-
公开(公告)号：CN118840725B
公开(公告)日：2025-03-21
申请号：CN202410944126.8
申请日：2024-07-15
Applicant: 北方工业大学
Abstract: 本发明提供了一种基于图注意力网络的多任务场景理解方法。包括以下步骤：采集数据并进行标注记录，得到多模态数据集；基于多模态数据集，得到所有物体的类别信息；再寻找每个物体的相对位置信息并转换为全局位置信息，同时添加当前时间的环境信息生成综合数据表示；设计预设规则，生成场景模型；利用损失函数和图注意神经网络进行场景模型的迭代训练，得到训练好的场景模型并进行多种场景分析任务，通过场景分析结果推理场景的整体情况。本发明能够提升多模态数据融合效率、简化数据对齐和同步处理过程、全面集成与分析环境信息、增强全局场景理解能力、同时进行多种场景理解任务，实现对复杂场景的全面感知和智能推理。
-
公开(公告)号：CN114942637B
公开(公告)日：2024-05-28
申请号：CN202210541180.9
申请日：2022-05-17
Applicant: 北方工业大学
IPC: G05D1/43 , G05D1/65 , G05D1/644 , G05D1/648 , G05D109/10
Abstract: 一种具有情感与记忆机制的迷宫机器人自主搜索的认知学习方法，属于智能机器人技术领域。系统通过感知器感受当前状态与环境收益；再与内部状态共同将机器人内，外部信息传入到环境状态系统生成更深层环境信息；情感系统会产生情感与相关记忆，机器人通过反思记忆与分析，从而进行行为选择；随着搜索时间上升，机器人知识也逐渐丰富，直至满足学习停止条件。本发明引入具有情感与记忆机制，充分利用机器人在迷宫环境搜索过程中产生的情感与记忆，采用情感奖励为内部奖励的方式避免环境中稀疏奖励学习效率低，利用环境状态及相关信息的记忆，有效避免同一状态与动作的重复学习，实现更有效搜索。本发明使机器人具有较强自主能力，也提高了学习速度。
-
公开(公告)号：CN115952736A
公开(公告)日：2023-04-11
申请号：CN202310005618.6
申请日：2023-01-04
Applicant: 北方工业大学
Abstract: 本发明公开一种多智能体目标协同搜索方法及系统，涉及群体智能与多智能体目标搜索技术领域，方法包括：针对搜索仿真环境中的任一智能体，获取智能体感知到的环境探测信息；基于期望收益梯度设置确定性策略动作；获取智能体执行确定性策略动作后的更新环境探测信息；基于动作情感变化数据和外在环境奖励数据确定内在奖励数据；内在奖励数据和外在环境奖励数据构成搜索整体奖励数据；搜索整体奖励数据、当前状态数据、更新后状态数据和确定性策略动作构成经验四元组；每个智能体从经验池中随机抽取经验四元组进行训练以得到并执行最优策略动作，以实现目标协同搜索。本发明解决了奖励稀疏问题，提高多智能体搜索复杂未知环境的效率。
-
公开(公告)号：CN113433961B
公开(公告)日：2022-10-14
申请号：CN202110752646.5
申请日：2021-07-02
Applicant: 北方工业大学
IPC: G05D1/08 , B62D57/032
Abstract: 本发明涉及一种足式机器人的足端触地反馈部件及其控制方法，触地反馈部件包括设置于足式机器人的腿部与足端之间的点动按钮，当足端与地面相接触时，点动按钮被按动，产生高电平，当足端悬空时，点动按钮处于自然状态，产生低电平，足式机器人用于接收高电平和低电平，得到触地反馈信号，进而通过在足式机器人的腿部与足端之间设置一点动按钮，以点动按钮作为落地反馈源，不再依靠弹性体形变来判断足端是否触地，避免了弹性体在足式机器人工作环境中可能产生的失去弹力的问题，显著提高了触地反馈的可靠性，还可基于该触地反馈信号来对足式机器人的运动进行控制，借助于触地反馈的可靠性，提高了对足式机器人运动进行控制的精确性。
-
公开(公告)号：CN114942637A
公开(公告)日：2022-08-26
申请号：CN202210541180.9
申请日：2022-05-17
Applicant: 北方工业大学
IPC: G05D1/02
Abstract: 一种具有情感与记忆机制的迷宫机器人自主搜索的认知学习方法，属于智能机器人技术领域。系统通过感知器感受当前状态与环境收益；再与内部状态共同将机器人内，外部信息传入到环境状态系统生成更深层环境信息；情感系统会产生情感与相关记忆，机器人通过反思记忆与分析，从而进行行为选择；随着搜索时间上升，机器人知识也逐渐丰富，直至满足学习停止条件。本发明引入具有情感与记忆机制，充分利用机器人在迷宫环境搜索过程中产生的情感与记忆，采用情感奖励为内部奖励的方式避免环境中稀疏奖励学习效率低，利用环境状态及相关信息的记忆，有效避免同一状态与动作的重复学习，实现更有效搜索。本发明使机器人具有较强自主能力，也提高了学习速度。
-
Patent Agency Ranking
公开(公告)号：CN114898416A
