-
公开(公告)号：CN108197711A
公开(公告)日：2018-06-22
申请号：CN201711328671.0
申请日：2017-12-13
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于人工智能和认知神经科学综合领域，具体涉及一种基于类脑多感觉注意切换的计算方法，即为了解决在多感官信息的输入的环境下更加可靠的信息的选择问题，该方法包括：S1、基于大脑视觉皮层模型进行数字图像的内容识别，得到视觉数字序列；S2、基于大脑听觉皮层模型进行数字音频的内容识别，得到听觉数字序列；S3、基于数字序列，采用数字推理模型分别进行数字归纳推理，计算数字序列之间的规律并存储；S4、基于视觉-听觉注意切换模型，选择权重较高的信息作为当前可靠的模态信息进行推理计算，得出识别结果。本发明能够同时完成视觉、听觉、推理、注意切换等一系列类人行为，在不同的环境下准确选择可靠的信息进行进一步处理。
-
公开(公告)号：CN108182473A
公开(公告)日：2018-06-19
申请号：CN201711319211.1
申请日：2017-12-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及类脑神经网络领域，提出了一种基于类脑脉冲神经网络的全尺度分布式全脑模拟系统，旨在解决在类脑模拟中缺乏多种尺度和多种规模建模方法，以及建模和模拟耦合的问题。该系统的具体实施方式包括：用户建模层单元、模型层单元、中间抽象层单元和模拟层单元，在用户建模层单元，用户可以利用建模脚本语言，基于全脑模型建模。在模型层单元，系统保存内置模型和用户构建模型，并转换成中间抽象。在中间抽象层单元，系统组合中间抽象并转换成运行时格式。在模拟层单元，系统读取运行时格式模拟运行，并与用户实时互动。该发明实现了在不同的尺度下对多种尺度的神经网络模型的建模和模拟，并与硬件设计融合，提高了类脑模型的可移植性。
-
公开(公告)号：CN106651921A
公开(公告)日：2017-05-10
申请号：CN201611046531.X
申请日：2016-11-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及了运动检测方法及跟踪运动目标的方法。其中运动检测方法包括：获取图像序列；确定图像序列中运动目标在三维时空空间中不同三维时空方向对应的运动响应；对运动目标在所述三维时空空间中不同三维时空方向对应的运动响应进行投影，采用空间平面上最大化投影方法，得到运动目标的最大空间运动响应；基于运动目标的最大空间运动响应，采用所有空间方向上最大化空间运动响应的方法，得到运动目标的方位。本发明实施例通过采用上述技术方案解决了如何准确地对特定方向、特定速度的运动做出响应的技术问题，实现了整体的运动处理流程。
-
公开(公告)号：CN109919978B
公开(公告)日：2021-03-16
申请号：CN201910170679.1
申请日：2019-03-07
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种受丘脑注意机制调控的多层视皮层信息融合的视觉跟踪方法及系统，所述视觉跟踪方法包括：从视频中的第一帧中获取待跟踪目标以及位置标签；基于预训练卷积神经网络模型，获取第一帧中待跟踪目标的不同卷积层的特征；根据位置标签，构建高斯标签；通过相关滤波得到各卷积层的模板；针对新的一帧，在前一帧的中心中裁剪出待搜索区域，利用相关滤波，以及各卷积层的模板，得到各卷积层的响应；利用空间注意机制以及时间注意机制动态调整其他层的响应的权重；根据调整后的其他层的权重，确定待跟踪目标的所在位置。本发明对于不同视皮层分配不同的权重，将不同层视觉特征去动态组合到一起，实现视觉跟踪性能的有效提升。
-
公开(公告)号：CN106651921B
公开(公告)日：2020-02-04
申请号：CN201611046531.X
申请日：2016-11-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及了运动检测方法及跟踪运动目标的方法。其中运动检测方法包括：获取图像序列；确定图像序列中运动目标在三维时空空间中不同三维时空方向对应的运动响应；对运动目标在所述三维时空空间中不同三维时空方向对应的运动响应进行投影，采用空间平面上最大化投影方法，得到运动目标的最大空间运动响应；基于运动目标的最大空间运动响应，采用所有空间方向上最大化空间运动响应的方法，得到运动目标的方位。本发明实施例通过采用上述技术方案解决了如何准确地对特定方向、特定速度的运动做出响应的技术问题，实现了整体的运动处理流程。
-
Patent Agency Ranking
公开(公告)号：CN106708084B
公开(公告)日：2019-08-02
申请号：CN201611052401.7
申请日：2016-11-24
Applicant: 中国科学院自动化研究所
