公开(公告)号：CN116895002A

公开(公告)日：2023-10-17

申请号：CN202311013132.3

申请日：2023-08-11

Applicant: 山东大学

Inventor： 宋然 ,  张林 ,  张伟 ,  刘世奎 ,  张生刚

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/042 ,  G06N3/045 ,  G06N3/096 ,  G06N3/09 ,  G06V10/74

Abstract: 本发明属于目标检测技术领域，提供了基于多重图对比学习的源自由域适应目标检测方法及系统，其技术方案为：基于有标记的源域数据集对源域模型进行训练，得到训练后的源域模型；在训练后的源域模型的基础上，基于无标记的目标域数据集和训练后的多重图对比学习模型进行目标检测，得到目标检测结果；该模型通过对齐层特定的节点嵌入来共同建模不同的层。具体而言，其通过图神经网络技术捕获节点信息，并通过将同一语义簇内的多重图上的节点在嵌入空间中拉近来捕获簇级信息。有效地将源域训练模型的知识提取到目标域中，可以有效地应用于不同的场景中。

公开(公告)号：CN116895002B

公开(公告)日：2024-06-21

申请号：CN202311013132.3

申请日：2023-08-11

Applicant: 山东大学

Inventor： 宋然 ,  张林 ,  张伟 ,  刘世奎 ,  张生刚

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/042 ,  G06N3/045 ,  G06N3/096 ,  G06N3/09 ,  G06V10/74

Abstract: 本发明属于目标检测技术领域，提供了基于多重图对比学习的源自由域适应目标检测方法及系统，其技术方案为：基于有标记的源域数据集对源域模型进行训练，得到训练后的源域模型；在训练后的源域模型的基础上，基于无标记的目标域数据集和训练后的多重图对比学习模型进行目标检测，得到目标检测结果；该模型通过对齐层特定的节点嵌入来共同建模不同的层。具体而言，其通过图神经网络技术捕获节点信息，并通过将同一语义簇内的多重图上的节点在嵌入空间中拉近来捕获簇级信息。有效地将源域训练模型的知识提取到目标域中，可以有效地应用于不同的场景中。

公开(公告)号：CN117830991B

公开(公告)日：2024-05-24

申请号：CN202410238784.5

申请日：2024-03-04

Applicant: 山东大学

Inventor： 李传鹏 ,  宋然 ,  方兴 ,  张伟 ,  李宇 ,  曹睿 ,  张生刚

IPC: G06V20/56 ,  G06T17/05 ,  G06V10/762 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/80 ,  G06V10/766 ,  G06N3/0985

Abstract: 本发明提出了一种基于多模融合的四足机器人复杂场景感知方法及系统，包括：获取多模态传感器数据；基于获取的数据，通过深度神经网络编码‑解码对前方地形进行重构，去除3D传感器的环境噪声，得到更利于机器人运动规划的地形实际支撑面信息；通过对RGB图像聚类获取超像素图像，结合重构的实际支撑面信息经多层感知器网络处理生成图像坐标系下的可通行区域，进而生成代价地图。

公开(公告)号：CN117830991A

公开(公告)日：2024-04-05

申请号：CN202410238784.5

申请日：2024-03-04

Applicant: 山东大学

Inventor： 李传鹏 ,  宋然 ,  方兴 ,  张伟 ,  李宇 ,  曹睿 ,  张生刚

IPC: G06V20/56 ,  G06T17/05 ,  G06V10/762 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/80 ,  G06V10/766 ,  G06N3/0985

Abstract: 本发明提出了一种基于多模融合的四足机器人复杂场景感知方法及系统，包括：获取多模态传感器数据；基于获取的数据，通过深度神经网络编码‑解码对前方地形进行重构，去除3D传感器的环境噪声，得到更利于机器人运动规划的地形实际支撑面信息；通过对RGB图像聚类获取超像素图像，结合重构的实际支撑面信息经多层感知器网络处理生成图像坐标系下的可通行区域，进而生成代价地图。