-
公开(公告)号:CN118314339A
公开(公告)日:2024-07-09
申请号:CN202410344151.2
申请日:2024-03-25
Applicant: 华南理工大学
IPC: G06V10/26 , G06V10/24 , G06V10/764 , G06V10/774 , G06V10/75 , G06V10/40
Abstract: 本发明公开了一种细粒度视觉语言对齐对比学习实现方法、装置及介质,属于点云开放词汇分割技术领域。方法使用掩码对区域点云数据进行连续性遮掩,构造出有益于模型学习点云数据上下文的掩码特征,以此能保留具有判别力的视觉信息;采用本发明提出的细粒度文本语言对齐训练方法,使得模型可以学习到更细粒度的视觉‑语言之间的关联,提升点云模型特征空间和文本特征空间的匹配度,最终实现点云分割模型在无标注场景下,语义分割的性能。本发明解决了无标注、点云结构十分复杂场景下的开放词汇点云语义分割问题,可广泛运用于大规模3D视觉理解的应用场景,打破了全监督点云分割方法对于稠密且昂贵标注的强依赖性,增加了点云分割模型的适用范围。
-
公开(公告)号:CN117521846A
公开(公告)日:2024-02-06
申请号:CN202311382946.4
申请日:2023-10-23
Applicant: 华南理工大学 , 深圳市腾讯计算机系统有限公司
IPC: G06N20/00
Abstract: 本发明公开了一种面向离线强化学习的在线自适应方法、系统、装置及介质,属于离线强化学习策略部署领域。其中方法包括:获取在线状态数据s并存入缓冲区中;计算在线状态数据s经过离线策略的动作熵,并筛选出置信样本;利用置信样本微调离线策略中的预设参数,以适应在线环境分布的变化;使用最小化动作熵作为损失函数来反向传播更新离线策略参数,从而使得离线策略能适应各种在线环境分布的偏移;使用KL散度来约束离线策略,避免参数更新的幅度过大,以防止模型坍塌。本发明在测试阶段,利用置信状态数据s来进一步微调离线强化学习策略,以适应在线环境分布的变化。另外,使用KL散度来约束离线策略,避免参数更新幅度过大。
-
公开(公告)号:CN111126238B
公开(公告)日:2023-06-20
申请号:CN201911316782.9
申请日:2019-12-19
Applicant: 华南理工大学
IPC: G06V20/50 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/94 , G06F16/2458 , G06F16/248 , G06Q50/26
Abstract: 本发明公开的一种基于卷积神经网络的X光安检系统,包括依次连接的X光安检模块、图像获取模块、后端服务器、显示模块;X光安检模块用于获取物品的X光图像,并将X光图像传递至图像获取模块;图像获取模块用于从X光安检模块图像输出接口获取待测物品的X光图像,将X光图像转换为安检系统所接受的数据格式,并将该数据格式的X光图像传输到后端服务器;后端服务器用于将X光图像进行危险品检测,得到检测结果,并传输到显示模块;显示模块用于人机交互并显示检测结果以及对检测出的危险品进行报警提醒;定期进行复检持续更新危险品检测模型的参数,本发明充分考虑到安检过程实时性、准确性的要求,具有广阔的应用前景。
-
-