IPC: G05D1/10 , H04N13/128
Abstract: 本发明涉及一种复杂环境下无人机自动障碍物检测和避障方法，包括：利用无人机上设置的双目摄像头进行实时的图像采集，基于所采集的左、右两幅图像匹配计算生成视差图并进行预处理；基于视差图信息，对视差图进行轮廓和灰度值的聚类划分，得到具有清晰结构的区域块，将所述区域块的噪声干扰去除后得到潜在障碍物区域；对比前后两帧视差图中对应的潜在障碍物区域，结合障碍物的放大特性，依据无人机与潜在障碍物区域的距离和潜在障碍物区域的面积筛选得到最终障碍物区域；基于所得到的最终障碍物区域，输出无人机避障的动作指令。本发明在面对的复杂的存在多个隐含障碍物的环境下，具有优秀的障碍物检测和避障能力。
-
公开(公告)号：CN109919978A
公开(公告)日：2019-06-21
申请号：CN201910170679.1
申请日：2019-03-07
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种受丘脑注意机制调控的多层视皮层信息融合的视觉跟踪方法及系统，所述视觉跟踪方法包括：从视频中的第一帧中获取待跟踪目标以及位置标签；基于预训练卷积神经网络模型，获取第一帧中待跟踪目标的不同卷积层的特征；根据位置标签，构建高斯标签；通过相关滤波得到各卷积层的模板；针对新的一帧，在前一帧的中心中裁剪出待搜索区域，利用相关滤波，以及各卷积层的模板，得到各卷积层的响应；利用空间注意机制以及时间注意机制动态调整其他层的响应的权重；根据调整后的其他层的权重，确定待跟踪目标的所在位置。本发明对于不同视皮层分配不同的权重，将不同层视觉特征去动态组合到一起，实现视觉跟踪性能的有效提升。
-
公开(公告)号：CN109657036A
公开(公告)日：2019-04-19
申请号：CN201811471835.X
申请日：2018-12-04
Applicant: 中国科学院自动化研究所
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06N5/04
CPC classification number: G06N5/04
Abstract: 本发明属于认知神经科学领域，具体涉及一种基于类脑语义层次时序记忆推理模型的问答方法、系统，旨在解决文本生成、自动问答等自然语言理解任务的小样本学习问题。本发明方法包括：获取问题文本和回答文本并输入；对文本时序池化得到词向量矩阵；将词向量矩阵中每个词向量空间和时间池化，得到词向量对应的每一位为0或1的二值词表示集；将文本和词集进行类脑学习，得到优化后的模型；将问题文本单独输入，基于模型中的细胞预测状态进行词的规约，得到回答文本并输出。本发明结合语义层次时序记忆模型，基于小样本数据，知识推理的学习方式进行模型的构建，对样本的数量要求低，没有大量参数需要调节，增加了模型的可拓展性。
-
公开(公告)号：CN105224630B
公开(公告)日：2019-01-29
申请号：CN201510616011.7
申请日：2015-09-24
Applicant: 中国科学院自动化研究所
IPC: G06F16/36
Abstract: 本发明提供的基于语义网本体数据的集成方法，包括：获取数据信息，并对所述数据信息进行处理得到本体格式的数据信息；将所述本体格式的数据信息通过渐进式消歧算法进行数据整合得到不同数据源的相同实体之间的链接关系；通过自动化挖掘获取关键信息，所述关键信息包括摘要信息和标题信息；根据所述摘要信息和所述标题信息构建关联图谱；根据所述关联图谱推理出潜在关联信息并扩充所述关联图谱；将不同数据源的数据信息、所述相同实体之间的链接关系和所述关联图谱构建为知识数据库。本发明可以在不同数据之间建立语义链接，对不同资源进行整合和推理。
-
公开(公告)号：CN106708084A
公开(公告)日：2017-05-24
申请号：CN201611052401.7
申请日：2016-11-24
Applicant: 中国科学院自动化研究所
CPC classification number: G05D1/101 , H04N13/128 , H04N13/327
Abstract: 本发明涉及一种复杂环境下无人机自动障碍物检测和避障方法，包括：利用无人机上设置的双目摄像头进行实时的图像采集，基于所采集的左、右两幅图像匹配计算生成视差图并进行预处理；基于视差图信息，对视差图进行轮廓和灰度值的聚类划分，得到具有清晰结构的区域块，将所述区域块的噪声干扰去除后得到潜在障碍物区域；对比前后两帧视差图中对应的潜在障碍物区域，结合障碍物的放大特性，依据无人机与潜在障碍物区域的距离和潜在障碍物区域的面积筛选得到最终障碍物区域；基于所得到的最终障碍物区域，输出无人机避障的动作指令。本发明在面对的复杂的存在多个隐含障碍物的环境下，具有优秀的障碍物检测和避障能力。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.039 seconds)
