-
Patent Agency Ranking
公开(公告)号：CN109708658B
公开(公告)日：2020-11-24
申请号：CN201910031577.1
申请日：2019-01-14
Applicant: 浙江大学
Abstract: 一种基于卷积神经网络的视觉里程计方法，包括以下步骤：步骤1，通过移动机器人所携带的摄像头采集原始环境数据，训练基于卷积神经网络的特征点检测器A；步骤2，移动机器人执行待估算里程的运动，通过所携带的摄像头采集待估算的原始数据；步骤3，对摄像头所采集到的待估算数据进行数据采样、剪裁预处理操作，获得待处理数据；步骤4，利用特征点检测器A对待检测数据进行筛选，得到特征点信息；步骤5，利用特征点信息结合对极约束法求解移动主体的运动估算矩阵，并进行里程坐标推算。本发明能够联系过滤前后帧环境之间的变化从而获得更加稳定的特征点，以增强匹配的准确率，从而减少视觉里程计的估算误差。
-
公开(公告)号：CN112150497B
公开(公告)日：2024-08-06
申请号：CN202011097835.5
申请日：2020-10-14
Applicant: 浙江大学
Abstract: 一种基于二值神经网络的局部激活方法，前向传播过程中，通过比较中心像素与相邻像素的差值，进而判断局部激活值；前向传播过程中，通过设置合适的局部激活通道数量及激活方向，得到具备不同激活方向的局部激活特征图；前向传播过程中，利用可以学习的权重系数对经过局部激活与直接激活的输出特征图进行通道融合，并得到同时包含纹理特征与轮廓特征的输出特征图；后向传播过程中，通过采用渐进正弦函数对二值神经网络的权重进行更新。以及提供基于二值神经网络的局部激活系统。本发明能够有效减少二值激活过程中的信息损失；可以有效减少二值神经网络后向梯度更新过程中的梯度失配，从而提高二值神经网络的性能表现。
-
公开(公告)号：CN113177580A
公开(公告)日：2021-07-27
申请号：CN202110395377.1
申请日：2021-04-13
Applicant: 浙江大学
Abstract: 一种基于通道重要性剪枝与二值量化的图像分类系统，包括训练模块，用于训练初始复杂神经网络的权重参数，得到训练后的复杂神经网络模型；压缩模块，用于对训练后的复杂神经网络模型重复进行基于通道重要性的网络剪枝与恢复性训练，在保证精度的前提下，得到初步压缩的神经网络模型；接着对初步压缩的神经网络模型进行二值量化，从而得到精简的神经网络模型；分类模块，用于将压缩后的神经网络模型，用于对目标图像进行图像分类。本发明缩小神经网络的模型体积，提高运行速度。
-
公开(公告)号：CN112150497A
公开(公告)日：2020-12-29
申请号：CN202011097835.5
申请日：2020-10-14
Applicant: 浙江大学
Abstract: 一种基于二值神经网络的局部激活方法，前向传播过程中，通过比较中心像素与相邻像素的差值，进而判断局部激活值；前向传播过程中，通过设置合适的局部激活通道数量及激活方向，得到具备不同激活方向的局部激活特征图；前向传播过程中，利用可以学习的权重系数对经过局部激活与直接激活的输出特征图进行通道融合，并得到同时包含纹理特征与轮廓特征的输出特征图；后向传播过程中，通过采用渐进正弦函数对二值神经网络的权重进行更新。以及提供基于二值神经网络的局部激活系统。本发明能够有效减少二值激活过程中的信息损失；可以有效减少二值神经网络后向梯度更新过程中的梯度失配，从而提高二值神经网络的性能表现。
-
公开(公告)号：CN109708658A
公开(公告)日：2019-05-03
申请号：CN201910031577.1
申请日：2019-01-14
Applicant: 浙江大学
Abstract: 一种基于卷积神经网络的视觉里程计方法，包括以下步骤：步骤1，通过移动机器人所携带的摄像头采集原始环境数据，训练基于卷积神经网络的特征点检测器A；步骤2，移动机器人执行待估算里程的运动，通过所携带的摄像头采集待估算的原始数据；步骤3，对摄像头所采集到的待估算数据进行数据采样、剪裁预处理操作，获得待处理数据；步骤4，利用特征点检测器A对待检测数据进行筛选，得到特征点信息；步骤5，利用特征点信息结合对极约束法求解移动主体的运动估算矩阵，并进行里程坐标推算。本发明能够联系过滤前后帧环境之间的变化从而获得更加稳定的特征点，以增强匹配的准确率，从而减少视觉里程计的估算误差。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
