-
公开(公告)号：CN114723706A
公开(公告)日：2022-07-08
申请号：CN202210349689.3
申请日：2022-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于机器视觉的焊点检测定位方法。本发明包括以下步骤：步骤1、采用基于先验知识的焊点粗定位，并规划焊接最优路径，为视觉系统和机械臂提供运行方向；步骤2、基于机器视觉的焊点细定位，并判断焊点类型，精确引导机械臂找到焊点位置，针对性实施自动焊接；步骤3、采用基于在线深度强化学习的焊点缺陷检测，自动检测焊点缺陷及判断类型，为同工位二次补焊提供依据和指导。本发明自动规划焊接路径，采用路径规划算法优化相机与机械臂的焊接路径从而提高生产效率；使用了融合多层特征的深度神经网络，有利于焊点众多小目标场景的检测；在线深度强化学习提高了海量数据的学习效率，从而降低学习复杂度。
-
公开(公告)号：CN116597082A
公开(公告)日：2023-08-15
申请号：CN202310556740.2
申请日：2023-05-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于隐式三维重建的轮毂工件数字化方法。本发明包括如下步骤：步骤1：构造神经距离场模型；步骤2：优化神经距离场模型；步骤3：抽取点云信息；步骤4：中心点和法线获取；步骤5：点云旋转补齐；借助轮毂的空间旋转性，将神经距离场模型直接表示的空间点通过点云旋转膨胀后投票的方式给予补齐，再通过空间点腐蚀最终获得轮毂的表面点云。本发明跨越了RF和NDdf领域，将深度图构建的空间结构信息以SDF的形式充分参与RF的训练过程，实现了两种模态数据的交汇训练，使点云更加精确。本发明使用深度学习领域还挖掘了数学三维重建的方法和李代数，比起深度学习方法更具有可解释性。
-
Patent Agency Ranking
公开(公告)号：CN114647715B
公开(公告)日：2025-04-18
申请号：CN202210361634.4
申请日：2022-04-07
Applicant: 杭州电子科技大学
IPC: G06F16/334 , G06F16/335 , G06F16/35 , G06F40/30 , G06F18/22 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于预训练语言模型的实体识别方法。本发明涉及深度学习，自然语言处理任务中的预训练语言模型和数据集成领域中的实体识别子任务。本发明添加了对于实体识别任务本身独特需求的关注，具体是提出一个关注相似片段和数字信息片段的联合实体识别模型，通过一个感知相似片段的编码器和一个感知数字片段的编码器，可以有效处理预训练语言模型在小训练集上注意力分散的问题，从而使模型能够更好的处理实体识别任务。本发明能够在小训练集上较现有最新方法有显著的提升，目前大部分方法都需要大量的训练数据，这就意味着需要大量人工参与标注数据，本发明可以有效节省人工标注的成本。
-
公开(公告)号：CN116597082B
公开(公告)日：2024-08-09
申请号：CN202310556740.2
申请日：2023-05-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于隐式三维重建的轮毂工件数字化方法。本发明包括如下步骤：步骤1：构造神经距离场模型；步骤2：优化神经距离场模型；步骤3：抽取点云信息；步骤4：中心点和法线获取；步骤5：点云旋转补齐；借助轮毂的空间旋转性，将神经距离场模型直接表示的空间点通过点云旋转膨胀后投票的方式给予补齐，再通过空间点腐蚀最终获得轮毂的表面点云。本发明跨越了RF和NDdf领域，将深度图构建的空间结构信息以SDF的形式充分参与RF的训练过程，实现了两种模态数据的交汇训练，使点云更加精确。本发明使用深度学习领域还挖掘了数学三维重建的方法和李代数，比起深度学习方法更具有可解释性。
-
公开(公告)号：CN116127099A
公开(公告)日：2023-05-16
申请号：CN202310198892.X
申请日：2023-03-03
Applicant: 杭州电子科技大学
IPC: G06F16/36 , G06F16/35 , G06F18/214
Abstract: 本发明公开了一种基于图卷积网络的联合文本增强的表实体与类型注释方法。本发明步骤：1：自适应的与实体相关的定义型文本数据的抽取及预处理；2：将表数据集合、注释数据集合和文本数据集合转化为图结构数据的建模；3：特征向量化表示：根据图顶点的文本信息使用BERT进行特征向量化表示，转化成图卷积网络模型所需要的特征矩阵，并且根据边集建立模型需要的邻接矩阵；4：并行的多任务学习与结果预测。本发明包含文本的提取与预处理、由表到图结构的建模和多任务学习，能够提升模型对表的结构与语义解析能力，增强鲁棒性并提升模型的预测能力。同时能够在不依赖元信息的情况下，引入易从知识库获取的实体相关文本数据，性能显著优于现有模型。
-
公开(公告)号：CN114647715A
公开(公告)日：2022-06-21
申请号：CN202210361634.4
申请日：2022-04-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于预训练语言模型的实体识别方法。本发明涉及深度学习，自然语言处理任务中的预训练语言模型和数据集成领域中的实体识别子任务。本发明添加了对于实体识别任务本身独特需求的关注，具体是提出一个关注相似片段和数字信息片段的联合实体识别模型，通过一个感知相似片段的编码器和一个感知数字片段的编码器，可以有效处理预训练语言模型在小训练集上注意力分散的问题，从而使模型能够更好的处理实体识别任务。本发明能够在小训练集上较现有最新方法有显著的提升，目前大部分方法都需要大量的训练数据，这就意味着需要大量人工参与标注数据，本发明可以有效节省人工标注的成本。
-
公开(公告)号：CN114299011A
公开(公告)日：2022-04-08
申请号：CN202111617324.6
申请日：2021-12-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的遥感目标四边形框快速检测方法，本发明方法预测结果精准，对目标进行四边形框的回归，精准描述了目标的轮廓；对于图像特征的提取，使用了融合多层特征的深度神经网络，有利与小目标众多的遥感场景的目标检测；优化训练过程，在正负样本分配的过程中采用SimOTA策略，提高了模型对不同大小目标的均衡预测能力；对结果进行阈值过滤，筛选掉干扰目标，提高识别精度；检测速度快，达到了实时检测的水平，有实际应用的价值。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
