公开(公告)号：CN108228833A

公开(公告)日：2018-06-29

申请号：CN201810008053.6

申请日：2018-01-04

Applicant: 浙江大学

Inventor： 赵洲 ,  孟令涛 ,  沈锴 ,  蔡登 ,  何晓飞 ,  庄越挺

IPC: G06F17/30 ,  G06Q50/00

Abstract: 本发明公开了一种利用用户倾向性学习解决社区项目推荐任务的方法。主要包括如下步骤：1)针对于社交网络中的项目，用户，生成项目的表达矩阵与拉普拉斯矩阵。利用每次收集的用户项目排名信息，迭代产生用户倾向性矩阵2)对于生成的用户倾向性矩阵与项目表达矩阵，产生对于用户的项目推荐。相比于一般的项目推荐解决方案，本发明使用了项目特征及用户之间的相互关系，同时迭代地使用多次用户对于项目的排序信息，则能够更准确地反映用户对于项目的排序特点，同时时间消耗低。本发明在社区项目推荐问题中所取得的效果相比于传统的方法更好。

公开(公告)号：CN107729348A

公开(公告)日：2018-02-23

申请号：CN201710731013.X

申请日：2017-08-23

Applicant: 浙江大学

Inventor： 付聪 ,  蔡登 ,  王昌旭

IPC: G06F17/30

CPC classification number: G06F16/903 ,  G06F16/9024

Abstract: 本发明公开一种基于辐射伸展图的高维数据的近似最近邻检索方法及检索系统，其中，基于辐射伸展图的检索方法包括：步骤1，对高维数据库点集建立辐射伸展图；步骤2，对待检索点，从辐射伸展图的中心点出发，在辐射伸展图上进行贪婪近似最近邻检索；步骤3，将得到的候选点集中的给定数量的点作为结果，即待检索点的最近邻点集。利用本发明可以使候选最邻近点集具有指数级收敛速度，不仅可以大大提高一定时间内的检索精度，而且可以大幅度减小检索时的内存占用空间。

公开(公告)号：CN102799891A

公开(公告)日：2012-11-28

申请号：CN201210168089.3

申请日：2012-05-24

Applicant: 浙江大学

Inventor： 蔡登 ,  陈鑫磊 ,  何晓飞

IPC: G06K9/62

Abstract: 本发明公开了一种基于地标点表示的谱聚类方法，其实施步骤如下：1)输入数据X和聚类数k；2)在数据X中通过Kmeans聚类算法或者随机采样产生P个地标点；3)将所述数据X基于所述P个地标点构建稀疏表示矩阵Z；4)根据所述稀疏表示矩阵Z计算ZTZ的前k个特征向量A；5)根据所述稀疏表示矩阵Z计算Z的右奇异向量得到ZZT的前k个特征向量BT；6)对特征向量BT的每一行通过Kmeans聚类算法进行Kmeans聚类，最终输出聚类结果。本发明具有谱聚类算法效率高、计算复杂度低、聚类效果好的优点。

公开(公告)号：CN119394296A

公开(公告)日：2025-02-07

申请号：CN202411490741.2

申请日：2024-10-24

Applicant: 浙江大学

Inventor： 谢旭林 ,  王闻箫 ,  何晓飞 ,  蔡登

IPC: G01C21/16 ,  G01S19/14 ,  G01C21/20 ,  G01B11/00

Abstract: 本发明公开了一种基于多传感器融合的飞机自动起降位姿感知方法及系统，包括：(1)根据IMU、相机和GPS传感器采集的数据实时感知飞机所处阶段，包括静止阶段、滑行起飞阶段、升空阶段、巡航阶段、降落阶段、落地减速阶段；(2)在滑行起飞阶段和落地减速阶段，使用Yolo检测跑道中线并计算飞机相对于跑道中线的偏角和偏移距离；(3)在升空阶段和降落阶段，对IMU、相机和GPS传感器数据进行融合，计算飞机相对于跑道的位置和朝向对应的六自由度位姿数据。本发明使用多传感器融合技术实时感知飞机所处阶段并计算位姿信息，可以有效提高计算精度和系统鲁棒性。

公开(公告)号：CN119292342A

公开(公告)日：2025-01-10

申请号：CN202411654924.3

申请日：2024-11-19

Applicant: 浙江大学

Inventor： 文世伟 ,  潘伟航 ,  蔡登 ,  林彬彬

IPC: G05D1/695 ,  G05D109/20

Abstract: 本发明公开了一种基于深度多智能体强化学习的无人机集群协同搜索方法及系统，包括：定义追踪者无人机、侦察者无人机和智能目标无人机；为每个无人机智能体初始化行动者网络、评论家网络和经验回放缓冲区；每个无人机智能体根据当前状态，通过其行动者网络选择动作并执行，当环境返回新的状态和对应的奖励后，将交互经验存储到经验回放缓冲区；从经验回放缓冲区中随机抽取一批经验样本，更新评论家网络；使用评论家网络来计算梯度，根据这些梯度更新每个智能体的行动者网络；持续进行智能体的交互、数据收集、网络训练和目标网络更新，直至达到一定的训练周期或性能标准。本发明可以提高无人机集群在复杂环境中执行协同搜索任务的效率和安全性。

