-
公开(公告)号：CN114581747B
公开(公告)日：2024-11-01
申请号：CN202210211754.6
申请日：2022-03-04
IPC: G06V10/80 , G06V10/82 , G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于局部和全局上下文融合的显著性目标检测方法及系统，所述方法包括以下步骤：获取待显著性目标检测的RGB图片并输入预训练好的显著性目标检测模型，获得显著性目标检测结果；其中，所述显著性目标检测模型包括：特征提取网络，用于获取多尺度特征；拼接融合网络，用于获得低层细节特征和高层语义特征；局部上下文提取网络，用于输出细腻的局部上下文特征；全局上下文提取网络，用于输出细腻的全局上下文特征；融合输出网络，用于输出显著性目标检测结果。本发明能够有效地提取局部和全局上下文信息，能够提高复杂场景中显著性检测的高效性和准确性。
-
公开(公告)号：CN114138959B
公开(公告)日：2024-08-27
申请号：CN202111442653.1
申请日：2021-11-30
Applicant: 同济大学
IPC: G06F16/332 , G06F16/338 , G06F16/335 , G06F16/36
Abstract: 本发明涉及一种用于固定知识领域检索模型的多轮对话方法，包括以下步骤：1)获取输入问句文本的tf‑idf特征并进行粗排序，得到多个最佳匹配的候选回复；2)将问句文本与候选回复组成句子对，并采用预训练的BERT模型进行精确排序，预测出得分最高的回复即为期望的回复。与现有技术相比，本发明具有回复效果好、准确率高等优点。
-
公开(公告)号：CN117746071A
公开(公告)日：2024-03-22
申请号：CN202311688470.7
申请日：2023-12-08
Applicant: 同济大学
Abstract: 本发明涉及一种基于层级优化策略的双目图像关键点匹配方法及介质，该方法包括：S1、获取多对左右立体图像对；S2、深度神经网络特征提取器处理左右立体图像对，得到不同分辨率的左右特征图对；S3、计算左右特征图对的匹配代价体，以构建匹配代价体金字塔；S4、基于最低分辨率的匹配代价体获得初始关键点匹配对；S5、计算关键点匹配对在次低分辨率的匹配代价体中对应图像块间的匹配代价，并将满足局部极值性的匹配代价对应的像素对作为最低层级的关键点匹配结果；S6、重复步骤S5，按分辨率从低到高的方式对匹配代价体金字塔进行逐层优化，直至获得最终关键点匹配结果。与现有技术相比，本发明具有精度高、鲁棒性强等优点。
-
公开(公告)号：CN117710453A
公开(公告)日：2024-03-15
申请号：CN202311479759.8
申请日：2023-11-08
Applicant: 同济大学
IPC: G06T7/73 , G06T7/00 , G06V10/26 , G06V10/80 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06N3/098 , G06N3/084
Abstract: 本发明涉及一种基于多任务联合学习的语义分割和立体匹配方法及框架，该方法包括以下步骤：获取立体图像对信息，所述立体图像对信息包括左图和右图；基于所述左图和右图，采用联合编码器提取共享特征，并通过计算视差得到初步视差图；基于所述共享特征，通过更新视差以更新所述初步视差图，获得细化视差图，其中所述细化视差图为立体匹配结果；将所述共享特征转换到语义空间，并与所述细化视差图进行特征融合，获得融合特征；基于密集连接的跳跃连接解码器，解码所述融合特征，获得语义分割结果。与现有技术相比，本发明具有提高实时性能、数据要求低等优点。
-
公开(公告)号：CN117570968A
公开(公告)日：2024-02-20
申请号：CN202311675669.6
申请日：2023-12-07
Applicant: 同济大学
IPC: G01C21/00 , G01S17/86 , G01S17/89 , G01S17/93 , G01S17/931
Abstract: 本发明涉及移动机器人自主建图与定位领域，尤其是涉及一种基于视觉路标的地图构建与维护方法、装置及存储介质。该方法利用前端扫描匹配和回环检测，获取激光帧位姿、子图位姿和第一位姿关系，得到第一约束条件；利用环境检测，获取视觉路标位姿和第二位姿关系，得到第二约束条件；求解根据第一约束条件和第二约束条件构建的图优化目标函数，得到第一地图；过滤第一地图中的动态障碍物数据，修剪冗余子图，并结合相应的视觉路标位姿更新并求解图优化目标函数，得到第二地图。与现有技术相比，本发明具有有效提高地图构建的定位精确度和地图质量、同时实现高质量地图的长期维护等优点。
-
Patent Agency Ranking
公开(公告)号：CN117565034A
