-
-
公开(公告)号：CN119169308A
公开(公告)日：2024-12-20
申请号：CN202411199385.9
申请日：2024-08-29
Applicant: 江南大学
IPC: G06V10/44 , G06V10/34 , G06V10/46 , G06V10/52 , G06V10/80 , G06V10/62 , G06N3/042 , G06N3/045 , G06N3/0464
Abstract: 本发明提供基于可选择多尺度图卷积网络的骨架行为识别方法，其可以提高骨架行为识别的准确率，尤其能够在大型骨架数据集上取得优异的识别准确率，并具备有良好的泛化性能。其在空间域上，构造多尺度通道拓扑细化邻接矩阵并参与图卷积，实现对更多代表性关节特征的充分提取；在时间域上，提出可选择多尺度时序卷积模块，实现对有用的时间信息的充分关注；然后，结合多尺度图卷积模块和可选择多尺度时序卷积模块，构建可选择多尺度图卷积模型，在多流网络下进行端到端的训练，有效地捕获更多的关节特征和学习有用的时间信息。
-
公开(公告)号：CN111923029B
公开(公告)日：2024-11-26
申请号：CN202010907706.1
申请日：2020-09-02
Applicant: 江南大学
IPC: B25J9/00
Abstract: 本发明提供了无牵连运动的1T2R并联机构，其在使用时无牵连运动同时运动具有三角化解耦特性。其包括定平台、动平台和用于连接定平台和动平台的支链一、支链二和支链三，支链一包括移动副一、万向副一；支链二包括移动副二、转动副一、万向副二；支链三包括移动副三、转动副二、万向副三、转动副三。并联机构的输出运动类型为PU类，其转动中心不存在x、y方向的牵连运动，且其运动具有三角化解耦特性。该机构可作为并联机器人或机械手的执行机构，实现两维转动和一维移动三自由度抓取或其他操作。
-
公开(公告)号：CN118478345A
公开(公告)日：2024-08-13
申请号：CN202410822975.6
申请日：2024-06-25
Applicant: 江南大学
IPC: B25J9/00
Abstract: 本申请提供的一种无伴随运动的PU型并联机器人机构，三个移动副的设置可以使动平台实现一个移动自由度的运动，三个万向副可以使动平台实现两个转动自由度的运动，第一支链和第二支链的对应的万向副在圆弧导轨上的滑动可以规避机构的伴随运动，使得本申请的并联机构避免伴随运动的发生，使得机构转轴在连续转动后不会发生期望之外的移动运动；本申请的PU型两转一移并联机构，因为规避了伴随运动的发生，减小了控制的难度，提高了动平台运动的精准度。
-
公开(公告)号：CN117481951A
公开(公告)日：2024-02-02
申请号：CN202311806232.1
申请日：2023-12-26
Applicant: 江南大学
IPC: A61H1/02
Abstract: 本发明提供一种新型三转一移踝关节混联康复机构，其有三个转动自由度，康复训练效果好。其包括基座和动平台，基座中央通过转轴可转动安装有旋转式平台，旋转平台中央通过转轴可转动连接随动板的中央，旋转式平台的两端和随动板的两端分别设有第一转动座，四个第一转动座分别通过支链连接动平台，支链包括一端与第一转动座可转动连接的第一连接板，第一连接板的另一端设有第二转动座，第二转动座可转动连接第二连接板的一端，第二连接板的另一端设有第三转动座，第三转动座内安装有十字节，十字节的横轴与第三转动座可转动连接，十字节的纵轴与第四转动座可转动连接，第四转动座固定安装于动平台的底面。
-
Patent Agency Ranking
公开(公告)号：CN106983631B
公开(公告)日：2023-02-03
申请号：CN201710175039.0
申请日：2017-03-22
Applicant: 江南大学
IPC: A61H1/02
