-
公开(公告)号：CN116502075A
公开(公告)日：2023-07-28
申请号：CN202310771145.0
申请日：2023-06-28
Applicant: 吉林大学
IPC: G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/2433 , G06F18/25 , G01D21/02
Abstract: 多模态水下自主航行器状态检测方法及系统。属于状态检测技术领域，具体涉及自主水下航行器状态检测技术领域。其解决了现有的异常状态检测无法有效地应对多模态的传感器数据，忽略了不同模态数据之间的差异的问题。所述方法包括如下步骤：S1、输入水下自主航行器各系统传感器数据；S2、通过挤压与激励操作对每个模态的信号进行加权，然后进行缩放；S3、通过带残差连自注意力机制提取模态特征；S4、通过挤压与激励操作对不同模态进行特征融合；S5、对融合后的特征进行决策分类，输出各个类别的预测概率。本发明所述方法及系统可以应用在自主水下航行器状态检测技术领域、自主水下航行器故障检测技术领域以及自主水下航行器设计制造技术领域。
-
公开(公告)号：CN115883764B
公开(公告)日：2023-05-23
申请号：CN202310076493.6
申请日：2023-02-08
Applicant: 吉林大学
IPC: H04N7/01 , H04N5/265 , G06N3/0464
Abstract: 一种基于数据协同的水下高速视频插帧方法及其系统。通过传统相机和事件相机分别获取RGB数据和事件数据；将获取的RGB数据和事件数据利用U型合成网络融合，获取合成结果；利用合成结果和获取的RGB数据经过三层多尺度光流估计网络进行帧光流估计；利用获取的RGB数据和事件数据经过三层多尺度光流估计网络进行事件光流估计；将融合结果、经过三层多尺度光流估计网络进行的帧光流估计结果与经过三层多尺度光流估计网络进行的事件光流估计通过U型融合网络进行融合，输出中间帧。本发明实现利用RGB数据和事件数据生成视频的中间帧，提高视频的帧率，优化在水下场景下非线性运动下插帧效果的鲁棒性。
-
公开(公告)号：CN115880574A
公开(公告)日：2023-03-31
申请号：CN202310188520.9
申请日：2023-03-02
Applicant: 吉林大学
IPC: G06V20/05 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明具体涉及一种水下光学图像轻量化目标识别方法、设备和介质，其特征在于，所述方法包括如下步骤：S1、收集水下光学图像数据集，将数据集分为训练集和测试集，并对训练集进行标注；S2、对训练集进行特征提取，捕捉场景中角色的时空信息和交互信息，并输出相应特征图；S3、构建训练网络对步骤S2中的特征图进行训练，所述训练网络中，针对学习率采用一致衰减策略，针对网络结构采用交错分组策略，针对训练方法采用多尺度聚合模块与短/长聚合模块相结合；S4、将经过充分训练的训练集参数加载到训练网络中，将测试集图像输入，测试获得最终结果。提高水下光学图像目标识别的计算速度和存储能力，有利于性能的提升和资源的配置。
-
公开(公告)号：CN115809609A
公开(公告)日：2023-03-17
申请号：CN202310064245.X
申请日：2023-02-06
Applicant: 吉林大学
IPC: G06F30/27 , G06N3/0464 , G06N3/092
Abstract: 本发明涉及一种多水下自主航行器目标搜索方法及其系统。步骤1、利用历史海洋目标漂移数据生成仿真目标移动模型；步骤2、利用水下自主航行器数据构建航行器目标搜索仿真模型；步骤3、每个水下自主航行器从环境中获取当前的状态以及地图信息，输入到行动者网络进行实时路径规划，实时更新航行器目标搜索仿真模型，并存储行动过程中所生成的数据；步骤4、每个水下自主航行器的每一条数据，所有水下自主航行器的状态、地图和动作均输入到评论家网络；步骤5、基于数据中动作的价值，进而更新行动者网络和评论家网络；步骤6、基于更新的行动者网络，对仿真目标移动模型进行搜索。用以解决环境因素对目标的漂移轨迹的影响问题。
-
公开(公告)号：CN115098980A
公开(公告)日：2022-09-23
申请号：CN202210535104.7
申请日：2022-05-17
Applicant: 吉林大学
Abstract: 本发明公开了一种基于深度学习的实时显式拓扑优化方法，包括：一、构建深度学习网络模型，并对深度学习网络模型进行训练，得到拓扑结构优化网络模型；二、将拓扑优化初始条件作为输入参数输入拓扑结构优化网络模型，得到初步拓扑优化结构的组件参数；其中，拓扑优化初始条件为：负载条件和边界条件；组件参数为：组件中心坐标、组件半长、组件两端及中心的半宽和组件相对于正半轴的倾斜角度；三、以初步拓扑优化结构的组件参数作为初始参数，以体积约束下拓扑结构的柔度最小为优化目标，依据目标函数对拓扑结构的组件参数的灵敏度和约束函数对拓扑结构的组件参数的灵敏度对拓扑结构的组件参数进行迭代更新，得到最终拓扑优化结构的组件参数。
-
Patent Agency Ranking
公开(公告)号：CN101251851B