公开(公告)日：2022-08-12
申请号：CN202210069201.1
申请日：2022-01-21
Applicant: 北方工业大学
Abstract: 本申请实施例中提供了一种人脸识别方法、装置、电子设备及可读存储介质，属于人脸识别技术领域，该方法包括：对目标区域的视频数据进行预处理，以得到所述目标区域的标准图片序列；基于预设人脸检测模型以及预设目标跟踪模型处理所述标准图片序列，以得到连续的人脸图像序列；根据预设参数评分算法在所述人脸图像序列中选取目标人脸图像，所述目标人脸图像为所述人脸图像序列中分数最高的人脸图像；在预设的人脸图像库中查找所述目标人脸图像，当所述预设的图像数据库中包括所述目标人脸图像时，输出人脸识别通过的比对结果。通过预设人脸检测模型和预设目标跟踪模型对人脸图像的处理，能够有效提高人脸信息获取的准确度，提升人脸识别的精确度。
-
公开(公告)号：CN114596567A
公开(公告)日：2022-06-07
申请号：CN202210264800.9
申请日：2022-03-17
Applicant: 北方工业大学
IPC: G06V30/244 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于动态前馈神经网络结构和成长率函数的手写数字识别方法，包括：训练初始化小规模的神经网络，暂停训练对神经网络的性能进行阶段性测试；基于性能指标计算得出成长率，通过成长率计算在恢复训练时需要增长的网络规模；基于网络性能测试结果，筛选需要分裂和删减的神经元；对于被分裂的神经元，通过调整权重值保持网络输出不变；对于被删减的冗余神经元，对相邻神经元的输出进行补偿；判断网络增长是否成熟，当网络增长到合适的规模时停止增长，输出当前网络，从而得到在应用前馈神经网络对手写数字进行分类时较为合适的网络结构及参数：避免网络规模过小时引起的欠拟合，以及网络规模过大引起的过拟合，降低运算时间和计算成本。
-
公开(公告)号：CN112363429A
公开(公告)日：2021-02-12
申请号：CN202011219621.0
申请日：2020-11-04
Applicant: 北方工业大学
IPC: G05B19/042 , H04W12/037 , H04W4/42 , H04W4/90 , B60R21/02
Abstract: 本发明提供了一种大型车辆的远程智能一键破窗控制方法，能够在特殊紧急状况下依旧保证对车辆的控制，有效疏散乘客，让乘客安全快速的离开事故发生地，包括以下步骤：S1、通过远程指挥平台下达无线指令；S2、通过车载终端接收无线指令，并将所述无线指令转换成加密报文，在通讯局域网络里播报；S3、通过交互服务器在局域网中接收无线指令，并将其翻译成具体的操作指令给车辆执行模块；S4、通过车辆执行模块获取指令信息，发布破窗指令后，启动破窗器。
-
公开(公告)号：CN114596533B
公开(公告)日：2024-12-06
申请号：CN202210065950.7
申请日：2022-01-20
Applicant: 北方工业大学
Abstract: 本申请实施例中提供了一种跌倒姿态检测方法、装置、电子设备及可读存储介质，属于图像处理技术领域，该方法包括：对监控视频进行预设处理，以获得待识别图像；根据预设姿态检测模型对所述待识别图像进行检测，以获得基于姿态检测的第一检测结果；根据预设目标检测模型对所述待识别图像进行检测，获得基于目标检测的第二检测结果；通过所述第二检测结果修正所述第一检测结果，获得修正后的第三检测结果，所述第三检测结果包括第三人体边界框和/或第二人体关键点；根据所述第三检测结果判断所述待识别图像中的人体对象是否为跌倒姿态。通过本公开的处理方案，能够在保证多人姿态检测的检测实时性的同时，有效提高检测的召回率。
-
公开(公告)号：CN119068511A
公开(公告)日：2024-12-03
申请号：CN202411101856.8
申请日：2024-08-12
Applicant: 北方工业大学
IPC: G06V40/10 , G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及姿态检测技术领域，目的在于提供一种公交车厢场景下基于偏差预测的人体姿态估计算法，包括以下步骤：建立姿态对象集表征形式；创建姿态模板集；构建类YOLO目标检测结构的网络，得到估计网络；将姿态模板集映射至估计网络；获取输入图片，将输入图片输入估计网络；估计网络执行以下步骤：将输入图片分割成若干单元格，得到单元格阵列；从输入图片和姿态模板集中获取对应姿态对象的目标矩形框表征，确定该姿态对象相对于各个姿态模板的偏移系数；从输入图片和姿态模板集中获取人体目标的目标矩形框表征，确定人体目标相对于各个姿态模板中人体目标的偏移量；建立姿态对象集在估计网络输出中的表征形式。降低了人体图像的漏检率。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.05 seconds)