公开(公告)号：CN118332417A

公开(公告)日：2024-07-12

申请号：CN202410427181.X

申请日：2024-04-10

Applicant: 浙江大学

Inventor： 潘伟航 ,  赵伟 ,  项超 ,  王雅菲 ,  许伟鑫 ,  谢亮 ,  林彬彬 ,  王闻箫 ,  蔡登 ,  何晓飞

IPC: G06F18/2411 ,  G06N3/126 ,  G06F18/214

Abstract: 本发明公开了一种基于深度强化学习的船舶配载方法，本发明通过退火遗传算法对历史配载数据进行操作得到大量的，较为准确的集装箱‑箱位映射关系，从而提供了大量的标签，同时将集装箱和箱位的空间信息和特征信息进行池化、卷积操作得到包含空间信息、特征信息和与其他集装箱相关联信息的嵌入向量，将该标签和嵌入向量作为训练样本，通过监督学习能够较好的训练出能够较为准确的预测集装箱‑箱位映射关系的演员网络，本发明还基于预测的集装箱‑箱位映射关系构建有向无环图，基于构建的有向无环图能够准确得到集装箱的配载顺序，综上两点本发明提供的方法能够在合理的时间内得到船舶配载问题的最优解，且复用性较高，本发明还公开了一种基于深度强化学习的船舶配载装置。

公开(公告)号：CN117037117A

公开(公告)日：2023-11-10

申请号：CN202311051356.3

申请日：2023-08-17

Applicant: 浙江大学

Inventor： 何方政 ,  王闻箫 ,  林彬彬 ,  蔡登

IPC: G06V20/58 ,  G06V10/80 ,  G06V10/26

Abstract: 本发明公开了一种基于栅格坐标系下多特征融合的高效障碍物检测方法，包括：(1)从时序激光雷达点云数据与相机数据中获取同帧数据；(2)将激光雷达点云数据通过手工制作特征得到栅格坐标系下的激光雷达栅格特征；(3)将同一时刻的多视角相机数据进行特征提取得到二维图像特征I；(4)通过注意力投射模块，利用激光雷达栅格特征将二维图像特征I投影到三维空间，转换成相机栅格特征；(5)将步骤(2)和(4)得到的激光雷达栅格特征和相机栅格特征进行融合得到混合特征；(6)将步骤(5)得到的混合特征通过语义分割网络实现最终的栅格地图下的障碍物检测。本发明不仅很好地保留了几何和语义的信息，同时大大减少了障碍物检测时间。

公开(公告)号：CN116702267A

公开(公告)日：2023-09-05

申请号：CN202310445101.9

申请日：2023-04-24

Applicant: 浙江大学

Inventor： 高沁诚 ,  武伯熹 ,  王闻箫 ,  林彬彬 ,  蔡登 ,  何晓飞

IPC: G06F30/13 ,  G06F30/20 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于无规则多边形检测的飞机跑道检测方法，包括以下步骤：(1)获取飞行模拟软件生成虚拟跑道图像以及对应的标注数据，作为主要训练数据；(2)获取现实飞行环境中拍摄的跑道图像，标注后作为次要训练数据；(3)构建预训练好的深度神经网络模型，将模型中的顶层loss设置为跑道所在四边形的四个顶点位置；(4)将主要训练数据和次要训练数据按比例混合后对深度神经网络模型进行训练，直到模型的损失函数收敛；(5)利用训练后的深度神经网络模型对待测跑道图片进行分析，预测图像中跑道的四个顶点的位置。本发明采用四个自由度的输出预测代替矩形框，更贴近跑道轮廓，提高了识别的精准度和效率。

公开(公告)号：CN116630955A

公开(公告)日：2023-08-22

申请号：CN202310468800.5

申请日：2023-04-27

Applicant: 浙江大学

Inventor： 杨鸿辉 ,  蔡登 ,  何晓飞

IPC: G06V20/64 ,  G06V20/70 ,  G06V10/82 ,  G06V10/764 ,  G06V10/22

Abstract: 本发明公开了一种基于体素‑点变换器的高效三维物体检测方法，包括：(1)将激光雷达点云网格化，得到离散的体素；(2)将体素输入三维骨干网络，捕捉每个体素的高维语义特征；(3)将体素及其特征输入查询初始化网络，生成参考点和内容查询；(4)将参考点和内容查询、体素及其特征以及激光雷达点云同时输入点‑体素变换器中，在参考点的领域半径内采样点标记和体素标记；(5)通过点标记和体素标记与内容查询的特征相似度，将点标记和体素标记的特征融合进内容查询中；(6)将融合特征的内容查询输入到检测头网络中，预测每个内容查询所对应的物体类别和边界框。利用本发明，可以在保证模型运行效率的情况下，依旧达到先进的检测精度。

公开(公告)号：CN116229398A

公开(公告)日：2023-06-06

申请号：CN202310202547.9

申请日：2023-03-06

Applicant: 浙江大学

Inventor： 罗芯 ,  王闻箫 ,  蔡登

IPC: G06V20/56 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于置信学习和多任务学习的辅助驾驶AI中台系统，包括数据处理模块，用于接收原始数据，利用置信学习进行数据标注和筛选，构建数据集；模型构建模块，用于构建多任务模型的编码器、解码器，并为任务相关性较强的模型提供上下文信息传递通路和融合池化增强模块，使解码器的上下文进行交互；模型训练模块，用于定义和训练参数，训练到指定次数或精度后转化并输出模型；模型部署监控模块，用于将最佳模型进行设备端部署，同时在云端进行实时监控；并将模型效果差的场景数据进行保存回传，构成新的数据集。本发明有效利用简单任务对复杂任务进行辅助，并对简单任务的部分损失进行弥补，最终能够提升辅助驾驶感知的识别准确率。