-
公开(公告)号：CN117516530B
公开(公告)日：2024-12-06
申请号：CN202311280776.9
申请日：2023-09-28
Applicant: 中国科学院自动化研究所
IPC: G01C21/20
Abstract: 本发明提供一种机器人目标导航方法及装置，该方法包括：从待导航机器人在当前时刻之前预设时间段内各时刻的视觉观测数据中提取待导航机器人的视觉特征，并确定待导航机器人在预设时间段内各时刻接收的目标类别的语义嵌入信息，预设时间段包括当前时刻；根据当前时刻对应的语义嵌入信息对演员‑评论员算法中演员策略网络训练后的权重进行偏置，得到演员策略网络的最终权重；根据预设时间段内各时刻对应的视觉特征、语义嵌入信息和待导航机器人在预设时间段内除当前时刻以外各时刻的动作，基于最终权重对应的演员策略网络得到待导航机器人在当前时刻的动作。本发明实现提高机器人对未见类别的目标导航准确性。
-
公开(公告)号：CN117435934B
公开(公告)日：2024-07-19
申请号：CN202311783616.6
申请日：2023-12-22
Applicant: 中国科学院自动化研究所
IPC: G06F18/22 , G06F17/16 , G06F18/10 , G06F18/25 , G06F123/02
Abstract: 本发明涉及一种基于二分图的运动目标轨迹的匹配方法、装置和存储介质，涉及模式识别技术领域。基于二分图的运动目标轨迹的匹配方法包括：获取待匹配的两个轨迹集合，将一个轨迹集合中的多条轨迹分别与另一个轨迹集合中的多条轨迹进行匹配，判断进行匹配的两个轨迹是否满足第一预设条件；对所有满足第一预设条件的轨迹进行相似度计算，并结合所有不满足第一预设条件的轨迹的相似度，得到相似度矩阵；根据相似度矩阵构建二分图，采用匈牙利算法对二分图进行计算，得到二分图匹配结果。根据本发明的匹配方法，能够提高不同轨迹集合中目标关联的运行效率，同时还可以保证后续数据融合的精确度。
-
公开(公告)号：CN117733874B
公开(公告)日：2024-05-14
申请号：CN202410188144.8
申请日：2024-02-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及机器人状态预测技术领域，提供一种机器人状态预测方法、装置、电子设备及存储介质，其中方法包括：识别遥操作视频中机器人的机器臂，并确定机器臂的关节位置；以遥操作视频的图像帧中所述机器臂的关节位置作为节点，以机器臂的关节位置之间的关系作为节点间的边构建时间图结构；对时间图结构进行卷积，得到机器臂的动态图，将机器臂的动态图输入至机器人状态预测模型中，得到模型输出的机器人的预测轨迹。使用遮挡感知时序图编码构建一个时间图结构，聚合每个节点的邻域信息并更新节点特征，且机器臂的动态图利用时间相关性，捕获机器人关节位置的变化，减轻关节遮挡并减少了预测误差，从而提高后续机器人状态预测的准确性和可靠性。
-
公开(公告)号：CN112801206B
公开(公告)日：2022-10-14
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：CN112183620B
公开(公告)日：2021-04-23
申请号：CN202011032774.4
申请日：2020-09-27
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图卷积神经网络的小样本分类模型的发育方法及系统，旨在解决现有模型应用到新任务中性能不佳并且需要大量带标签训练样本的问题。本发明包括：提取一个由无向图构成的知识图谱，获取与任务相关的知识性信息；提取原始模型针对旧任务的训练过程中的经验信息；将知识性信息以及经验性信息相融合，构成新的融合图；通过建立新任务类别和旧任务类别之间的联系并进行模型的训练，得到面向新任务的认知发育后的分类模型。本发明方法在任务的迁移过程中，新任务无需提供大量的带标签样本，就可以实现快速而精准的视觉迁移，极大地提高了模型的利用率，降低了训练模型的成本和时间。
-
Patent Agency Ranking
公开(公告)号：CN112183620A
公开(公告)日：2021-01-05
申请号：CN202011032774.4
申请日：2020-09-27
