-
公开(公告)号：CN119964240A
公开(公告)日：2025-05-09
申请号：CN202510047108.4
申请日：2025-01-13
Applicant: 济南幼儿师范高等专科学校 , 山东大学
IPC: G06V40/20 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06V20/40
Abstract: 本发明提出了一种面向校园安全的实时异常行为识别方法及系统，属于图像识别技术领域。方案包括：获取校园内摄像设备的视频数据，并将其划分为多个离散时间片段并进行编码获取特征表示序列；采用轻量级时空注意力机制提取特征表示序列的关键空间特征并将其划分为长时序特征和短时序特征，输入至非对称时空模型中，得到长期历史特征和短期历史特征；利用长短期融合模块对长期历史特征和短期历史特征进行融合，利用分类器识别出正在发生的动作类别。能够实现高效的在线动作检测，有效减少对传统重型骨干网络的依赖，大幅降低了计算资源需求，更适合在有限硬件条件下进行实时部署。
-
公开(公告)号：CN119600446A
公开(公告)日：2025-03-11
申请号：CN202411665233.3
申请日：2024-11-20
Applicant: 山东大学
IPC: G06V20/10 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0499
Abstract: 本发明公开了一种高光谱图像重建方法及系统，涉及高光谱图像重建技术领域，该方法包括：搭建并训练基于局部相关性和全局连续性建模的高光谱图像重建网络，该网络包括多个光谱重建单元，光谱重建单元包括多个光谱关系建模模块，每一光谱关系建模模块包括谱间关系建模模块和谱内空间建模模块，分别用于提取光谱特征的谱间关系特征和谱内空间特征，该谱间关系特征为融合谱间局部相关性特征和谱间全局连续性特征的融合特征；将RGB图像输入至训练完成的高光谱图像重建网络，获得重建的高光谱图像。本发明通过高效提取谱间局部相关性特征和谱间全局连续性特征，并经块级自适应特征融合，实现更高质量的高光谱重建。
-
公开(公告)号：CN119478590A
公开(公告)日：2025-02-18
申请号：CN202510059100.X
申请日：2025-01-15
Applicant: 山东能源集团有限公司 , 山东大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08 , G06N3/084
Abstract: 本发明涉及目标检测技术领域，具体提供一种基于半监督学习的目标检测方法、系统、设备及存储介质，包括：获取数据集，所述数据集包括标记图像和未标记图像；利用密集检测器基于标记图像为未标记图像生成伪标签；利用伪标签分配器根据伪标签的得分将伪标签划分为可靠标签和软标签；将伪标签更新至数据集，并利用更新后的数据集对目标检测模型进行训练，所述目标检测模型在训练后识别样本图像中的目标对象；设置软标签在训练过程中仅参与预设的部分损失计算，以降低软标签导致的训练误差。本发明构建了一个高效的半监督学习目标检测框架，提升了目标检测模型的准确度。
-
公开(公告)号：CN119180825A
公开(公告)日：2024-12-24
申请号：CN202411032393.4
申请日：2024-07-30
Applicant: 山东大学
IPC: G06T7/10 , G06V10/40 , G06V10/764 , G06V10/74 , G06V10/774
Abstract: 本发明提供了基于提示学习的小样本缺陷分割方法及系统，涉及图像识别技术领域，包括，获取待测缺陷图像，已知缺陷图像以及已知缺陷图像的缺陷掩码图；分别提取待测缺陷图像和已知缺陷图像的多维度特征；根据待测缺陷图像和已知缺陷图像的多维度特征，获取待测缺陷图像和已知缺陷图像的全局相似特征和局部相似特征，合并全局相似特征和局部相似特征，得到聚合相似度特征；基于聚合相似度特征，分别提取稠密提示向量和稀疏提示向量；将稠密提示向量和稀疏提示向量以及待测缺陷图像的多维度特征输入掩膜解码器，得到待测缺陷图像的缺陷分割结果。本发明能够提高小样本缺陷分割的精度。
-
公开(公告)号：CN114563954B
公开(公告)日：2024-10-29
申请号：CN202210191785.X
申请日：2022-02-28
Applicant: 山东大学
IPC: G05B13/04
Abstract: 本发明提供一种基于强化学习和位置增量的四足机器人运动控制方法，涉及四足机器人控制领域，获取运动环境信息、四足机器人姿态信息和足底位置信息；基于获取的信息，生成四足机器人运动时各个预设时间步长内的足底位置，计算各个时间步长内足底位置的变化量；以单个时间步长内的最大移动距离为约束，同时累积时间步长得到足底位置轨迹；基于足底位置轨迹结合预设奖励函数来控制四足机器人执行相应动作，以使四足机器人保持运动平衡；针对目前四足机器人运动控制方法中生成的电机位置发生较大突变引起电机损伤的问题，通过对四足机器人每个时间步内的足底位置变化量进行约束，避免控制命令的突变，增强了四足机器人通过复杂地形的能力。
