-
公开(公告)号：CN114463582A
公开(公告)日：2022-05-10
申请号：CN202210086708.8
申请日：2022-01-25
Applicant: 上海工程技术大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种用于处理不平衡数据的图像识别方法和装置，方法包括将图像数据输入至不平衡识别网络中，得到分类结果，其中不平衡识别网络建立方法如下：建立双分支网络，将带有分类标签的不平衡数据训练集输入双分支网络，同时次分支网络将图像数据以多个角度进行旋转，得到不同角度的图像数据，并将角度作为不同角度的图像数据的第二标签；对分类标签和第二标签进行平滑处理；将带有平滑处理后的两种标签的不平衡数据训练集输入双分支网络，训练双分支网络；双分支网络训练完成后，单独输出主分支网络作为不平衡识别网络。与现有技术相比，本发明具有流程简洁、对于不平衡数据的识别精度高等优点。
-
公开(公告)号：CN110008828B
公开(公告)日：2021-12-07
申请号：CN201910129342.6
申请日：2019-02-21
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于差异正则化的成对约束成分分析度量优化方法，包括：步骤S1：用摄像头采集多张行人图片形成训练样本集，提取每张样本图片中行人目标的颜色特征，形成一个d维的特征向量xi，最终构成一个包含N个d维特征向量的训练集，其中，N为样本图片的数目；步骤S2：对训练集中的特征向量进行降维处理；步骤S3：计算降维后的样本之间的欧氏距离，并基于各训练样本与测试样本之间的欧氏距离，将训练样本分为正样本和负样本；步骤S4：通过对目标优化函数增加差异正则化项，并基于约束条件创建优化问题；步骤S5：使用梯度下降法求解优化问题。与现有技术相比，本发明具有避免过拟合现象的发生，提高度量学习算法的泛化能力等优点。
-
公开(公告)号：CN118838404A
公开(公告)日：2024-10-25
申请号：CN202410807855.9
申请日：2024-06-21
Applicant: 上海工程技术大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明涉及一种基于灵活子辅助任务的多目标进化无人机路径规划方法，采用基于灵活子辅助任务的多目标进化算法，对以多个无人路径的总长度和无人机安全系数为目标的无人机路径规划多目标优化问题进行多无人机路径的规划；计算种群个体的目标函数值，获取种群中最佳个体和最佳适应度函数值；通过竞争协作粒子群算子更新约束处理主任务与大规模主任务分别对应个体；根据当前迭代次数计算当前灵活子任务因子并激活对应子辅助任务，更新对应子辅助任务种群个体位置；基于迭代得到最佳个体确定无人机路径B样条曲线的控制点，进而得出多个无人机的路径。本发明可以最小化多无人机路径的总长度和飞行路径中的危险系数，从而给出近似最优的路径规划方案。
-
公开(公告)号：CN118760172A
公开(公告)日：2024-10-11
申请号：CN202410901198.4
申请日：2024-07-05
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于多目标免疫优化算法的多机器人路径规划方法、设备及介质，该方法包括：S1、对园区场景进行地图建模，将展览馆区域和不可进入区域抽象为凸多边形障碍物，初始化机器人站和巡逻点；S2、将机器人总巡逻路径长度和机器人之间路径长度的标准差作为目标函数，对博览会园区的多机器人巡逻问题进行数学建模；S3、根据园区场景的地图建模信息，采用PCM‑VRAOA算法计算路径代价矩阵；其中，所述路径代价矩阵中存储有所有巡逻点间避障节点和路径长度；S4、采用多目标免疫算法对路径代价矩阵进行优化，输出博览会园区多机器人巡逻路径规划结果。与现有技术相比，本发明具有路径规划计算复杂度低等优点。
-
公开(公告)号：CN118747912A
公开(公告)日：2024-10-08
申请号：CN202410808511.X
申请日：2024-06-21
Applicant: 上海工程技术大学
IPC: G06V40/20 , G06V20/40 , G06N3/0464 , G06N3/045 , G06N3/042 , G06N3/0895 , G06V10/82 , G06V20/52 , G06V40/10