Abstract: 本发明提供了髋关节辅助康复装置，其能解决现有的人工理疗方式工作强度大、消耗时间长的技术问题。其包括第一平台、第二平台和底座，第一平台通过沿左右方向设置的第一转轴支撑于上部支撑座，上部支撑座固定于第二平台，第二平台通过沿前后方向设置的第二转轴支撑于下部支撑座，下部支撑座固定于底座上；其还包括第一驱动装置和第二驱动装置，第一驱动装置用于驱动第一平台绕第一转轴摆动，第二驱动装置用于驱动第二平台绕第二转轴摆动。
-
公开(公告)号：CN115661861A
公开(公告)日：2023-01-31
申请号：CN202211290028.4
申请日：2022-10-21
Applicant: 江南大学
Abstract: 本申请提供一种基于动态时序多维自适应图卷积网络的骨架行为识别方法，通过非局部网络和维度变换模块，构建多维自适应图卷积模块，同时将动态卷积和时序卷积相结合，在时序卷积中引入SE注意力网络计算各卷积核权重和偏置的权值，构造动态时序卷积模块，将二者相结合并在多流网络下进行端到端的训练，构造动态时序多维自适应图卷积网络模型；本申中的动态时序多维自适应图卷积网络模型能够自骨架时空图中充分提取空间域内的多维信息，同时增强了时间特征的表示能力，基于本申请的骨架行为识别方法，不但能够取得优异的识别准确率，而且具备良好的泛化性能。
-
公开(公告)号：CN114693597A
公开(公告)日：2022-07-01
申请号：CN202210146676.6
申请日：2022-02-17
Applicant: 国网浙江省电力有限公司绍兴供电公司 , 江南大学 , 国网浙江省电力有限公司
IPC: G06T7/00 , G06V10/762 , G06V10/77 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于半监督学习的电力设备缺陷检测方法及设备，获取电力设备的高维图像后，执行如下步骤：S1：基于拉普拉斯特征值映射的图像降维算法对高维图像进行降维操作，把降维后的数据作为输入样本；S2：根据输入样本的类标签，基于最优反向预测算法来设定目标函数；S3：特征空间最优分解，以得到半监督笛卡尔K均值模型；S4：采用拉普拉斯正则化的最优反向预测算法构建半监督的量化模型；S5：半监督的量化模型的优化；S6：基于图像的缺陷检测系统根据优化半监督的量化模型。本发明将标记数据集成到量化步骤中，以提供标签信息，减少数据重建误差，并给出了优化半监督笛卡尔k均值的算法，使函数能够得到最小值。
-
公开(公告)号：CN113808604A
公开(公告)日：2021-12-17
申请号：CN202111090034.0
申请日：2021-09-16
Applicant: 江南大学
IPC: G10L21/0208 , G10L21/0224 , G10L21/0232 , G10L15/06 , G10L15/08 , G10L25/27 , G10L25/45 , G06K9/62 , G06N3/04
Abstract: 本发明提供的基于伽马通频谱分离的声场景分类方法，其利用伽马通频谱图，并将音频样本信息分离出谐波分量、打击源分量以及残差分量三个部分，基于伽马通频谱图的残差分量，能够有效减少背景噪音中的谐波噪音和打击源噪音，以达到降低背景噪音的效果，进而提升了声场景分类模型的分类准确率，同时提高了声场景分类模型的泛化能力。
-
公开(公告)号：CN112068555A
公开(公告)日：2020-12-11
申请号：CN202010876799.6
申请日：2020-08-27
Applicant: 江南大学
Abstract: 本发明提供一种基于语义SLAM方法的语音控制型移动机器人，其能够实现未知复杂环境的感知与理解，且更准确的识别语音信息，使移动机器人能够更灵活的适用于不同的应用场景。一其包括控制器、远程服务器、视觉采集模块、语音采集模块；视觉采集模块、语音采集模块与控制器通信连接，远程服务器包括语义SLAM模块、语音识别模块；控制器与远程服务器通信连接；控制器基于语义SLAM模块计算所得的位姿估计结果、三维语义地图，按照语音识别模块计算所得的语音控制命令，规划机器人的行为轨迹，并控制机器人执行动作。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.028 seconds)
