-
公开(公告)号：CN117710708A
公开(公告)日：2024-03-15
申请号：CN202410052063.5
申请日：2024-01-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉技术领域，提出一种图像处理方法、图像处理装置、存储介质和电子设备，其中，图像处理方法包括：获取图像对；基于卷积神经网络获取图像对的第一粒度特征图和第二粒度特征图；基于第一粒度特征图的第一特征，获取第一特征的位置信息；基于注意力机制，根据第一特征和第一特征的位置信息，对第一特征进行增强，以得到增强后的第一特征；基于增强后的第一特征进行匹配估计，获取匹配估计结果，基于匹配估计结果进行基本矩阵计算，得到基本矩阵；基于基本矩阵对增强后的第一特征进行自适应池化，得到第二特征；基于概率分布算法，根据第二特征得到第一匹配结果；基于第一匹配结果与第二粒度特征图，获取图像对的第二匹配结果。
-
公开(公告)号：CN117493889A
公开(公告)日：2024-02-02
申请号：CN202311822336.1
申请日：2023-12-27
Applicant: 中国科学院自动化研究所
IPC: G06F18/214 , G06N3/0464 , G06N3/08 , G06F18/23213 , G06F18/2415
Abstract: 本发明提出了一种增量式持续学习方法、装置、存储介质和电子设备，涉及机器人环境感知领域。增量式持续学习方法具体包括：获取旧任务数据和当前任务数据；根据K‑means聚类算法确定旧任务数据的样本；将当前任务数据作为当前任务数据的样本；将旧任务数据的样本和当前任务数据的样本整合；根据神经网络对整合后的数据样本进行训练。本发明的增量式持续学习的方法解决了在开放环境下环境感知的灾难性遗忘问题，提高了模型的整体性能。
-
Patent Agency Ranking
公开(公告)号：CN114792320A
公开(公告)日：2022-07-26
申请号：CN202210715593.4
申请日：2022-06-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种轨迹预测方法、轨迹预测装置和电子设备，涉及人工智能技术领域。该方法包括：获取目标场景中各检测对象的历史轨迹信息；基于所述历史轨迹信息确定所述检测对象的预测轨迹点，并获取由所述预测轨迹点构成的预测轨迹信息；确定所述目标场景中各所述检测对象之间的交互特征，基于所述交互特征与所述预测轨迹信息，确定各所述检测对象的未来轨迹信息。本发明能够提高轨迹的预测准确性。
-
公开(公告)号：CN112801206A
公开(公告)日：2021-05-14
申请号：CN202110202841.0
申请日：2021-02-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及了一种基于深度图嵌入网络与结构自学习的图像关键点匹配方法，旨在解决现有技术未能学习图像目标的结构信息，图像关键点匹配的精度和准确性还远达不到预期的问题。本发明包括：分别对获取的待匹配图像对的关键点进行结构化处理；提取待匹配图像的特征图，并通过双线性插值获取关键点特征矩阵；通过深度图嵌入网络更新关键点特征矩阵及图结构；通过深度图匹配网络计算相似度矩阵，通过Sinkhorn算法得到匹配矩阵并更新关键点特征矩阵；通过匈牙利算法进行迭代设定次数获得的最终匹配矩阵的离散化，获得待匹配图像对的关键点匹配结果。本发明能够更好地学习关键点特征，获得较好的匹配结果。
-
公开(公告)号：CN111931703A
公开(公告)日：2020-11-13
申请号：CN202010961981.1
申请日：2020-09-14
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉、机器人视觉领域，具体涉及一种基于人-物体交互弱监督标签的物体检测方法，旨在解决现有的弱监督物体检测方法模型收敛速度慢、检测精度较差的问题。本发明方法包括：获取待检测的图像，作为输入图像；通过训练好的弱监督物体检测模型得到所述输入图像对应的物体检测结果；其中，弱监督物体检测模型基于深度卷积神经网络构建。本发提高了弱监督物体检测的精度。
-
公开(公告)号：CN107234625A
公开(公告)日：2017-10-10
申请号：CN201710552603.6
申请日：2017-07-07
Applicant: 中国科学院自动化研究所
IPC: B25J13/08
Abstract: 本发明涉及机器人技术领域，具体涉及一种视觉伺服定位和抓取的方法。本发明旨在解决现有技术中机器人对目标物体进行自主定位和抓取时不够精准的问题。为此目的，本发明的视觉伺服定位和抓取的方法包括：采集目标物体的图像；确定目标物体在图像中的位置信息；根据位置信息确定目标物体在环境中的实际位置；根据实际位置，控制机器人的机械手抓取目标物体。通过本发明的技术方案，实现了机器人对目标物体高效精准地自主定位和抓取，同时，本发明的技术方案不需要对机器人的硬件系统进行改进，从而降低了环境对机器人硬件系统的限制。
-
公开(公告)号：CN105335524A
公开(公告)日：2016-02-17
申请号：CN201510872650.X
申请日：2015-11-27
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明提出了一种应用于大规模非规则结构数据的图搜索算法，包括数据预处理方法和查询执行方法，其中数据预处理方法为：将非规则结构数据进行格式统一，为每个图的原图点构造一近邻标签向量表，构造具有属性点的扩充图；查询执行方法为：在原图数据点中利用一近邻标签筛选与关键点对应的候选匹配点，计算候选匹配点的匹配度并选择局部区域的中心点，在中心点周围划分出局部区域并查询子图和局部图的近似图匹配。该算法在保证搜索准确性的同时，大幅度降低运算复杂度，可以实现可行且有效的大规模非规则结构数据的图搜索。
-
-
-
-
-
-
Search Results
47
records
(took 0.036 seconds)
