一种用于目标检测的运动轨迹生成方法

    公开(公告)号:CN116051587A

    公开(公告)日:2023-05-02

    申请号:CN202310107785.1

    申请日:2023-02-13

    Abstract: 本发明公开了一种用于目标检测的运动轨迹生成方法,步骤如下:提取工业件的CAD信息,获取粗略轮廓信息;自动插值补全轮廓信息;对轮廓信息做矢量信息判定;自动矢量整合轮廓封闭式排序信息,获得整个轮廓带矢量排序的坐标点信息;对轮廓绝对坐标数据整合优化并提取出相对坐标信息;辅助运动控制,使相机能够拍摄到工业件的所有清晰的局部图像并排序;获得拍摄到的工业件缺陷照片的序号,以及工业件的起止照片的序号,自动反馈缺陷的位置坐标,并绘制缺陷在整个轮廓的位置图。本发明采用上述的一种用于目标检测的运动轨迹生成方法,实现对工业件质检先导条件的高效化、高精化的处理,同时提高了工业质检的效率与精度,便于快速更换规格型号。

    一种增强边界感知的语义分割方法

    公开(公告)号:CN118898718A

    公开(公告)日:2024-11-05

    申请号:CN202411004607.7

    申请日:2024-07-25

    Abstract: 本发明公开了一种增强边界感知的语义分割方法,属于语义分割技术领域,主要包括编码路径和解码路径,编码路径由5个编码模块组成,每个编码器对整个图像中目标区域的多层次语义信息进行编码,编码模块中不同尺度的卷积运算得到目标区域的多尺度信息;它利用池化操作有效地聚合了上下文语义;解码路径主要由四个模块组成,每个解码模块在注意力嵌入模块AEM的引导下,对不同分支的信息流进行聚合和细化,图卷积模块捕获大规模不规则区域的特征信息,注意嵌入模块生成互补的空间细节,更好地对编码特征进行建模。本发明采用上述的一种增强边界感知的语义分割方法,具备更精准的分割效果。

    基于深度残差二维随机配置网络的轻量型图像识别方法

    公开(公告)号:CN116958783B

    公开(公告)日:2024-02-27

    申请号:CN202310916579.5

    申请日:2023-07-24

    Abstract: 本发明公开了基于深度残差二维随机配置网络的轻量型图像识别方法,涉及快速建模识别方法领域,包括以下步骤:S1:获取图像数据集;S2:逐层建立轻量型图像识别网络;S3:设置每层容差为建立新层的条件,并构建残差连接作为新层输入。本发明采用上述步骤,使用图像直接作为建模数据,保留图像的完整空间位置信息,引入深度残差随机配置神经网络,克服了单层网络学习能力不足和网络随着层数加深导致原始信息丢失的问题,并且在深度残差随机配置神经网络的层数和每层节点设置上,采用自适应算法设置,达到根据任务复杂度自动选择层数和每层节点数,克服了现有方法需要反复实验和先验经验来调整层数和节点数的缺点,大大提高了效率和

    一种深度强化学习与进化计算引导的煤矸智能洗选方法

    公开(公告)号:CN117339740A

    公开(公告)日:2024-01-05

    申请号:CN202311640650.8

    申请日:2023-12-04

    Abstract: 本发明公开了一种深度强化学习与进化计算引导的煤矸智能洗选方法,属于煤矸洗选技术领域,包括以下步骤:S1、智能感知需要在跳汰机的关键控制环节安装不同类型的传感器,实现控制数据的全方位实时采集,各传感器保持同步信息采集频率;S2、将采集的数据通过OPC协议汇聚在数据服务器中,当通信良好时,采用深度强化学习生成跳汰机运行的调控策略;当通信堵塞时,采用进化算法生成跳汰机运行的调控策略;S3、通过OPC协议将调控策略回传给控制端,实现跳汰机的自动化运行。本发明采用上述的一种深度强化学习与进化计算引导的煤矸智能洗选方法,通过深度强化学习、进化计算和代理模型实现运行数据缺失下的智能控制,实现跳汰机的高效自动化优化运行。

