-
公开(公告)号：CN117496138A
公开(公告)日：2024-02-02
申请号：CN202311311184.9
申请日：2023-10-10
Applicant: 华南理工大学
IPC: G06V10/26 , G06N3/09 , G06N20/00 , G06V10/764 , G06N3/0985 , G06V10/82 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种面向点云分割的伪实例对比学习实现方法、装置及介质，属于云分割中上下文信息理解的技术领域。其中方法对有标注点邻域的点进行伪实例特征聚合操作，实现有效的上下文信息整合；通过有监督对比学习损失，去学习伪实例之间的语义信息，提升模型对于点云数据的上下文理解，最终实现点云分割模型在弱标注场景下，语义分割的性能。本发明有效解决了标注十分稀疏、点云结构十分复杂场景下的点云语义分割问题，可广泛运用于大规模3D视觉理解的应用场景。
-
公开(公告)号：CN114528477A
公开(公告)日：2022-05-24
申请号：CN202210023585.3
申请日：2022-01-10
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/28 , G06F16/36 , G06N20/00
Abstract: 本发明公开了一种面向科研应用的自动机器学习实现方法、平台及装置，其中方法包括：获取用户输入的科研数据，根据科研数据和预设构建的关系图谱生成解决方案；根据解决方案，利用深度学习方法对用户需求进行智能分析，生成规范化的检索表单；基于用户对各科研数据的操作信息，为用户提供个性化的数据推荐服务；结合拖拽式编程与代码编程构建可视化算子，通过可视化算子构建实验的算法流程图，以实现可视化编程与展示；其中，关系图谱通过标签系统与关联系统构建获得。本发明打破了现有机器学习平台中存在的数据壁垒，有效地提升科研数据的利用率，降低科研人员之间的沟通成本，可广泛应用于机器学习平台技术领域。
-
公开(公告)号：CN118297957A
公开(公告)日：2024-07-05
申请号：CN202410344154.6
申请日：2024-03-25
Applicant: 华南理工大学
IPC: G06T7/10 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种面向弱监督点云拼接数据增强实现方法、装置及介质，涉及点云分割中数据增强的技术领域。其中方法包括：获取原始点云场景数据，所述原始点云场景包含有少量标注；对所述原始点云场景数据进行不重叠的点云拼接数据增强，获得融合了多个点云场景信息的点云场景增强数据；建立点云分割模型，将所述点云场景增强数据输入所述点云分割模型，生成逐点分类概率；根据所述逐点分类概率和交叉熵损失对点云分割模型进行训练。本发明有效解决了标注十分稀疏、点云结构十分复杂场景下的点云语义分割问题，可广泛运用于大规模3D视觉理解的应用场景。
-
公开(公告)号：CN106504614A
公开(公告)日：2017-03-15
申请号：CN201611088813.6
申请日：2016-12-01
Applicant: 华南理工大学
IPC: G09B19/00
CPC classification number: G09B19/0053
Abstract: 本发明公开了一种积木式编程的教育机器人，包括积木块和机器人车体，所述积木块的嵌合位置设置有拼接部件，根据拼接部件能够将多个积木块拼接成积木长条，所述积木长条从机器人车体的指令识别码读取装置中穿过，并且所述积木块的表面贴有指令识别码；所述机器人车体包括指令识别码读取装置、外接电子模块接口、液晶显示模块、电机模块、单片机控制板和电源模块。本发明的积木块之间使用特殊的拼合方式进行基本的语法检查，进一步的使用机器人内部程序进行语法检查，有利于机器人编程的初学者建立语法检查的意识，提高了青少年编程的兴趣，降低了机器人教育的难度。
-
公开(公告)号：CN117132772A
公开(公告)日：2023-11-28
申请号：CN202310895136.2
申请日：2023-07-20
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种面向弱监督点云分割的上下文点云建模实现方法及装置，涉及云分割中上下文信息理解的技术领域，方法对区域点云数据进行连续性遮掩，构造出有益于模型学习点云数据上下文的掩码特征预测任务；通过约束同一点云数据掩码前/后对应特征的一致性，使得模型可以有效利用掩码数据中的邻域信息，提升模型对于点云数据的上下文理解，最终实现点云分割模型在弱标注场景下，语义分割的性能。本发明有效解决了标注十分稀疏、点云结构十分复杂场景下的点云语义分割问题，可广泛运用于大规模3D视觉理解的应用场景。
-
Patent Agency Ranking
公开(公告)号：CN116680427A
公开(公告)日：2023-09-01
申请号：CN202310606289.0
