-
公开(公告)号：CN119360243A
公开(公告)日：2025-01-24
申请号：CN202411395067.X
申请日：2024-10-08
Applicant: 中国矿业大学
IPC: G06V20/17 , G06V10/25 , G06V10/82 , G06V10/764 , G06N3/0455 , G06N3/0475
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于场景语言感知引导的多模态无人机目标检测框架。首先，将视觉‑语言预训练模型嵌入多模态目标检测框架中，提出了场景语言感知模块，利用视觉‑语言预训练模型为模型提供场景智能感知和理解能力。其次，通过条件参数生成模块根据当前场景和目标特征动态生成融合参数，通过为不同目标定制个性化的融合模式提升模型对场景变化的适应能力。最后，设计了多模态动态解码器，建立了动态对称融合机制，通过动态挖掘多模态数据间的复杂互补关联实现多模态特征融合，并根据当前场景实时调整不同模态的重要性，将DETR的解码机制从单模态扩展到多模态，为多模态无人机目标检测提供了无需先验框的新范式。
-
公开(公告)号：CN118196752B
公开(公告)日：2024-12-31
申请号：CN202410289768.9
申请日：2024-03-14
Applicant: 中国矿业大学
IPC: G06V20/58 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/143 , G06V10/74 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于解耦变分自编码器网络的无人驾驶环卫车目标检测方法，针对无人驾驶环卫车的多模态目标检测，首先，向特征金字塔网络添加横向连接，以平衡不同大小对象的检测要求；接着，多尺度特征输入到框建议模块，生成提议框和提议特征，将通过RoiAlign得到的ROI特征和提议特征建立一对一的交互关系，从而优化ROI特征；然后，设计了解耦变分自编码器，采用变分推断，通过最大化真实数据分布对数似然的证据下界建模全局数据分布，对红外和可见光图像的数据分布进行解耦，以从数据中捕获任务相关的分布信息；最后，将解耦变分自编码器的特征进行全局信息整合，然后输入到目标检测网络中，以进行多模态目标检测。
-
公开(公告)号：CN118688807B
公开(公告)日：2024-12-20
申请号：CN202410706764.6
申请日：2024-06-03
Applicant: 中国矿业大学
IPC: G01S15/66
Abstract: 本发明公开了一种基于轴向注意力的UUV非合作目标跟踪方法。本发明针对前视声呐观测的不可靠性、目标运动的不可预测性，构建带有记忆的一阶马尔可夫状态空间模型描述声呐观测下UUV非合作目标跟踪机理，并提出一种基于轴向注意力Transformer的非合作目标状态多步预测网络，用于描述非线性观测下，非合作目标相对声呐的复杂运动过程。针对观测的不稳定性及后验分布的未知性，基于Monte Carlo近似推断原理，利用该多步预测网络将目标观测状态空间中的采样粒子映射到目标预测状态空间，构建基于轴向注意力的目标跟踪方法，提高UUV非合作目标跟踪对不确定输入的适应性和鲁棒性。
-
公开(公告)号：CN118015356B
公开(公告)日：2024-10-11
申请号：CN202410154380.8
申请日：2024-02-04
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06V10/80 , G06V10/30 , G06V10/40 , G06V10/58 , G06N3/042 , G06N3/0455 , G06N3/0464 , G01S17/86 , G01N21/25
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于高斯混合的变分动态融合网络的高光谱分类方法。首先，利用K近邻搜索构建两模态的多尺度空间图，并利用图卷积学习获得多尺度特征。提出基于高斯混合的空间拓扑约束，通过约束两模态的拓扑一致性，抑制光谱噪声干扰。然后，设计多尺度动态图聚合模块以捕获多尺度特征中可共享的类辨识信息，并通过挖掘适合当前样本的个性化融合模式提升模型对地物尺度变化的适应能力，实现对模态信息的充分挖掘。最后，推导了两模态联合分布的证据下界，构建了多模态VAE，通过优化证据下界建模多模态联合分布，学习模态间复杂的非线性关系，实现了多模态数据融合，提高了复杂场景下高光谱图像分类的精度。
-
公开(公告)号：CN117933349B
公开(公告)日：2024-07-26
申请号：CN202410106823.6
申请日：2024-01-25
Applicant: 中国矿业大学
IPC: G06N3/092