公开(公告)日：2024-02-20
申请号：CN202311478428.2
申请日：2023-11-08
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明涉及一种图形化机器人编程系统及方法，其中系统包括图形绘制模块、数据管理模块和代码运行模块，方法编写程序时包括以下步骤：新建控制对象机械臂的代码文件；根据实际任务中机械臂需要到达的笛卡尔坐标系或者关节坐标系下的点，配置和导入所需坐标数据，配置相应的运动速度和加速度；指定机械臂的运动方式，使用不同的运动控制指令，选择需要的代码块和运动目标点参数；进入代码连接模式，利用连接器将代码块按照需要的顺序依次连接；运行代码，依照实际情况调整运动控制指令的速度和加速度，增加或删改配置好的坐标数据，直到被控机械臂按照预期的轨迹运动；保存代码。与现有技术相比，本发明具有高效、稳定、容易维护与应用方便等优点。
-
公开(公告)号：CN117391144A
公开(公告)日：2024-01-12
申请号：CN202311308989.8
申请日：2023-10-10
Applicant: 同济大学
IPC: G06N3/0464 , G06N3/08 , G06N3/0985
Abstract: 本发明涉及深度学习技术领域，尤其是涉及一种深度神经网络模型轻量化方法、装置及存储介质。该方法获取经浮点型数据预训练的深度神经网络模型后，进行后训练量化处理，利用包括逐向量量化器和逐通道量化器的网络量化框架进行数据标定，根据每层量化器的标定值确定特征和权重输入的数据范围以及量化器比例系数，得到整型精度的网络模型，逐向量量化器设置于特征输入端，逐通道量化器设置于权重输入端；标定终止后，基于梯度反传函数和比例系数更新权重，结合起始学习率和训练策略进行量化训练，起始学习率小于训练浮点型精度模型的起始学习率。与现有技术相比，本发明具有在提高模型计算效率的同时，保证量化精度和量化模型性能稳定等优点。
-
公开(公告)号：CN117151188A
公开(公告)日：2023-12-01
申请号：CN202310936753.2
申请日：2023-07-28
Applicant: 同济大学
IPC: G06N3/082 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种适用于深度卷积网络模型的网络轻量化方法、装置及介质，其中方法包括：将深度卷积网络模型在浮点型精度下进行训练；构建网络量化框架，在网络模型卷积操作的特征输入端和权重输入端分别添加线性对称量化器，并使能量化器的数据标定功能；选取数据样本，对网络模型进行后训练量化处理，固定量化器的标定值；关闭数据标定功能，使能量化器的梯度反传功能，采用直通估计法作为梯度反传函数；修改网络超参数，设定起始学习率，采用余弦下降训练策略，对网络进行量化训练，完成轻量化。与现有技术相比，本发明在保证网络模型准确性的前提下将模型中的浮点型计算转化为整型计算，实现了深度学习网络模型的轻量化。
-
公开(公告)号：CN117086877A
公开(公告)日：2023-11-21
申请号：CN202311152117.7
申请日：2023-09-07
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明涉及一种基于深度强化学习的工业机器人轴孔装配方法、装置和设备。其中，该方法包括以下步骤：构建工业机器人的状态集合和动作集合；将所述的状态集合和动作集合输入训练完成的基于深度强化学习的轴孔装配算法模型，输出经过选择的装配动作；执行所述的装配动作完成轴孔装配，并记录完成轴孔装备时的状态，将该状态作为下一次状态的输入，选择下一步的装配动作。与现有技术相比，本发明具有无需事先对轴孔位置进行精确测量、自适应性强的应用性、提高生产效率和精度等优点。
-
公开(公告)号：CN117011463A
公开(公告)日：2023-11-07
申请号：CN202310936762.1
申请日：2023-07-28
Applicant: 同济大学
Abstract: 本发明涉及一种基于神经辐射场的机器人主动式三维重建方法，方法包括以下步骤：S1、获取场景中包含的物体，并给每个检测的物体标上标签；S2、通过比对得到所有匹配的标签的目标；S3、计算目标的世界坐标；S4、在目标点周围均匀采样多个方向，生成机器人到目标点的移动路径，机器人移动至每个方向对应的位置，并获取该方向上的图片；S5、对S4获得的图片进行预处理；S6、对预处理后的图片提取特征并匹配，由此获得相机模型和对应的位姿估计；S7、将预处理后的图片组成的数据集和位姿估计输入神经辐射场中，输出场景重建结果。与现有技术相比，本发明具有鲁棒性好，效率高等优点。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.025 seconds)
