公开(公告)号：CN113021017A

公开(公告)日：2021-06-25

申请号：CN202110294938.9

申请日：2021-03-19

Applicant: 中国科学院自动化研究所

Inventor： 马利平 ,  刘希龙 ,  魏世丞 ,  刘浩洲 ,  王博 ,  王玉江 ,  郭蕾

IPC: B23Q1/25 ,  B23Q1/64 ,  B23Q17/24 ,  B23Q17/20 ,  B25J15/04 ,  G01B11/00

Abstract: 本发明属于智能制造技术领域，具体涉及一种随形自适应智能3D检测与加工系统，旨在解决现有技术中复杂形面零部件加工装置适应性和兼容性低、加工精度差、智能化低的问题。本申请提供的随形自适应智能3D检测与加工系统可实现五轴随形检测+八轴自随形自适应加工模式、八轴随形检测+五轴随形自适应加工模式、多轴随形检测+九轴随形自适应加工三种工作模式自由切换。通过多轴联动设计、多模式工艺切换、智能化控制系统开发等技术，可实现复杂形面零部件随形自适应智能3D检测与加工。

公开(公告)号：CN111598167A

公开(公告)日：2020-08-28

申请号：CN202010418929.1

申请日：2020-05-18

Applicant: 中国科学院自动化研究所

Inventor： 王博 ,  李兵 ,  胡卫明 ,  原春锋

IPC: G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种基于图学习的小样本图像识别方法及系统，所述图像识别方法包括：获取源域样本图像数据集；以各样本图像作为节点，建立无向带权图；基于特征生成模型提取各样本图像的基础特征向量；对各节点之间执行信息的传递和聚合，得到优化特征向量；基于优化特征向量，建立图像识别模型；根据所述优化特征向量，建立对比损失函数；采用随机梯度下降方法优化图像识别模型的参数直到对比损失函数收敛，以确定面向小样本图像的识别模型；根据面向小样本图像的识别模型，确定待测样本图像的所属类别。通过学习出来的识别模型在小样本场景下可以放大异类样本的类间差异，缩小同类样本的类内差异，极大提升了小样本识别的准确率。

公开(公告)号：CN108664902B

公开(公告)日：2020-08-25

申请号：CN201810367098.2

申请日：2018-04-23

Applicant: 中国科学院自动化研究所

Inventor： 李兵 ,  胡卫明 ,  张靖 ,  王博

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及视频分类领域，提出了一种基于深度学习的端到端的视频拷贝检测方法，旨在解决在视频拷贝检测中，两段视频中存在多处拷贝片段的检测困难，及无法准确定位拷贝视频片段的位置等问题。该方法的具体实施方式包括：对用于进行视频拷贝检测的两段待检测视频进行镜头分割以选取关键帧；利用预先构建的拷贝关系识别模型对所选取出的多个关键帧进行识别，确定各关键帧之间的拷贝关系；根据所得到的各关键帧之间的拷贝关系，构建两段上述待检测视频全部关键帧的贝关系矩阵；将该拷贝关系矩阵作为预先构建的定位识别模型的输入，定位两段所述待检测视中含有拷贝关系的片段。本发明能够快捷、高效地检测出两段视频中存在的多处拷贝关系的视频片段。

公开(公告)号：CN118780985A

公开(公告)日：2024-10-15

申请号：CN202411259633.4

申请日：2024-09-10

Applicant: 中国科学院自动化研究所

Inventor： 王博 ,  罗冠 ,  王有文 ,  赵鹏鹏 ,  李兵 ,  胡卫明

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种图像重建方法、模型训练方法、装置、设备、介质及产品，可以应用于图像超分辨率重建领域。图像重建方法包括：对存在质量损失的退化图像进行特征提取，得到表征图像底层细节的底层图像特征和表征图像退化信息的隐式退化特征；利用隐式退化特征调节器分别对隐式退化特征进行通道级和空间级的扩展；将扩展后的隐式退化特征融入到底层图像特征中，分别得到融合了图像退化信息的通道图像特征和空间图像特征；将通道图像特征和空间图像特征进行特征融合并引入底层图像特征，以对退化图像的高频细节进行恢复；将进行细节恢复后得到的图像特征输入图像超分辨率模块中，输出重建的目标图像，其中，目标图像的分辨率高于退化图像。

公开(公告)号：CN111598167B

公开(公告)日：2023-04-07

申请号：CN202010418929.1

申请日：2020-05-18

Applicant: 中国科学院自动化研究所

Inventor： 王博 ,  李兵 ,  胡卫明 ,  原春锋

IPC: G06F18/21 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及一种基于图学习的小样本图像识别方法及系统，所述图像识别方法包括：获取源域样本图像数据集；以各样本图像作为节点，建立无向带权图；基于特征生成模型提取各样本图像的基础特征向量；对各节点之间执行信息的传递和聚合，得到优化特征向量；基于优化特征向量，建立图像识别模型；根据所述优化特征向量，建立对比损失函数；采用随机梯度下降方法优化图像识别模型的参数直到对比损失函数收敛，以确定面向小样本图像的识别模型；根据面向小样本图像的识别模型，确定待测样本图像的所属类别。通过学习出来的识别模型在小样本场景下可以放大异类样本的类间差异，缩小同类样本的类内差异，极大提升了小样本识别的准确率。