Abstract: 本发明涉及一种基于时间‑空间掩码重建机制的辅助训练及骨架动作识别方法，步骤包括：使用时空图卷积网络处理骨架节点的三维坐标数据组成的骨架训练数据集，得到关于骨架节点的特征表示；分别在特征表示的时间维度和空间维度上进行随机掩码处理，聚合未掩码的特征表示，使用多层感知机对聚合的特征重建生成预测的节点坐标，并分别计算重建的节点坐标与原始坐标之间的平均绝对误差作为时间掩码损失，计算重建的节点坐标与原始坐标之间的平均绝对误差作为空间掩码损失；根据时间掩码重建损失和空间掩码重建损失完成对图卷积网络模型自监督训练。与现有技术相比，本发明能够有效的辅助图卷积网络模型捕获骨架数据中的时空依赖关系，增强模型性能。
-
Patent Agency Ranking
公开(公告)号：CN118196739A
公开(公告)日：2024-06-14
申请号：CN202410293813.8
申请日：2024-03-14
Applicant: 上海工程技术大学 , 上海海达通信有限公司
IPC: G06V20/56 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于对抗性伪装模型的自动驾驶目标检测方法及系统，该方法包括：构建对抗性伪装模型生成用于自动驾驶目标检测的对抗性样本；其中，所述对抗性伪装模型包括对抗性纹理渲染模块和模型注意力分散模块；利用生成的对抗性样本对深度神经网络模型进行训练；采用训练好的深度神经网络模型进行自动驾驶目标检测。与现有技术相比，本发明通过对抗性伪装模型生成的对抗性样本对深度神经网络模型进行训练，提升了在现实世界中自动驾驶目标检测的安全性和可靠性。
-
公开(公告)号：CN118116079A
公开(公告)日：2024-05-31
申请号：CN202410298594.2
申请日：2024-03-15
Applicant: 上海工程技术大学 , 上海旭正医学科技有限公司
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06V20/40
Abstract: 本发明涉及一种基于骨架的危险行为识别方法及系统，该方法包括：获取实时人体骨架数据；将实时人体骨架数据输入到FK‑ResGCN危险行为识别模型中进行危险动作识别；其中，所述FK‑ResGCN危险行为识别模型在图卷积神经网络基础上添加三个模块：残差网络模块，对歧义模糊行为进行细粒度划分的歧义模糊行为再区分模块，以及非线性升维的动力学矩阵动态匹配池化模块。与现有技术相比，本发明具有识别准确性高的优点。
-
公开(公告)号：CN116452864A
公开(公告)日：2023-07-18
申请号：CN202310334324.8
申请日：2023-03-30
Applicant: 上海工程技术大学
IPC: G06V10/764 , G06V10/20 , G06V10/774 , G06V10/40 , G06V10/766 , G06V10/82 , G06N3/0985
Abstract: 本发明涉及一种小样本图像分类方法、设备及存储介质，该方法包括：采用特征提取网络对小样本图像进行特征提取，得到特征向量；构建参数优化学习模型，将特征向量转化为分类器参数；在互斥的小样本图像训练集与测试集中，对参数优化学习模型的分类器参数进行设定轮次的训练，得到参数化后的基学习器；对参数化后的基学习器引入新的元参数进行优化与更新，采用优化后的元学习模型实现小样本图像分类。与现有技术相比，本发明具有分类准确率高的优点。
-
公开(公告)号：CN112926403A
公开(公告)日：2021-06-08
申请号：CN202110131859.6
申请日：2021-01-30
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于层次聚类与困难样本三元组的无监督行人重识别方法，包括：1)将行人图像集合划分为训练集和测试集；2)初始化标签；3)将训练集输入CNN模型中，提取行人特征，进行模型训练；4)对行人特征进行层次聚类，分配到簇中；5)根据簇类别进行抽样，得到新的训练集；6)根据困难样本三元组损失函数，对新的训练集进行微调；7)根据训练集的平均轮廓系数，判断返回步骤3)或是判定出最佳CNN模型；9)将测试集载入最佳CNN模型中获取行人重识别结果。与现有技术相比，本发明不但可以解决无标签的数据集行人重识别中个体数目无法确定的问题，同时降低了不同类的高度相似样本被聚到一类的概率，使模型的识别性能得到较大的提高。
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.029 seconds)
