-
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：CN117710694A
公开(公告)日：2024-03-15
申请号：CN202410052542.7
申请日：2024-01-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种多模特征信息的获取方法及系统、电子设备及存储介质。多模特征信息的获取方法为通过卷积神经网络和激活函数对至少两个第一模态特征信息进行全局校准，得到至少两个第二模态特征信息，至少两个第一模态特征信息为通过多层感知机对至少两个第三模态特征信息进行自校准得到，至少两个第三模态特征信息对应至少两个模态图像；通过注意力机制对至少两个第一模态特征信息进行局部校准，得到至少两个第四模态特征信息；对至少两个第二模态特征信息、至少两个第三模态特征信息以及至少两个第四模态特征信息进行处理得到至少两个第五模态特征信息；对至少两个第五模态特征信息的位置特征信息和纹理特征信息进行融合得到多模特征信息。
-
公开(公告)号：CN114413910B
公开(公告)日：2022-07-12
申请号：CN202210328453.1
申请日：2022-03-31
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种视觉目标导航方法及装置，所述方法包括：基于目标图像，获取目标层级关系特征表示和第一视觉特征表示；并根据目标类别信息，获取类别编码；根据所述目标层级关系特征表示、所述第一视觉特征表示和所述类别编码，获取预测导航动作。本发明通过编码目标类别，赋予机器人在视觉目标导航中的推理能力，一定程度上弥补了全局信息的缺失；通过“目标‑区域”层级关系使得机器人的推理更为高效，在提高导航成功率的同时大幅减少导航步数和时间，在缺乏全局信息输入的条件下，机器人可以快速且精准的完成导航任务。
-
公开(公告)号：CN112819110B
公开(公告)日：2021-06-29
申请号：CN202110420700.6
申请日：2021-04-19
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明属于计算机视觉领域，具体涉及了一种基于权重生成的增量式小样本目标检测方法及系统，旨在解决现有目标检测器缺乏小样本快速学习和增量学习的能力，对标签数据依赖性强，检测器不具备开放性的问题。本发明包括：通过基础类别数据进行检测器监督训练；获取基础类别目标检测器的尺度感知和中心度感知的权重，生成基础类别响应；结合基础类别响应生成新类别权重；结合新类别数据进行基础类别目标检测器的微调训练；通过获得的基础类别和新类别的目标检测器实现增量式小样本目标检测。本发明结合尺度和中心度感知，区域特征更具代表性，目标定位更准确，模型在增量学习中可获得更好的整体性能，检测效率高、准确性和精度高。
-
公开(公告)号：CN112200163B
公开(公告)日：2021-06-25
申请号：CN202011393784.0
申请日：2020-12-03
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种水下底栖生物检测方法及系统，所述方法包括：获取多幅水下底栖生物图像及对应的特征信息；根据各水下底栖生物图像及对应的特征信息，建立底栖生物检测模型，包括：针对每一水下底栖生物图像，提取多维度的特征图；基于特征金字塔网络，将多维度的特征图进行特征融合，得到融合特征图；根据所述融合特征图，生成锚框；通过锚框对融合特征图进行调整，得到调整后的融合特征图；基于各融合特征图及对应的锚框，训练RPN网络，得到训练后的RPN网络；基于RPN网络及各锚框，确定感兴趣区域；根据各感兴趣区域及对应的特征信息，生成底栖生物检测模型；基于底栖生物检测模型进而，可准确确定所述待测底栖生物的待测特征信息，提高检测精度。
-
Patent Agency Ranking
公开(公告)号：CN112508461A
公开(公告)日：2021-03-16
申请号：CN202110111672.X
申请日：2021-01-27
Applicant: 中国科学院自动化研究所
IPC: G06Q10/06 , G06F16/9535 , G06N20/00
Abstract: 本发明属于学术平台领域，具体涉及了一种多元要素的学术影响力评价服务平台系统和装置，旨在解决现有的学术服务评价平台仅通过发表论文单一维度评价学者，存在低效和低质的缺点。本发明包括：对每个用户建立用户档案，所述用户档案包含用户的实名身份信息，每位用户终身只能设立唯一一份用户档案；为对每项科学研究工作，建立项目档案；所述项目档案包含相关的研究内容和人员信息；基于用户对科研成果的操作为科研成果计算所属领域的价值分数；所述科研成果根据所述价值分数和推荐权限在对应领域中进行排序显示。本发明通过多元的要素替代了论文的单一要素对学者的水平进行评价，构建了独特、完善的学者学术水平评价机制。
-
公开(公告)号：CN105335524B
公开(公告)日：2019-09-24
申请号：CN201510872650.X
申请日：2015-11-27
Applicant: 中国科学院自动化研究所
IPC: G06F16/58
Abstract: 本发明提出了一种应用于大规模非规则结构数据的图搜索方法，包括数据预处理方法和查询执行方法，其中数据预处理方法为：将非规则结构数据进行格式统一，为每个图的原图点构造一近邻标签向量表，构造具有属性点的扩充图；查询执行方法为：在原图数据点中利用一近邻标签筛选与关键点对应的候选匹配点，计算候选匹配点的匹配度并选择局部区域的中心点，在中心点周围划分出局部区域并查询子图和局部图的近似图匹配。该算法在保证搜索准确性的同时，大幅度降低运算复杂度，可以实现可行且有效的大规模非规则结构数据的图搜索。
-
公开(公告)号：CN107369184A
公开(公告)日：2017-11-21
申请号：CN201710485973.2
申请日：2017-06-23
Applicant: 中国科学院自动化研究所
IPC: G06T7/80
Abstract: 本发明涉及工业机器人标定领域，具体为一种混合双目工业机器人系统同步标定系统、方法及其它装置，即为了解决同时采用局部摄像机、全局摄像机进行同步标定的问题，所述方法包括：调整标定板和工业机器人的末端位姿，并在每次调整后记录变换关系Ai、Bi、Ci，并通过迭代的方法求解位姿变换链AXB＝YC中的每次调整后的变换矩阵X、Y，直至满足预设迭代条件，并以最后一次调整后得到的变换矩阵X、Y作为最终的变换矩阵，得到最终的位姿变换链。本发明可以在不借助额外测量工具的条件下满足具有眼看手，眼在手两类摄像机的工业机器人系统的手眼同步标定要求，且具有较好的标定精度及效率。
-
公开(公告)号：CN103246940A
公开(公告)日：2013-08-14
申请号：CN201310177392.4
申请日：2013-05-14
Applicant: 中国科学院自动化研究所
IPC: G06Q10/04
Abstract: 本发明公开了一种工厂设备优化布局方法，该方法对工厂设备的布局建立模型，模型以以下形式给出：min F(X)＝tr(AXBTXT+CXT)s.t.X∈Π，其中是三个规模相同的矩阵，损耗矩阵A表示设备间单位耗损，距离矩阵B表示地点间差异；C表示维护费用矩阵，是待求的分配矩阵，其形式为置换矩阵，Π是置换矩阵集，tr(*)表示矩阵的迹。然后本发明基于逐步非凸逐步凹过程对所述模型的目标函数进行优化。本发明的方法在保持很高的布局精度的同时，能大幅度降低时间消耗和存储消耗。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.038 seconds)
