公开(公告)号：CN116740021A

公开(公告)日：2023-09-12

申请号：CN202310704231.X

申请日：2023-06-14

Applicant: 北京理工大学

Inventor： 甘明刚 ,  朱轶兵 ,  陈杰 ,  王钢 ,  夏明月 ,  张少卿 ,  马千兆

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明提供了一种工业场景数据集下的图卷积视觉关系检测方法，针对视觉关系检测技术在真实的工业场景数据集下缺少应用的问题，建立一个工业场景下的视觉关系检测数据集；整个数据集的构建过程包括相关主题的定义、相关照片的搜集、识别的物体和关系类别的初步筛查、物体和关系的标注、物体和关系类别的最终确定；而针对将具有异构性的图卷积网络引入视觉关系检测领域不充分的问题，设计了一个基于K‑最邻近图和自适应滤波的视觉关系检测模型；K‑最邻近图用于建立谓词节点的邻接矩阵，自适应滤波的结构采用改进的图卷积形式进行；总体而言，建立一个新的工业场景数据集并设计了一个考虑异构性图卷积的视觉关系检测方法。

公开(公告)号：CN115937972A

公开(公告)日：2023-04-07

申请号：CN202211489521.9

申请日：2022-11-25

Applicant: 北京理工大学

Inventor： 甘明刚 ,  张琰 ,  陈杰 ,  夏明月 ,  张少卿 ,  马千兆

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及一种时序‑视觉提案图网络的时序动作检测方法，属于时序动作检测技术。该方法在提案图上并行使用时序图卷积网络和视觉图卷积网络：首先，为每个提案选择有价值的邻居提案，并将其构建为动作提案图，再采用图卷积网络根据邻居提案对分类的不同贡献从邻居提案中获取动作信息来构造一个视觉图卷积网络，采用提案特征的余弦相似度作为权重；在动作提案图上再构造一个与视觉图卷积网络并行的时序图卷积网络，通过提案之间的时序和视觉相关性聚合信息。在使用图卷积网络时，提出一种新的时序图卷积操作，该操作将邻居提案按照时序位置关系划分为多个子邻居，并以不同的方式提取信息，采用度量函数作为辅助监督，以从邻居提案中获取更多有价值的信息。

公开(公告)号：CN115937650A

公开(公告)日：2023-04-07

申请号：CN202211491762.7

申请日：2022-11-25

Applicant: 北京理工大学

Inventor： 甘明刚 ,  张琰 ,  陈杰 ,  张少卿 ,  马千兆 ,  夏明月

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06V40/20 ,  G06V20/40 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0475 ,  G06N3/048

Abstract: 本发明涉及一种用于时序动作检测的图网络模型，属于时序动作检测任务技术领域。在提议生成阶段，通过基本特征网络和提议生成网络获得动作提议；在获得动作提议后，在提议分类阶段预测其具体动作标签，在此阶段，提议分类网络具有跨尺度提议图模块和语义提议图模块，以获得高质量的提议特征，在跨尺度提议图模块中，设计了一个跨时间特征金字塔的图注意力卷积网络A来生成具有不同粒度时间上下文信息的提议特征M，在语义提议图模块中，将具有不同粒度时间上下文信息的提议特征M构建到提议图中，并利用图注意力卷积网络B在提议之间传递语义信息，得到增强的提议特征N，最后将增强的提议特征N提供给分类器，以预测提议的标签。

公开(公告)号：CN116719285A

公开(公告)日：2023-09-08

申请号：CN202310707020.1

申请日：2023-06-15

Applicant: 北京理工大学

Inventor： 甘明刚 ,  夏明月 ,  陈杰 ,  王钢 ,  张少卿 ,  朱轶兵 ,  马千兆

IPC: G05B19/418

Abstract: 本发明公开一种基于数据和模型混合驱动的生产线调度方法，首先，根据柔性生产线中资源位置及布局、作业订单数量及种类、随机噪声扰动等要素，构建随机扰动下柔性生产线调度模型；然后，根据数据和模型混合驱动框架，对该调度模型求解；在数据和模型混合驱动框架中，数据驱动指的是基于值分解的多智能体强化学习算法，模型驱动指的是启发式分派规则和经验知识，二者的混合驱动主要体现在三个方面：一是将调度规则用于指导智能体策略选择，二是基于调度场景知识设计奖励函数，三是用历史经验和数据有监督训练噪声检测与去噪模块；最后，在扰动环境下，采用这种数据和模型混合驱动方法进行生产线调度，本发明用于求解随机扰动下的柔性生产调度。

公开(公告)号：CN116700173A

公开(公告)日：2023-09-05

申请号：CN202310704917.9

申请日：2023-06-14

Applicant: 北京理工大学

Inventor： 甘明刚 ,  张少卿 ,  陈杰 ,  王钢 ,  朱轶兵 ,  夏明月 ,  马千兆

IPC: G05B19/418

Abstract: 本发明公开一种基于图表示学习的生产线动态调度方法，根据生产线的资源类型数量、订单对应任务的资源需求、任务持续时间、到达时间，构建生产线动态调度模型；通过状态编码与特征嵌入表示来提取生产线调度所需要的隐含特征，形成相应的状态图表示；按照先进先出规则形成一个初始解，即调度的初始状态；通过区域选择器模块，选择状态图中每次需要重调度的区域；通过规则选择器模块，选择合适的交换动作对区域选择器输出的区域进行重调度；重复地将调度解依次输入调度选择器与规则选择器模块，并在满足终止条件后得到最终解；本发明能够得到效果卓越的生产线调度方案。