Abstract: 本发明公开了一种基于安全互模拟度量的视觉强化学习方法，首先，建立序列条件变分推断模型、安全互模拟度量模型与安全强化学习模型，并初始化模型参数；对于每个环境步，收集经验样本，构建拉格朗日损失函数，并更新拉格朗日乘子；对于每个梯度步，从经验回放池中采样数据序列，构建序列条件变分推断模型损失函数与安全互模拟度量模型损失函数并更新模型参数，构建安全强化学习模型并更新模型参数；最后，重复上述步骤直到获得最优模型参数。本发明能够学习到紧凑且富含信息的视觉状态表征，同时满足预设的安全约束要求。
-
Patent Agency Ranking
公开(公告)号：CN118212398A
公开(公告)日：2024-06-18
申请号：CN202410310009.6
申请日：2024-03-19
Applicant: 中国矿业大学
IPC: G06V10/25 , G06V10/143 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于知识补全平衡网络的多模态目标检测方法。首先，设计一种知识补全机制，通过类知识补全和空间知识补全缓解局部模态信息失衡，以实现对模态间信息干扰的抑制，提升模型对低光照、烟雾等复杂情景的适应能力；然后，设计一种动态平衡机制，在模型学习中动态监控和平衡模型对不同模态的关注程度缓解全局模态信息失衡现象，通过确保多模态特征学习的同步性，提升模型对多模态互补信息的利用能力。
-
公开(公告)号：CN118192249A
公开(公告)日：2024-06-14
申请号：CN202410428471.6
申请日：2024-04-10
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于经验导向Q学习的锅炉汽轮机系统负荷控制方法，包括：将原始负荷控制问题转化为关于跟踪误差的增广误差系统调节问题；基于锅炉汽轮机运行历史数据构建经验池，提出离策略Q学习方法，根据批量采样信息更新状态‑动作值函数，设计评价神经网络近似Q函数，并结合最小二乘法迭代更新状态‑动作值Q函数；再利用的采样‑训练循环嵌套训练框架，进一步在线优化评价网络权值；设计Q学习自适应控制器，生成具有优化趋向的数据存入经验池，实现Q学习算法的导向学习，以自适应调整系统的负荷控制策略。本发明高效利用系统运行数据和经验导向的学习方式，解决了锅炉汽轮机系统负荷控制中的数据利用难和数据质量要求高等难题。
-
公开(公告)号：CN118038181A
公开(公告)日：2024-05-14
申请号：CN202410331617.5
申请日：2024-03-22
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/75 , G06V10/762 , G06V20/10 , G06N3/0455 , G06N3/096 , G06N3/094 , G06V10/82
Abstract: 本发明公开了一种基于元迁移梯度更新策略的高光谱图像分类方法。通过任务分布对齐策略构建了平衡的元任务簇，以解决不同领域之间由于类别关系差异而引起的任务分布错位问题。接着，利用领域投影头捕获与域相关的特定知识，确保共享特征嵌入模块能够专注于捕获两个域之间共享的域不变知识。最后，采用元迁移梯度更新策略来更新模型，聚焦于让模型从元迁移任务集合中归纳出适用于各类型元迁移任务的无偏知识，从而提升模型的泛化性能并优化元迁移学习效果。
-
公开(公告)号：CN117933349A
公开(公告)日：2024-04-26
申请号：CN202410106823.6
申请日：2024-01-25
Applicant: 中国矿业大学
IPC: G06N3/092
Abstract: 本发明公开了一种基于安全互模拟度量的视觉强化学习方法，首先，建立序列条件变分推断模型、安全互模拟度量模型与安全强化学习模型，并初始化模型参数；对于每个环境步，收集经验样本，构建拉格朗日损失函数，并更新拉格朗日乘子；对于每个梯度步，从经验回放池中采样数据序列，构建序列条件变分推断模型损失函数与安全互模拟度量模型损失函数并更新模型参数，构建安全强化学习模型并更新模型参数；最后，重复上述步骤直到获得最优模型参数。本发明能够学习到紧凑且富含信息的视觉状态表征，同时满足预设的安全约束要求。
-
公开(公告)号：CN116755409A
公开(公告)日：2023-09-15
申请号：CN202310812903.9
申请日：2023-07-04
Applicant: 中国矿业大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于值分布DDPG算法的燃煤发电系统协调控制方法，包括：将燃煤发电系统协调控制问题建模为马尔可夫决策过程；通过Q函数评估长期期望控制代价函数，使用分位数对标量Q值进行分布建模；引入贝尔曼算子的分布型表达式构建目标分布，度量分布之间的1‑Wassertein最小距离，设计分位数损失与最小化分布之间的距离；构建估计网络和目标网络两个行动者‑评论家网络结构，标准化燃煤发电系统的数据样本，采用DDPG算法以实现对值分布的估计和策略的更新，得到协调控制策略。本发明基于系统运行数据和值分布DDPG算法解决了环境复杂不确定性燃煤发电系统协调控制中难以精确建模、缺乏自适应能力等难题。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.036 seconds)