-
Patent Agency Ranking
公开(公告)号：CN118211123B
公开(公告)日：2024-09-27
申请号：CN202410634320.6
申请日：2024-05-22
Applicant: 山东大学
IPC: G06F18/241 , G06F18/213 , G06F18/25
Abstract: 本发明属于风力发电状态监测技术领域，具体涉及一种基于多模态特征融合的风机状态监测方法及系统，包括：获取风机实时运行的振动信号；对所获取的振动信号进行时间序列的分类，得到风机时间序列运行数据；提取所得到的风机时间序列运行数据的时频特征，得到风机时频图图片；根据所得到的风机时间序列运行数据和风机时频图图片进行多模态特征融合，得到风机序列‑时频图网络数据；计算所得到的风机序列‑时频图网络数据的宏观曲线面积，完成风机的状态监测。
-
公开(公告)号：CN118567232A
公开(公告)日：2024-08-30
申请号：CN202410610763.1
申请日：2024-05-16
Applicant: 山东大学
IPC: G05B13/04 , G06N3/0464 , G06F18/25 , G06N5/04
Abstract: 本发明提出了一种大模型驱动的机器人操作任务执行方法及系统，涉及智能机器人控制技术领域，具体方案包括：获取待操作物体图像和待执行的语言指令；将物体图像和语言指令输入到训练好的指令引导操作可供性预测网络中，生成操作可供性图，进而确定物体的操作区域，其中，所述操作可供性图是为物体图像的每个像素点分配一个可供性值；基于语言指令和操作区域，生成可执行的动作，指导智能机器人完成操作任务；本发明提出了指令引导操作可供性预测网络，利用在数据增强后的数据集上训练后的强大先验，预测指令引导的机器人操作任务的可供性图，进而得到可执行的动作。
-
公开(公告)号：CN118012077B
公开(公告)日：2024-08-20
申请号：CN202410410625.9
申请日：2024-04-08
Applicant: 山东大学 , 苏州丰烁动力科技有限公司
IPC: G05D1/43 , G05D1/644 , G05D1/648 , G05D109/12
Abstract: 本公开提供了基于强化学习动作模仿的四足机器人运动控制方法及系统，涉及机器人运动控制技术领域，将参考动作数据作为状态值引入强化学习网络，在动作模仿训练阶段，通过关节跟踪奖励的激励，采用自适应随机初始状态采样的训练技巧，提高训练效率，使机器人从运动示范中获取宝贵的信息，迅速学会模仿参考技能的运动策略。然后，在技能拓展训练阶段，将模仿奖励与任务奖励相结合，形成独特的奖励形式，进一步训练运动策略，最终获得完成运动任务的最佳运动策略。本发明简单高效，效果明显，提升了四足机器人运动策略的学习效率，扩展了模仿学习在机器人运动控制领域的应用范围。
-
公开(公告)号：CN117892954B
公开(公告)日：2024-08-16
申请号：CN202410053276.X
申请日：2024-01-12
Applicant: 山东大学
IPC: G06Q10/0631
Abstract: 本发明公开了一种多机器人协同搜索任务自适应角色选择方法及系统，包括：定义角色动作空间为2个离散值：[探索，覆盖]；获取局部感知信息#imgabs0#和联合感知信息#imgabs1#获取的信息输入至角色选择网络，输出角色动作#imgabs2#其中，所述局部感知信息包括障碍物地图、已探索地图、已覆盖地图和位置地图；所述联合感知信息包括联合探索地图和联合覆盖地图；将局部感知信息#imgabs3#以及输出的角色动作#imgabs4#输入至基础动作网络，输出机器人基础动作at与环境交互。本发明中多机器人的任务执行通过基础动作网络(基础策略)完成，是以上层角色策略输出的角色为条件，基于局部感知信息进行决策，使得基础策略的能力表征了探索或覆盖能力。
-
公开(公告)号：CN115284287B
公开(公告)日：2024-08-16
申请号：CN202210949670.2
申请日：2022-08-09
Applicant: 山东大学
Abstract: 本发明提供了基于深度强化学习的机械臂装箱与倒库协同方法及系统，属于物流自动化技术领域；本发明通过装箱与倒库网络(PUN)来学习装箱动作和倒库动作间的协同作用，提高了装箱精度和效率；本发明基于人类经验提出装箱启发式和倒库启发式，并将其结合到PUN中，进一步提高了装箱精度和效率。
-
-
-
-
-
-
-
-
-
Search Results
311
records
(took 0.136 seconds)
