-
公开(公告)号：CN109508740B
公开(公告)日：2019-08-13
申请号：CN201811328795.3
申请日：2018-11-09
Applicant: 郑州轻工业学院
Abstract: 本发明涉及机器学习技术领域，公开了基于高斯混合噪声生成式对抗网络的物体硬度识别方法，包括：以小规模标注硬度等级的触觉数据作为真值，训练高斯混合噪声生成式对抗网络，将高斯混合噪声输入所述高斯混合噪声生成式对抗网络，获取大规模生成样本；以高斯混合噪声生成式对抗网络的判别器的参数作为硬度识别网络参数的初值，利用所述大规模生成样本对硬度识别网络进行预训练，使用标注硬度等级的触觉数据对硬度识别网络进行再次训练，确定硬度识别网络的参数；将待预测的触觉数据输入硬度识别网络，获得待预测的触觉数据的硬度等级。本发明具有较高的硬度识别精度。
-
Patent Agency Ranking
公开(公告)号：CN109658436A
公开(公告)日：2019-04-19
申请号：CN201811471278.1
申请日：2018-12-04
Applicant: 郑州轻工业学院
Abstract: 本发明提出了一种混合GOA和TLBO搜索的快速运动目标跟踪方法，用以解决传统优化算法应用在视频目标跟踪中跟踪精度和效率低的问题。本发明的步骤为：初始化目标状态参数和优化模型参数；采用GOA的全局探索与目标相似的候选区域；利用TLBO的局部搜索与目标图像最为相似的候选图像块；计算候选图像块与目标图像块的相似度值；选取最优候选图像块作为本次迭代目标图像块及下一帧的目标状态参数进行下一帧图像的跟踪；重复上述步骤实现视频目标跟踪。本发明结合GOA全局探索能力强和TLBO的局部开发能力强的特点，能够有效的实现帧间的快速或突变运动的持续性跟踪，提高了在复杂场景下的适应能力，具有重要的理论意义和实用价值。
-
公开(公告)号：CN110044349A
公开(公告)日：2019-07-23
申请号：CN201910391909.7
申请日：2019-05-13
Applicant: 郑州轻工业学院
Abstract: 本发明公开了一种基于经纬仪的球体定位方法，利用经纬仪的测角精度高的特性，根据球体在经纬仪中至少三个轮廓点的经纬度值进行球心定位。本发明提供的球体定位方法与现有利用图像的定位方法相比，不需要进行复杂的摄像机参数标定过程，可以有效减少因标定不精确而带来的定位误差；与利用全站仪测量的定位方法相比。该方法不需要再额外制作辅助的定位元器件，还能避免全站仪测距不精确问题。即本发明可以简化现有球体定位技术的过程，减少定位误差的引入，降低定位成本，最终得到更高的定位精度。
-
公开(公告)号：CN110044349B
公开(公告)日：2021-03-16
申请号：CN201910391909.7
申请日：2019-05-13
Applicant: 郑州轻工业学院
Abstract: 本发明公开了一种基于经纬仪的球体定位方法，利用经纬仪的测角精度高的特性，根据球体在经纬仪中至少三个轮廓点的经纬度值进行球心定位。本发明提供的球体定位方法与现有利用图像的定位方法相比，不需要进行复杂的摄像机参数标定过程，可以有效减少因标定不精确而带来的定位误差；与利用全站仪测量的定位方法相比。该方法不需要再额外制作辅助的定位元器件，还能避免全站仪测距不精确问题。即本发明可以简化现有球体定位技术的过程，减少定位误差的引入，降低定位成本，最终得到更高的定位精度。
-
公开(公告)号：CN109508740A
公开(公告)日：2019-03-22
申请号：CN201811328795.3
申请日：2018-11-09
Applicant: 郑州轻工业学院
CPC classification number: G06N3/0454 , G01N3/40 , G06K9/6267 , G06N3/08
Abstract: 本发明涉及机器学习技术领域，公开了基于高斯混合噪声生成式对抗网络的物体硬度识别方法，包括：以小规模标注硬度等级的触觉数据作为真值，训练高斯混合噪声生成式对抗网络，将高斯混合噪声输入所述高斯混合噪声生成式对抗网络，获取大规模生成样本；以高斯混合噪声生成式对抗网络的判别器的参数作为硬度识别网络参数的初值，利用所述大规模生成样本对硬度识别网络进行预训练，使用标注硬度等级的触觉数据对硬度识别网络进行再次训练，确定硬度识别网络的参数；将待预测的触觉数据输入硬度识别网络，获得待预测的触觉数据的硬度等级。本发明具有较高的硬度识别精度。
-
公开(公告)号：CN109658436B
公开(公告)日：2020-09-01
申请号：CN201811471278.1
申请日：2018-12-04
Applicant: 郑州轻工业学院
Abstract: 本发明提出了一种混合GOA和TLBO搜索的快速运动目标跟踪方法，用以解决传统优化算法应用在视频目标跟踪中跟踪精度和效率低的问题。本发明的步骤为：初始化目标状态参数和优化模型参数；采用GOA的全局探索与目标相似的候选区域；利用TLBO的局部搜索与目标图像最为相似的候选图像块；计算候选图像块与目标图像块的相似度值；选取最优候选图像块作为本次迭代目标图像块及下一帧的目标状态参数进行下一帧图像的跟踪；重复上述步骤实现视频目标跟踪。本发明结合GOA全局探索能力强和TLBO的局部开发能力强的特点，能够有效的实现帧间的快速或突变运动的持续性跟踪，提高了在复杂场景下的适应能力，具有重要的理论意义和实用价值。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
