公开(公告)号：CN113901944A

公开(公告)日：2022-01-07

申请号：CN202111251729.2

申请日：2021-10-25

Applicant: 大连理工大学

Inventor： 刘洋 ,  李英平 ,  孔程玉 ,  丛禹塵 ,  刘胜蓝 ,  王飞龙 ,  张津榕

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及计算机视觉技术领域，提供一种基于改进的YOLO算法的海洋生物目标检测方法，包括：步骤100，采集海洋生物数据集；步骤200，对数据集进行预处理和数据增广；步骤300，构建使用可变形卷积改进的YOLO V3检测器；步骤400，在进行步骤200形成的数据集上训练模型；步骤500，部署训练好的模型用于海洋生物目标的检测任务。本发明能够提高海洋生物目标检测的精确性和可靠性。

公开(公告)号：CN113901944B

公开(公告)日：2024-04-09

申请号：CN202111251729.2

申请日：2021-10-25

Applicant: 大连理工大学

Inventor： 刘洋 ,  李英平 ,  孔程玉 ,  丛禹塵 ,  刘胜蓝 ,  王飞龙 ,  张津榕

IPC: G06V20/05 ,  G06V10/22 ,  G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及计算机视觉技术领域，提供一种基于改进的YOLO算法的海洋生物目标检测方法，包括：步骤100，采集海洋生物数据集；步骤200，对数据集进行预处理和数据增广；步骤300，构建使用可变形卷积改进的YOLO V3检测器；步骤400，在进行步骤200形成的数据集上训练模型；步骤500，部署训练好的模型用于海洋生物目标的检测任务。本发明能够提高海洋生物目标检测的精确性和可靠性。

公开(公告)号：CN115116139A

公开(公告)日：2022-09-27

申请号：CN202210816170.1

申请日：2022-07-12

Applicant: 大连理工大学

Inventor： 刘胜蓝 ,  丁宇宁 ,  李光哲 ,  张津榕

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 基于图卷积网络的多粒度人体动作分类方法，属于视频动作识别领域，为了解决生成准确和高鲁棒性的动作分类结果的问题，要点是将骨骼点划分为骨骼点本身、靠近重心的一近邻节点、远离重心的一近邻节点三个子集，在骨架拓扑的三个通道上，将输入数据通过卷积、不同维度的均值压缩和维度扩展处理，提取空间的特征矩阵和时间特征矩阵，同时，对输入数据进行卷积等，效果是可以对粗粒度的动作数据和细粒度的动作数据都进行准确分类。

公开(公告)号：CN113978668A

公开(公告)日：2022-01-28

申请号：CN202111230576.3

申请日：2021-10-22

Applicant: 大连理工大学

Inventor： 刘洋 ,  丛禹塵 ,  李英平 ,  孔程玉 ,  刘胜蓝 ,  王飞龙 ,  张津榕

IPC: B63C11/34 ,  B63C7/20 ,  B63G8/38 ,  B63G8/16 ,  B63H5/08 ,  A01K80/00

Abstract: 本发明涉及机器人技术领域，提供一种具有高自由度机械臂的水下捕捞机器人，包括：机器人主体、抓取机构、驱动机构和控制器；所述机器人主体包括：上舱、下舱和主体框架，上舱和下舱之间通过主体框架进行连接；所述抓取机构安装在机器人主体前端右侧；所述驱动机构包括：四组水平面推进器以及四组垂直面推进器；四组水平面推进器在下舱的四周呈环形分布；四组垂直面推进器在上舱的两侧两两对称分布；所述控制器包括：控制箱、控制臂和零浮力线缆，所述控制箱通过零浮力线缆与机器人上舱连接。本发明结构合理、使用方便、适应能力强、应用范围广、稳定性好。

公开(公告)号：CN115909509A

公开(公告)日：2023-04-04

申请号：CN202310019906.7

申请日：2023-01-06

Applicant: 大连理工大学

Inventor： 丛禹塵 ,  张津榕 ,  冯林 ,  王飞龙 ,  刘胜蓝

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/46 ,  G06V10/774 ,  G06F17/16 ,  G06N3/084 ,  G06N3/0464

Abstract: 一种基于图卷积网络的肢体情感分类方法，属于机器学习分类领域，为了解决能够在类内方差大、类间方差小的用于肢体动作的情感分类的数据中有效提取时空特征信息的问题，并以此有效提取判别特征，要点是将目标对象的骨骼点动作数据转化第一矩阵；将所述第一矩阵输入通道拓扑图卷积模块，获取通道空间拓扑特征矩阵；将所述空间拓扑特征矩阵输入多尺度时间卷积模块，获取通道拓扑时空特征矩阵；将所述通道拓扑时空特征矩阵进行全局平均池化；将全局平均池化后的所述通道拓扑时空特征矩阵通过分类器分类，获取肢体情感分类，效果是有效提高了针对肢体动作的情感分类的精度。

公开(公告)号：CN115116139B

公开(公告)日：2025-03-28

申请号：CN202210816170.1

申请日：2022-07-12

Applicant: 大连理工大学

Inventor： 刘胜蓝 ,  丁宇宁 ,  李光哲 ,  张津榕

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 基于图卷积网络的多粒度人体动作分类方法，属于视频动作识别领域，为了解决生成准确和高鲁棒性的动作分类结果的问题，要点是将骨骼点划分为骨骼点本身、靠近重心的一近邻节点、远离重心的一近邻节点三个子集，在骨架拓扑的三个通道上，将输入数据通过卷积、不同维度的均值压缩和维度扩展处理，提取空间的特征矩阵和时间特征矩阵，同时，对输入数据进行卷积等，效果是可以对粗粒度的动作数据和细粒度的动作数据都进行准确分类。