 东北大学佛山研究生创新学院
IPC: G06V40/16 , G06V10/82 , G06V20/40 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于分块多尺度卷积神经网络的微表情识别方法，包括：提供包括多个视频序列的数据集，视频序列包括起始帧和顶点帧；从数据集中选择一个视频序列作为待测样本；提供基于分块多尺度卷积神经网络；将待测样本输入基于分块多尺度卷积神经网络，基于分块多尺度卷积神经网络的光流特征提取模块根据待测视频生成四维光流特征向量；基于分块多尺度卷积神经网络的分块多尺度卷积模块根据四维光流特征向量生成识别结果。通过光流特征提取模块更准确地捕捉和强化微表情的动态特征，为识别过程提供丰富的信息源；分块多尺度卷积模块增强了对微妙面部变化的敏感度，从而提升微表情识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117132937A
公开(公告)日：2023-11-28
申请号：CN202311140621.5
申请日：2023-09-06
Applicant: 东北大学佛山研究生创新学院 , 东北大学
IPC: G06V20/52 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/084
Abstract: 本发明提供一种基于注意力孪生网络的双通道行人重识别方法，包括：将图库图片和待识别的样本图片送入第一孪生网络进行显著特征提取，获取每张图片的浅层特征向量；对样本图片和图库图片的浅层特征向量进行相似性度量，计算第一孪生网络的损失L1，根据损失值得到相似性最高的k张图库图片；将k张图库图片与样本图片送入第二孪生网络中计算其损失L2；同时将样本图片和k张图库图片按照相似性顺序输入到双向长短期记忆网络计算上下语义特征向量和均方差损失L3，上下语义特征向量经聚合得到图片排序特征向量；将第二孪生网络的损失L2与图片排序特征向量进行融合并计算距离，再进行相似度聚合输出与待识别的样本图片最相似的图片列表。
-
公开(公告)号：CN118386759A
公开(公告)日：2024-07-26
申请号：CN202410522133.9
申请日：2024-04-28
Applicant: 东北大学
IPC: B60G17/0185
Abstract: 本发明提供一种基于动态事件触发机制的车辆悬挂系统故障容错控制方法，首先针对车辆的四个悬挂系统，提出了一种基于多智能体的车辆悬挂系统模型。为了提高车辆减振性能，在车辆悬挂系统的中心设计了一个虚拟领导者。将存储在云服务器中的道路信息作为虚拟领导者的输入，通过控制四个悬挂系统，优化实际车辆的驾驶性能。考虑到可能存在的执行器故障，提出了故障容错控制方案，建立增广系统，消除了故障对于系统性能的影响。同时，为了节省悬挂系统间的通信资源，建立动态事件触发机制，利用Lyapunov‑Krasovskill泛函方法，获取控制器增益矩阵，控制车辆悬挂系统，主动缓冲由不平路面传给车身的冲击力，保证汽车平顺地行驶。
-
公开(公告)号：CN117392021A
公开(公告)日：2024-01-12
申请号：CN202311474152.0
申请日：2023-11-08
Applicant: 东北大学
IPC: G06T5/77 , G06N3/09 , G06N3/0464 , G06N3/084
Abstract: 本发明的一种基于多尺度特征并行融合的水下实时图像增强网络，包括四个多尺度特征提取模块，多尺度特征提取模块包括感受野增强模块、细节优化模块和CBAM模块，感受野增强模块和细节优化模块的并行输出相加再通过CBAM模块处理后作为多尺度特征提取模块的输出；图像经过卷积处理后输入第一个多尺度特征提取模块，当前多尺度特征提取模块的输出与原图及之前所有阶段多尺度特征提取模块的输出进行通道维度上的堆叠作为下一个阶段的输入，网络模型形成稠密连接；图像经过多尺度特征提取模块进行特征提取后，输出到主任务头和辅助任务头，实现不同尺度上的监督。该水下实时图像增强网络利用极少的参数量就能够良好地满足实时性的需求。
-
公开(公告)号：CN116339354A
公开(公告)日：2023-06-27
申请号：CN202310125556.2
申请日：2023-02-16
Applicant: 东北大学
IPC: G05D1/06
Abstract: 本发明公开了一种马尔可夫跳变通信拓扑的水下机器人协同控制器设计方法，包括：设计多水下机器人系统，设计基于通信时滞及马尔可夫跳变通信拓扑结构的协同追踪控制器，设计包含水下机器人状态信息的李雅普诺夫函数及协同追踪控制器稳定性约束条件；基于李雅普诺夫函数的弱无穷小算子验证协同追踪控制器的稳定性，并计算协同追踪控制器的增益参数。本发明的控制器可使通信拓扑结构在发生马尔可夫跳变的情况下依然稳定协同追踪目标点，达到多水下机器人状态信息的一致性，同时可求解出控制器所需的必要参数。
-
公开(公告)号：CN117993102A
公开(公告)日：2024-05-07
申请号：CN202410170192.4
申请日：2024-02-06
Applicant: 东北大学
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06F18/10 , G06F119/14 , G06F113/08
Abstract: 本发明提供一种三自由度无人水面舰艇模型在线辨识方法，首先通过最小二乘支持向量机分别辨识出三个自由度的模型，分别是纵向速度模型、横向速度模型、转首角速度模型，然后在无人水面舰艇航行过程中，当某个模型的预测值和真实值之间的误差满足所设置的类PD(proportional and derivative‑like，类PD)事件触发条件时，采集当前时刻舰艇的状态量，将其添加进训练集，之后通过数据过滤窗结构对数据集进行过滤，并采用过滤后的数据集对该模型重新进行训练，最后将重新训练的模型更替上一时刻的模型。采用类PD事件触发结构和数据过滤窗结构，既能保持优异的建模性能，又能在计算资源消耗和模型精度之间实现更灵活的折中。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
