-
公开(公告)号:CN117763365A
公开(公告)日:2024-03-26
申请号:CN202311745957.4
申请日:2023-12-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于强化学习的图匹配方法、装置、介质和电子设备。用于计算机技术领域,其中基于强化学习的图匹配方法,包括:获取成对图的信息;根据成对图的信息构造关联图,关联图包括成对图的信息;获取动作集合;根据关联图和动作集合生成关联图子图;根据关联图子图生成环境状态特征;根据环境状态特征生成动作期望奖赏值;根据动作期望奖赏值选择关联图动作;根据关联图动作生成分配矩阵。基于构建的关联图定义了直观合理的马尔可夫决策过程,引入了图卷积神经网络作为状态表示网络,并使用D3QN作为估值网络,最终在保证关联结果准确性的同时,避开了训练数据几乎无法标注的难题。
-
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:CN117473337B
公开(公告)日:2024-03-22
申请号:CN202311795885.4
申请日:2023-12-25
Applicant: 中国科学院自动化研究所
IPC: G06F18/22 , G06F18/213 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0985
Abstract: 本公开涉及一种轨迹关联方法及装置、设备及存储介质,所述方法包括:获取同一时段内分别在第一模态和第二模态下各运动目标的轨迹数据;将第一模态和第二模态下各运动目标的轨迹数据输入已知的编码器中,输出各运动目标的特征向量;根据各运动目标的特征向量确定各运动目标的描述向量;根据第一模态下各运动目标与第二模态下各运动目标的描述向量,确定第一模态下各运动目标与第二模态下各运动目标的相似度矩阵,以按照相似度矩阵对第一模态与第二模态下的运动目标进行关联,在实现准确的轨迹关联的同时,克服外点的干扰,具有高鲁棒性的优势。
-
公开(公告)号:CN117435934A
公开(公告)日:2024-01-23
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:CN117473337A
公开(公告)日:2024-01-30
申请号:CN202311795885.4
申请日:2023-12-25
Applicant: 中国科学院自动化研究所
IPC: G06F18/22 , G06F18/213 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0985
Abstract: 本公开涉及一种轨迹关联方法及装置、设备及存储介质,所述方法包括:获取同一时段内分别在第一模态和第二模态下各运动目标的轨迹数据;将第一模态和第二模态下各运动目标的轨迹数据输入已知的编码器中,输出各运动目标的特征向量;根据各运动目标的特征向量确定各运动目标的描述向量;根据第一模态下各运动目标与第二模态下各运动目标的描述向量,确定第一模态下各运动目标与第二模态下各运动目标的相似度矩阵,以按照相似度矩阵对第一模态与第二模态下的运动目标进行关联,在实现准确的轨迹关联的同时,克服外点的干扰,具有高鲁棒性的优势。
-
-
-
-