-
公开(公告)号：CN116842998A
公开(公告)日：2023-10-03
申请号：CN202310598533.3
申请日：2023-05-25
Applicant: 同济大学
IPC: G06N3/0464 , G06N3/048 , G06N3/063 , G06N3/08
Abstract: 本发明提出一种基于分布式优化的多FPGA协同训练神经网络方法，以上位机作为核心控制模块，利用以太网与FPGA通信，分配训练数据，最后回收训练参数；通过在单台FPGA上搭建卷积神经网络的训练单元，其包括神经网络基础单元的计算模块、控制运算的指令模块、以RAM作为缓存区的DDR‑RAM存储模块和以交叉熵函数为损失函数，建立目标协同优化全局目标函数，通过BP算法用梯度下降法更新训练参数的神经网络训练模块；在不同FPGA之间通过UART串口建立通信连接，传输必要的训练开始和结束的握手信号。通过对多台FPGA进行协同控制，并基于分布式优化算法进行卷积神经网络的训练，充分发挥了FPGA底层并行计算和低功耗的优势，并且兼容性较好，有利于推动CNN加速器技术的应用与进步。
-
公开(公告)号：CN112801209B
公开(公告)日：2022-10-25
申请号：CN202110218021.0
申请日：2021-02-26
Applicant: 同济大学
IPC: G06V10/764 , G06V10/774 , G06N5/00
Abstract: 本发明涉及一种基于双特长教师模型知识融合的图像分类方法及存储介质，其中图像分类方法包括：步骤1：通过调整训练数据分布分别对两个特长教师模型进行训练，获得双特长教师模型；步骤2：对于双教师模型的不同层特征采用基于注意力转移的逐层融合方式进行融合，训练时分别对教师模型和学生模型计算注意力特征图，通过注意力特征损失函数对学生模型的特征层进行约束；步骤3：采用选择性知识传递机制对教师模型特征进行选择性传递；步骤4：对双教师模型进行融合训练，获取目标模型；步骤5：使用步骤4获取的目标模型进行图像分类。与现有技术相比，本发明具有目标模型获取速度快、学生模型性能好等优点。
-
公开(公告)号：CN112975967B
公开(公告)日：2022-06-28
申请号：CN202110217089.7
申请日：2021-02-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于模仿学习的服务机器人定量倒水方法及存储介质，其中定量倒水方法包括：步骤1：获取人类专家定量倒水示范数据；步骤2：利用步骤1获取示范数据训练奖励函数输出网络；步骤3：搭建定量倒水决策网络，基于奖励函数输出网络，在复杂非结构化场景中利用强化学习算法学习定量倒水动作，获得目标决策网络；步骤4：使用训练好的目标决策网络驱动服务机器人完成定量倒水服务。与现有技术相比，本发明具有部署复杂度低、鲁棒性好、泛化性能好等优点。
-
公开(公告)号：CN112975967A
公开(公告)日：2021-06-18
申请号：CN202110217089.7
申请日：2021-02-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于模仿学习的服务机器人定量倒水方法及存储介质，其中定量倒水方法包括：步骤1：获取人类专家定量倒水示范数据；步骤2：利用步骤1获取示范数据训练奖励函数输出网络；步骤3：搭建定量倒水决策网络，基于奖励函数输出网络，在复杂非结构化场景中利用强化学习算法学习定量倒水动作，获得目标决策网络；步骤4：使用训练好的目标决策网络驱动服务机器人完成定量倒水服务。与现有技术相比，本发明具有部署复杂度低、鲁棒性好、泛化性能好等优点。
-
公开(公告)号：CN117612700A
公开(公告)日：2024-02-27
申请号：CN202311212843.3
申请日：2023-09-19
Applicant: 同济大学
IPC: G16H50/20 , G06F16/36 , G06F18/214 , G06T7/00
Abstract: 本发明提出一种基于知识图谱的可控肺部CT影像生成系统，包括4个功能模块：肺部CT影像及诊断数据采集模块、肺部CT影像学诊断知识图谱构建模块、基于知识图谱的可控肺部CT影像生成模型训练模块、基于知识图谱的可控肺部CT影像生成采样模块。该系统提出一种以知识表征为控制信息的条件生成对抗网络框架，通过异构图表征网络，从依据专家知识构建的肺部CT影像学诊断知识图谱中提取各病例节点的知识表征，将其作为控制信息输入生成器，另一方面，判别器会依据生成图像与控制信息的匹配度，给出条件判别损失，与常规的真伪判别损失加和，联合监督生成器的训练，确保生成的图像能够真实且忠实得呈现控制信息指定的语义。
-
Patent Agency Ranking
