公开(公告)号：CN118654679A

公开(公告)日：2024-09-17

申请号：CN202410983321.1

申请日：2024-07-22

Applicant: 苏州科技大学

Inventor： 沈晔湖 ,  牛雪梅 ,  卢灏然 ,  蒋全胜 ,  朱其新 ,  李景彬 ,  付贵忠

IPC: G01C21/20 ,  G01C21/16 ,  G01C21/00

Abstract: 本发明涉及一种基于在线终身记忆的同步定位与建图方法，包括如下步骤：步骤1：在SLAM模型中输入数据三元组，数据三元组包括图像数据及其相应的IMU数据；步骤2：检测数据三元组的差异性，基于记忆存储区的更新机制，决定是否将此数据三元组添加到记忆存储区中；步骤3：从记忆存储区中采样并将样本与输入的数据三元组组成整合数据；步骤4：基于整合数据估计深度图和相机运动；步骤5：计算SLAM模型的损失并通过反向传播更新网络权重；步骤6：重复步骤4和5进行多次迭代；步骤7：将SLAM模型的输出作为同步定位与建图的结果。本发明采用无监督训练方案，可以不间断地了解不断变化的环境，并对变化环境进行适应，从而明确解决了现有SLAM模型的不足之处。

公开(公告)号：CN117709440A

公开(公告)日：2024-03-15

申请号：CN202311750065.3

申请日：2023-12-19

Applicant: 苏州科技大学

Inventor： 付贵忠 ,  张增光 ,  李景彬 ,  朱其新 ,  牛福洲 ,  陈浩 ,  张德义 ,  沈晔湖 ,  乔平 ,  孙方圆

IPC: G06N3/096 ,  G06N3/0464 ,  G06F18/214 ,  G06F18/25

Abstract: 本发明涉及一种工业表面缺陷检测任务中模型迁移学习的评估方法，包括如下步骤：步骤1：选择数据库，数据库包括通用数据集和多种工业表面缺陷数据集；步骤2：在工业表面缺陷数据库的各个数据集上训练获得对应的预训练模型；步骤3：利用卷积神经网络模型中的参数，提取同一目标数据集上的多个预训练模型中的表征信息；步骤4：基于表征信息得到对应预训练模型的评估结果。本发明以卷积神经网络模型参数为研究对象，并引入信息论、降维和相关性分析等理论提出预训练模型的评估方法，通过将同一目标数据集上的多个预训练模型中的表征信息提取出来，再判断各模型在目标数据集上的迁移性能，从而避免模型训练完成后再去判断最佳模型，节省时间开销。