申请日：2023-05-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于锚点的密集嵌入生成方法、装置和存储介质，可广泛应用于嵌入生成技术。其中方法包括：获取待检索的目标图像；将所述目标图像输入目标模型中；利用所述目标模型将所述目标图像映射到特征空间中，按照特征空间中的距离进行比较，获得检索结果；其中，所述目标模型通过利用锚点嵌入生成的密集嵌入来训练深度神经网络模型后获得。本发明利用锚点附近的特征空间来稠密的生成无对应数据点的嵌入特征进行训练，从而实现更加准确的图像检索，解决深度度量学习中由于计算资源限制，从而导致现有采样无法采样到有效样本的问题。此外，本发明还能够直接集成到现有的深度度量学习框架中，无需任何额外的修改，并且具有显著的技术效果。
-
公开(公告)号：CN113312983A
公开(公告)日：2021-08-27
申请号：CN202110498981.7
申请日：2021-05-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多模态数据融合的语义分割方法、系统、装置及介质，其中方法包括以下步骤：获取图像数据和激光雷达的点云数据；根据图像数据将点云数据映射到图像空间；将映射后的数据输入语义分割模型进行处理，获得稠密及稀疏的预测结果，实现对点云数据的语义分割。本发明通过融合图像信息和点云信息，能够有效滤除图像中的干扰信息，另外，由于融合了拥有更加稠密纹理、颜色信息的2D图像数据，提高了点云分割结果的准确度，可广泛应用于智能识别技术领域。
-
公开(公告)号：CN119295809A
公开(公告)日：2025-01-10
申请号：CN202411326217.1
申请日：2024-09-23
Applicant: 超级机器人研究院(黄埔) , 华南理工大学
IPC: G06V10/764 , G06V20/70 , G06V10/52 , G06V10/77 , G06V10/82 , G06V20/56 , G06N3/0464
Abstract: 本发明公开了一种基于球面投影的稀疏点云语义占据预测方法、装置、设备及介质，其中方法包括以下步骤：获取激光雷达的点云数据；对获得的点云数据进行球面投影，获得点云的范围视图表示；将点云的范围视图表示输入到语义占据预测模型，对范围视图表示进行特征提取，得到多尺度的范围视图特征；对多尺度的范围视图特征进行特征聚合，得到三维场景的体素特征；对三维场景的体素特征进行细化和增强，并生成逐体素分类概率，以实现三维场景的语义占据预测。本发明有效提高稀疏点云语义占据预测的准确度，缓解了对多帧点云数据的依赖。本发明可广泛应用于智能识别技术领域。
-
公开(公告)号：CN114528477B
公开(公告)日：2024-11-26
申请号：CN202210023585.3
申请日：2022-01-10
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/28 , G06F16/36 , G06N20/00
Abstract: 本发明公开了一种面向科研应用的自动机器学习实现方法、平台及装置，其中方法包括：获取用户输入的科研数据，根据科研数据和预设构建的关系图谱生成解决方案；根据解决方案，利用深度学习方法对用户需求进行智能分析，生成规范化的检索表单；基于用户对各科研数据的操作信息，为用户提供个性化的数据推荐服务；结合拖拽式编程与代码编程构建可视化算子，通过可视化算子构建实验的算法流程图，以实现可视化编程与展示；其中，关系图谱通过标签系统与关联系统构建获得。本发明打破了现有机器学习平台中存在的数据壁垒，有效地提升科研数据的利用率，降低科研人员之间的沟通成本，可广泛应用于机器学习平台技术领域。
-
公开(公告)号：CN118314339A
公开(公告)日：2024-07-09
申请号：CN202410344151.2
申请日：2024-03-25
Applicant: 华南理工大学
IPC: G06V10/26 , G06V10/24 , G06V10/764 , G06V10/774 , G06V10/75 , G06V10/40
Abstract: 本发明公开了一种细粒度视觉语言对齐对比学习实现方法、装置及介质，属于点云开放词汇分割技术领域。方法使用掩码对区域点云数据进行连续性遮掩，构造出有益于模型学习点云数据上下文的掩码特征，以此能保留具有判别力的视觉信息；采用本发明提出的细粒度文本语言对齐训练方法，使得模型可以学习到更细粒度的视觉‑语言之间的关联，提升点云模型特征空间和文本特征空间的匹配度，最终实现点云分割模型在无标注场景下，语义分割的性能。本发明解决了无标注、点云结构十分复杂场景下的开放词汇点云语义分割问题，可广泛运用于大规模3D视觉理解的应用场景，打破了全监督点云分割方法对于稠密且昂贵标注的强依赖性，增加了点云分割模型的适用范围。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.019 seconds)
