-
公开(公告)号：CN113221916B
公开(公告)日：2023-07-07
申请号：CN202110514446.6
申请日：2021-05-08
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/44 , G06V10/74 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于跨域快速迁移的视觉拣选方法及装置，从缩小跨域特征之间的差异度出发，考虑单一相似性度量的局限性，提出了基于特征相似性度量加权融合的算法，使用多种相似性度量加权融合，对跨域特征进行全面分析、约束，以减小特征差异，提高拣选模型在真实域工作的准确率和工作效率；提出基于注意力机制的对抗学习算法，在考虑全局特征的基础上，针对零件所在的局部区域特征，使用注意力机制着重减小该区域的差异性，以学习跨域不变的特征，实现跨越仿真域与真实域之间的鸿沟，保证跨域后模型性能的鲁棒性。
-
公开(公告)号：CN113222004A
公开(公告)日：2021-08-06
申请号：CN202110499381.2
申请日：2021-05-08
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于持续学习的多类别多尺度目标拣选方法及装置，通过生成对抗网络实现新旧任务特征的隐藏空间表示，从而建立知识记忆存储仓库，使用自适应知识迁移调度模块实现多任务拣选的快速切换，加速新任务的训练过程，结合正则化技术量化模型参数的重要程度，防止关键参数在训练过程中被覆盖。将数据重放框架用于智能零件拣选系统，能够克服在多类型多尺度目标拣选模型持续学习过程中出现的功能灾难性遗忘问题，确保拣选模型功能的完整性，实现目标与场景可以动态变化的持续性学习，帮助系统协调高效地解决多任务拣选问题。
-
公开(公告)号：CN113221916A
公开(公告)日：2021-08-06
申请号：CN202110514446.6
申请日：2021-05-08
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于跨域快速迁移的视觉拣选方法及装置，从缩小跨域特征之间的差异度出发，考虑单一相似性度量的局限性，提出了基于特征相似性度量加权融合的算法，使用多种相似性度量加权融合，对跨域特征进行全面分析、约束，以减小特征差异，提高拣选模型在真实域工作的准确率和工作效率；提出基于注意力机制的对抗学习算法，在考虑全局特征的基础上，针对零件所在的局部区域特征，使用注意力机制着重减小该区域的差异性，以学习跨域不变的特征，实现跨越仿真域与真实域之间的鸿沟，保证跨域后模型性能的鲁棒性。
-
-
Search Results
3
records
(took 0.017 seconds)