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图卷积神经网络的小样本分类模型的发育方法及系统，旨在解决现有模型应用到新任务中性能不佳并且需要大量带标签训练样本的问题。本发明包括：提取一个由无向图构成的知识图谱，获取与任务相关的知识性信息；提取原始模型针对旧任务的训练过程中的经验信息；将知识性信息以及经验性信息相融合，构成新的融合图；通过建立新任务类别和旧任务类别之间的联系并进行模型的训练，得到面向新任务的认知发育后的分类模型。本发明方法在任务的迁移过程中，新任务无需提供大量的带标签样本，就可以实现快速而精准的视觉迁移，极大地提高了模型的利用率，降低了训练模型的成本和时间。
-
公开(公告)号：CN109176532B
公开(公告)日：2020-09-29
申请号：CN201811333508.8
申请日：2018-11-09
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本发明属于机器人技术领域，具体涉及一种机械臂路径规划方法、系统及装置，旨在解决从序贯式数据逐步建立序列模型而发生灾难性遗忘的问题。本发明方法包括，从多任务序列R中选取一个未经优化的任务Ri；基于任务Ri的局部策略pi来生成成功抓取的样本轨迹集合Dm；基于Dm拟合线性高斯动力学模型；采用直接优化单一的局部策略的方法优化得到优化后的局部策略p1i；基于p1i生成成功抓取的样本轨迹集合D1m；采用EWC算法，基于D1m优化全局策略πθ；重复上述步骤直至R任务被遍历，输出最后优化的到的全局策略πθ，进行机械臂多任务下的路径规划。通过本发明从序贯式数据逐步建立序列模型而不发生灾难性的遗忘。
-
公开(公告)号：CN117893876B
公开(公告)日：2024-11-08
申请号：CN202410027733.8
申请日：2024-01-08
Applicant: 中国科学院自动化研究所
IPC: G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08 , G06N5/022 , G06V10/764
Abstract: 本发明提出了一种基于场景图的零样本训练方法、装置、存储介质和电子设备，涉及计算机视觉领域。零样本训练包括：获取与检测样本相关的第一知识图谱；获取第一知识图谱中与检测样本相关的类别信息和连接信息，构建与检测样本相关的第二知识图谱；根据图卷积神经网络对第二知识图谱的信息进行训练，得到第一训练检测模型；根据第一训练检测模型推理得到分类器；根据类别信息和连接信息构建场景图；根据场景图和分类器对第一训练检测模型进行训练，得到第二训练检测模型。本发明通过构建场景图结构，利用前景之间的交互信息，形成新任务和旧任务之间的关联，从而依托模型和旧任务之间的交互信息，实现对新任务的辨识。
-
公开(公告)号：CN117636086A
公开(公告)日：2024-03-01
申请号：CN202311332829.7
申请日：2023-10-13
Applicant: 中国科学院自动化研究所
IPC: G06V10/774 , G06V10/74 , G06V10/762 , G06V10/98
Abstract: 本发明提供一种无源域适应目标检测方法及装置，包括：基于教师模型从目标域数据集的部分图像中提取的各类目标的第一实例特征，构建所述各类目标的多个特征原型；根据所述各类目标的多个特征原型，对所述教师模型获取的所述目标域数据集中各图像的目标检测结果进行纠正，得到所述各图像的伪标签；将所述目标域数据集的各图像作为样本，将所述各图像的伪标签作为标签对学生模型进行训练，使用训练后的所述学生模型检测待检测图像中的目标；所述教师模型和所述学生模型通过预先使用源域数据集对目标检测模型进行训练得到。本发明使用目标域中各类目标的多特征原型引导生成更加准确的伪标签作为模型训练的监督信息，从而提高目标检测的准确性。
-
公开(公告)号：CN117516530A
公开(公告)日：2024-02-06
申请号：CN202311280776.9
申请日：2023-09-28
Applicant: 中国科学院自动化研究所
IPC: G01C21/20
Abstract: 本发明提供一种机器人目标导航方法及装置，该方法包括：从待导航机器人在当前时刻之前预设时间段内各时刻的视觉观测数据中提取待导航机器人的视觉特征，并确定待导航机器人在预设时间段内各时刻接收的目标类别的语义嵌入信息，预设时间段包括当前时刻；根据当前时刻对应的语义嵌入信息对演员‑评论员算法中演员策略网络训练后的权重进行偏置，得到演员策略网络的最终权重；根据预设时间段内各时刻对应的视觉特征、语义嵌入信息和待导航机器人在预设时间段内除当前时刻以外各时刻的动作，基于最终权重对应的演员策略网络得到待导航机器人在当前时刻的动作。本发明实现提高机器人对未见类别的目标导航准确性。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.034 seconds)