公开(公告)号：CN116958262A
公开(公告)日：2023-10-27
申请号：CN202310976771.3
申请日：2023-08-04
Applicant: 同济大学
IPC: G06T7/73 , G06T7/13 , G06N3/0455
Abstract: 本发明提供一种基于单张RGB图像的6dof物体位姿估计方法，属于计算机视觉和计算机图形学技术领域，包括对RGB图像的特征提取、三维点云重建和位姿估计三个步骤。特征提取通过搭建特征提取网络架构实现。三维点云重建是先根据物体具有的各种低层次(几何学、反射率)和高层次(连接性、对称性)的特性，得到物体的中间信息，再进一步生成物体的3D点云模型。位姿估计是使用一个异构网络分别处理RGB数据和点云数据，通过融合网络整合两种数据的特征，从而预测物体的位姿信息。本发明所提出的6dof物体位姿检测方法重点针对数据量小、RGBD数据格式不易获取、无物体3D模型等问题，能够保证目标物体位姿检测的准确性和可泛化性，可以有效应用于现实场景。
-
公开(公告)号：CN116306947A
公开(公告)日：2023-06-23
申请号：CN202310090294.0
申请日：2023-02-09
Applicant: 同济大学
Abstract: 本发明提供一种基于蒙特卡洛树探索的多智能体决策方法，属于任务规划技术领域，包括1：基于分布式部分观测马尔可夫决策过程对多智能体决策任务进行建模；2：基于模型初始化蒙特卡洛树；3：在预设的时间内采用上限置信区间算法进行树内探索，采用随机策略对树外进行探索，拓展蒙特卡洛树节点，并根据产生的奖励更新蒙特卡洛树节点价值；4：根据已经构建的蒙特卡洛树进行多智能体决策，并对蒙特卡洛树进行剪枝，更新根节点的信念值，重复S3‑S4，直至任务完成。本发明中，采用在线探索方法，可以在有限的时间内取得Dec‑POMDP模型的近似解；对不同的智能体分别建立独立的蒙特卡洛树，降低了探索空间，加大了探索深度，提供了更好的求解质量。
-
公开(公告)号：CN112809689A
公开(公告)日：2021-05-18
申请号：CN202110217079.3
申请日：2021-02-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于语言引导的机械臂动作元模仿学习方法及存储介质，元模仿学习方法包括：基于采样控制策略引导机械臂创建示教数据；构建语言提示函数，根据当前子目标输出提示语言，引导机械臂修正当前动作；使用深度神经网络构建机械臂控制网络，基于元模仿学习的学习范式，训练控制网络自主学习自然语言指令中的关键字语义信息和像素空间的对应关系，并在测试中能够通过人的语言提示来快速适应新的任务目标和应用场景，实现更精准的机械臂动作预测。与现有技术相比，本发明具有部署复杂度低、任务完成精度高等优点。
-
公开(公告)号：CN112801209A
公开(公告)日：2021-05-14
申请号：CN202110218021.0
申请日：2021-02-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于双特长教师模型知识融合的图像分类方法及存储介质，其中图像分类方法包括：步骤1：通过调整训练数据分布分别对两个特长教师模型进行训练，获得双特长教师模型；步骤2：对于双教师模型的不同层特征采用基于注意力转移的逐层融合方式进行融合，训练时分别对教师模型和学生模型计算注意力特征图，通过注意力特征损失函数对学生模型的特征层进行约束；步骤3：采用选择性知识传递机制对教师模型特征进行选择性传递；步骤4：对双教师模型进行融合训练，获取目标模型；步骤5：使用步骤4获取的目标模型进行图像分类。与现有技术相比，本发明具有目标模型获取速度快、学生模型性能好等优点。
-
公开(公告)号：CN112053357A
公开(公告)日：2020-12-08
申请号：CN202011034750.2
申请日：2020-09-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于FPN的钢材表面瑕疵检测方法，包括：步骤1：获取数据集并对数据集进行划分，同时获取数据集中图像对应的瑕疵标签，构成标签集；步骤2：对数据集进行预处理；步骤3：构建基于FPN的钢材表面瑕疵检测模型；步骤4：对瑕疵检测模型进行训练；步骤5：对完成训练的瑕疵检测模型进行测试，判断模型精度是否达到预设阈值，若是，则执行步骤7，否则，返回步骤5；步骤6：使用瑕疵检测模型对钢材表面进行瑕疵检测，获取检测结果，并对检测结果进行可视化处理。与现有技术相比，本发明具有精确、高效、端到端、检测精度高等优点。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.025 seconds)