公开(公告)日：2010-08-25
申请号：CN200810050425.8
申请日：2008-02-29
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 一种基于增量朴素贝叶斯网多分类器集成方法，包括初始化集成分类器及各主要参数；如果没有新数据，结束；使用当前集成分类器预测新数据项的类别；动态更新所有个体分类器的参数值；更新所有个体分类器的权重；如果当前集成分类器对新数据的类别预测不发生错误，则使用新数据项训练集成分类器中的所有个体分类器；根据KL剪枝策略删除冗余个体分类器；增加一个新个体分类器；使用新数据项训练所有个体分类器。本发明能有效改善发生概念漂移时的分类预测结果。此方法特别适合于处理概念漂移问题。
-
公开(公告)号：CN117893894A
公开(公告)日：2024-04-16
申请号：CN202410294510.8
申请日：2024-03-15
Applicant: 吉林大学
IPC: G06V20/05 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/08 , G06V10/25 , G06V10/82
Abstract: 一种基于红外偏振图像的水下目标轻量化检测方法及装置，涉及水下机器视觉目标检测技术领域，方法包括：基于红外偏振相机采集水下目标红外偏振图像；将所述目标红外偏振图像划分为训练集和测试集；设计增强特征提取模块，并插入SlimNeck网络中，构成轻量化颈部网络；设计轻量化检测头SlimDetect，并采用所述轻量化检测头SlimDetect和所述轻量化颈部网络替换单阶段目标检测模型中的对应部分，得到轻量化目标检测模型；基于所述训练集训练所述轻量化目标检测模型；将训练后的轻量化目标检测模型用于水下目标检测；该方法通过轻量化设计，减少模型的参数量和计算复杂度，使得在资源有限的水下设备上实现实时目标检测成为可能。
-
公开(公告)号：CN117765048A
公开(公告)日：2024-03-26
申请号：CN202410195664.1
申请日：2024-02-22
Applicant: 吉林大学
Abstract: 一种基于跨模态融合的水下目标三维配准方法，属于水下三维视觉技术领域，解决了现有技术无法有效地融合激光点云和深度图这两种数据源，在发挥各自的优势的同时，克服各自的局限性的问题。读取待配准的深度图，获得待配准的深度图投影图；读取待配准的激光点云，获得待配准的激光点云投影图；将待配准的深度图投影图与待配准的激光点云投影图进行匹配；根据匹配结果计算出配准角度差，根据配准角度差计算出粗配准旋转矩阵和粗配准平移矩阵；对粗配准旋转矩阵和粗配准平移矩阵进行精配准，获得精配准旋转矩阵和精配准平移矩阵，实现了深度图投影图与激光点云投影图的配准。
-
公开(公告)号：CN117576784B
公开(公告)日：2024-03-26
申请号：CN202410049996.9
申请日：2024-01-15
Applicant: 吉林大学
IPC: G06V40/20 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 一种融合事件和RGB数据潜水员手势识别方法及其系统，涉及水下计算机视觉的技术领域。解决现有潜水员手势识别方法单独依赖视觉信息会存在局限性，如准确性低和鲁棒性差的问题。采用事件相机采集多样化的潜水员手势视频，转化成事件序列和RGB帧，并构建基准数据集；将事件序列数据映射到三维网格，采用多维特征表示；采用滑动窗口处理所述RGB帧，针对每个窗口内进行局部处理获得RGB特征；采用MLP编码事件和RGB特征，得到多模态融合的信息表达；采用预训练的ResNet3D18和EGRU单元构成手势识别模型对融合后的特征进行训练，最终输出潜水员手势的准确类别。本发明适用于潜水员工作时的信息交互和信息传递。
-
公开(公告)号：CN117746227A
公开(公告)日：2024-03-22
申请号：CN202410182760.2
申请日：2024-02-19
Applicant: 吉林大学
IPC: G06V20/05 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/147 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明属于水下机器视觉技术领域，本发明公开了一种红外偏振成像数据的水下目标细粒度分类方法，包括以下步骤：基于偏振相机获取图像构建水下基准数据集；利用交叠的滑动窗口对所述水下基准数据集中的所述红外偏振图像进行划分并编码，得到编码结果，并输入预训练视觉变换器编码器的共L层变换器层中，得到多层级的视觉特征和多层级的注意力图；利用前L‑1层每一层级的所述注意力图对自注意动态加权得到多层级动态注意力权重，并进行特征选择，得到特征组1；利用前L‑1层每一层级的注意力图对每一层级的特征进行前k个选择，得到多层级优化特征组2；将特征组1和特征组2输入第L层变换器层中，利用类别序列通过全连接层计算最终的类别。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.022 seconds)
