-
公开(公告)号：CN113297988A
公开(公告)日：2021-08-24
申请号：CN202110592716.5
申请日：2021-05-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于域迁移和深度补全的物体姿态估计方法，包括以下步骤：1）针对实验场景采集物体姿态估计真实数据集，利用仿真生成器生成物体姿态估计仿真数据集；2）基于领域自适应技术实现仿真数据到真实数据的迁移；3）利用迁移后的物体姿态估计数据集，训练基于感知融合的物体姿态估计网络；4）通过深度相机获取场景的颜色和深度信息，并补全深度信息；5）给定场景中的颜色图和补全后深度图，利用物体姿态估计训练结果，进行目标物体的姿态估计。本发明针对实物域制作数据集困难、深度相机获取深度信息失真等问题，通过域迁移来缓解数据采集与标注成本，使用深度补全来改善深度信息的质量，该方法具有对未知、复杂场景的泛化性能。
-
公开(公告)号：CN113297988B
公开(公告)日：2024-03-22
申请号：CN202110592716.5
申请日：2021-05-28
Applicant: 东南大学
IPC: G06V10/774 , G06V20/10 , G06V10/82 , G06N3/0464 , G06T7/13 , G06T7/50 , G06T7/90
Abstract: 本发明公开了一种基于域迁移和深度补全的物体姿态估计方法，包括以下步骤：1）针对实验场景采集物体姿态估计真实数据集，利用仿真生成器生成物体姿态估计仿真数据集；2）基于领域自适应技术实现仿真数据到真实数据的迁移；3）利用迁移后的物体姿态估计数据集，训练基于感知融合的物体姿态估计网络；4）通过深度相机获取场景的颜色和深度信息，并补全深度信息；5）给定场景中的颜色图和补全后深度图，利用物体姿态估计训练结果，进行目标物体的姿态估计。本发明针对实物域制作数据集困难、深度相机获取深度信息失真等问题，通过域迁移来缓解数据采集与标注成本，使用深度补全来改善深度信息的质量，该方法具有对未知、复杂场景的泛化性能。
-
公开(公告)号：CN119862937A
公开(公告)日：2025-04-22
申请号：CN202411734961.5
申请日：2024-11-29
Applicant: 东南大学
IPC: G06N3/096 , G06N3/042 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明涉及一种基于改进图像翻译神经网络的沥青混合料切片图迁移方法、装置及介质，其中方法包括：步骤S1：获取部分不同级配和集料的沥青混合料真实切片图；步骤S2：对获取的真实切片图进行裁剪，并基于裁剪后的真实切片图构建沥青混合料数据集；步骤S3：基于沥青混合料数据集分别构建训练集和测试集，并基于训练集训练对应的迁移模型，其中，迁移模型基于SIT‑GAN网络构建；步骤S4：利用测试集测试训练好的迁移模型；步骤S5：基于输入图片的集料和级配，结合待迁移的图片的集料和选择对应的迁移模型，并将输入图片输入至该迁移模型，得到由该迁移模型输出的迁移后的沥青混合料切片图。与现有技术相比，本发明具有增加了细集料、砂浆、孔隙等细节的感知力，提升了迁移模型对沥青混合料复杂的多尺度特征的感知、提取能力，改善了生成切片图的质量。
-
公开(公告)号：CN118016190A
公开(公告)日：2024-05-10
申请号：CN202410349444.X
申请日：2024-03-26
Applicant: 东南大学
Abstract: 本发明涉及一种基于随机森林的沥青混合料性能预测方法，包括：建立沥青混合料特征参数‑高温、低温、疲劳性能数据集；利用DBSCAN聚类算法剔除数据集中的离群点；随机森林模型以决策树为弱学习器，使用Bagging的集成策略组成随机森林强学习器，基于Python+Scikit‑learn框架建立随机森林模型，通过沥青混合料数据集训练随机森林模型；剔除重要性偏低的特征参数；使用网格搜索寻找模型最优的参数组合，并按此组合重新训练模型；采取折交叉验证评估模型的预测性能，利用通过验证的随机森林模型进行沥青混合料性能预测。与现有技术相比，本发明避免传统方法繁琐的试验测试，有效降低沥青混合料性能预测的成本，同时提升了模型的预测性能和泛化性。
-
-
-
Search Results
4
records
(took 0.014 seconds)