    一种行人重识别方法
    16.
    发明授权

    公开(公告)号:CN116052218B

    公开(公告)日:2023-07-18

    申请号:CN202310111610.8

    申请日:2023-02-13

    Abstract: 本发明公开了一种行人重识别方法,包括以下步骤:A1、将query库中行人图像输入到配置好参数的行人重识别神经网路模型中,提取行人的特征图与特征嵌入;A2、将提取的行人特征与gallery库中各图像对应的特征做相似度度量,比对并输出结果。本发明采用上述行人重识别方法,基于CNN和Transformer网络结合的CoAtNet的改进加强版CoAtNet‑Pro作为骨干网络,提升了模型容量和模型学习能力,并且在没有预训练的前提下,辅以改进的三元组损失与张量空间度量函数等,展现出优秀效果与巨大潜力。

    一种增强边界感知的语义分割方法

    公开(公告)号:CN118898718B

    公开(公告)日:2025-04-18

    申请号:CN202411004607.7

    申请日:2024-07-25

    Abstract: 本发明公开了一种增强边界感知的语义分割方法,属于语义分割技术领域,主要包括编码路径和解码路径,编码路径由5个编码模块组成,每个编码器对整个图像中目标区域的多层次语义信息进行编码,编码模块中不同尺度的卷积运算得到目标区域的多尺度信息;它利用池化操作有效地聚合了上下文语义;解码路径主要由四个模块组成,每个解码模块在注意力嵌入模块AEM的引导下,对不同分支的信息流进行聚合和细化,图卷积模块捕获大规模不规则区域的特征信息,注意嵌入模块生成互补的空间细节,更好地对编码特征进行建模。本发明采用上述的一种增强边界感知的语义分割方法,具备更精准的分割效果。

    一种基于CGLOW的全局优化的不平衡数据分类模型

    公开(公告)号:CN117726863A

    公开(公告)日:2024-03-19

    申请号:CN202311727382.3

    申请日:2023-12-14

    Abstract: 本发明公开了一种基于CGLOW全局优化的不平衡数据分类模型,属于不平衡数据分类的领域。为了解决实际工业中某些类样本难以获取,造成数据不平衡影响最终分类效果的问题,我们希望以生成的方式补充少数类的样本达到样本平衡,因此我们在可逆卷积生成流模型GLOW的基础上提出了一种条件控制的GLOW,即可以根据条件来生成各种类别的样本,针对不平衡数据集使用该模型生成更多的样本补充不平衡类别的数据,在此基础上建立了一套全局优化的模型框架,以resnet作为最终的分类器,借助resnet的特征提取能力,通过最终的分类损失引导CGLOW生成质量更高的样本,在整个训练过程中对CGLOW与resnet同时进行优化,为不平衡数据分类提供了一种端到端的解决方案。

    基于深度残差二维随机配置网络的轻量型图像识别方法

    公开(公告)号:CN116958783A

    公开(公告)日:2023-10-27

    申请号:CN202310916579.5

    申请日:2023-07-24

    Abstract: 本发明公开了基于深度残差二维随机配置网络的轻量型图像识别方法,涉及快速建模识别方法领域,包括以下步骤:S1:获取图像数据集;S2:逐层建立轻量型图像识别网络;S3:设置每层容差为建立新层的条件,并构建残差连接作为新层输入。本发明采用上述步骤,使用图像直接作为建模数据,保留图像的完整空间位置信息,引入深度残差随机配置神经网络,克服了单层网络学习能力不足和网络随着层数加深导致原始信息丢失的问题,并且在深度残差随机配置神经网络的层数和每层节点设置上,采用自适应算法设置,达到根据任务复杂度自动选择层数和每层节点数,克服了现有方法需要反复实验和先验经验来调整层数和节点数的缺点,大大提高了效率和实用性。

Patent Agency Ranking