-
公开(公告)号:CN116682034A
公开(公告)日:2023-09-01
申请号:CN202310466054.6
申请日:2023-04-27
Applicant: 北京计算机技术及应用研究所
IPC: G06V20/40 , G06V40/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种复杂生产作业场景下危险行为检测方法,属于目标检测领域。本发明分为两个子系统,安全帽检测模块可以应用于吊装作业场景中或生产区域里,可以检验这些场景中员工是否正确佩戴安全帽、正确着工作服以及场景中人员数量是否超出限制,对于没有正确穿戴或人数超限等异常行为进行视觉标注和语音报警,同时可以把系统抓拍到的异常行为的视频帧存储在本地。防静电手环检测模块可以应用于装配作业场景中,可以检验这些场景中员工是否正确佩戴防静电手环,对于没有正确佩戴防静电手环的异常行为进行视觉标注和语音报警,同时把系统抓拍到的异常行为的视频帧存储在本地。本发明提升安全生产监管智能化水平。
-
公开(公告)号:CN119693680A
公开(公告)日:2025-03-25
申请号:CN202411620925.6
申请日:2024-11-14
Applicant: 北京计算机技术及应用研究所
IPC: G06V10/764 , G06F18/24 , G06N3/0464 , G06N3/045 , G06F18/213 , G06F18/25 , G06N5/04 , G06V10/40 , G06V10/82
Abstract: 本发明涉及一种基于多模态模型的数据自动标注方法,属于数据标注与人工智能领域。本发明待标注图像数据与潜在标签输入数据自动标注系统;数据自动标注系统通过文本‑图像多模态模型为潜在标签进行打分排序,返回潜在标签概率排序结果;标注者人工对自动标注标签进行审核,确认标注结果并完成标注。本发明能提高数据标注时间效率;减少人工成本开销;扩大标注数据量,高效驱动更多下游人工智能模型。
-
公开(公告)号:CN119692411A
公开(公告)日:2025-03-25
申请号:CN202411679953.5
申请日:2024-11-22
Applicant: 北京计算机技术及应用研究所
IPC: G06N3/08 , G06F18/214 , G06N3/045 , G06V10/82 , G06V10/764 , G06V10/74 , G06N5/04
Abstract: 本发明涉及一种提升多模态模型细颗粒度判别能力的微调优化方法,属于人工智能领域。本发明通过对微调阶段的图像编码器通道引入ArcFace的角度边界辅助损失来优化图像和文本的联合表示学习。该方法包括预训练和微调两个阶段,预训练阶段使用在大规模图像‑文本对数据集上进行训练,微调阶段则基于特定领域数据集通过固定文本分支的全部参数和图像分支的多数参数,并在图像分支结合辅助损失函数调整模型参数,从而实现多模态模型对特定细颗粒场景判别能力的优化提升。
-
公开(公告)号:CN119441989A
公开(公告)日:2025-02-14
申请号:CN202411679330.8
申请日:2024-11-22
Applicant: 北京计算机技术及应用研究所
IPC: G06F18/241 , A61B5/00 , A61B5/369 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于乘员脑电信号的融合风险分类方法,属于自动驾驶、人工智能和脑电信号处理领域。本发明针对预警信号利用在线学习算法训练一个预警信号提取特征网络;结合预警信号提取特征网络提取的特征和P300信号提取的特征实现基于脑电信号的风险分类器的训练;基于脑电信号实现风险的精准预测。本发明相比于之前研究单纯依靠P300信号,增加了预警信号数据特征,并且可以实现预警信号在线学习,结合车载计算机可以实现风险的快速精准识别。
-
公开(公告)号:CN119226631A
公开(公告)日:2024-12-31
申请号:CN202411296848.3
申请日:2024-09-18
Applicant: 北京计算机技术及应用研究所
IPC: G06F16/9536 , G06N20/20 , G06F18/2135 , G06F18/2431
Abstract: 本发明涉及一种基于协同过滤的分布式自动机器学习方法,属于自动机器学习领域。本发明为元知识库中的每个数据集搜索前N个模型并将它们存储在哈希字典中,并计算元知识库中的数据集的元特征子集的权重;基于协同过滤的分布式AutoML框架CF‑DAML,首先通过模型推荐模块计算新数据集的元特征并为其推荐合适的模型,然后,CF‑DAML在指定的时间限制内使用分布式模型训练系统DSTM在新数据集的训练集上训练推荐出的模型,并在其验证集上评估训练的模型,最后,CF‑DAML采用选择性堆叠集成系统MSSE集成几个高性能模型为新数据集的测试集预测标签。本发明在保证分类准确率提升的基础上大大降低了时间复杂度。
-
公开(公告)号:CN118329034B
公开(公告)日:2024-10-01
申请号:CN202410385471.2
申请日:2024-04-01
Applicant: 北京计算机技术及应用研究所
IPC: G01C21/20
Abstract: 本发明涉及一种多机器人围堵方法,属于机器人技术领域。本发明的指控系统通过下发目标点并选择参与该任务的机器人,调用最短路算法计算各个机器人到目标的最短路径并下发给机器人,机器人即可沿着最短路径朝目标行进;通过计算几何知识截取路径并计算围堵点,使得各个机器人到达各自围堵点对目标进行围捕处置;根据路径和围堵点计算行驶路线长度,进而计算各个机器人的速度,使得所有机器人同时到达各自围堵点。本发明不需要实时建图,进而优化了时间复杂度;本发明采用的集中式软件独立于机器人本身,不因某一机器人的损坏影响围堵任务的进行,容错性较好。
-
公开(公告)号:CN118329034A
公开(公告)日:2024-07-12
申请号:CN202410385471.2
申请日:2024-04-01
Applicant: 北京计算机技术及应用研究所
IPC: G01C21/20
Abstract: 本发明涉及一种多机器人围堵方法,属于机器人技术领域。本发明的指控系统通过下发目标点并选择参与该任务的机器人,调用最短路算法计算各个机器人到目标的最短路径并下发给机器人,机器人即可沿着最短路径朝目标行进;通过计算几何知识截取路径并计算围堵点,使得各个机器人到达各自围堵点对目标进行围捕处置;根据路径和围堵点计算行驶路线长度,进而计算各个机器人的速度,使得所有机器人同时到达各自围堵点。本发明不需要实时建图,进而优化了时间复杂度;本发明采用的集中式软件独立于机器人本身,不因某一机器人的损坏影响围堵任务的进行,容错性较好。
-
公开(公告)号:CN118313610A
公开(公告)日:2024-07-09
申请号:CN202410482864.5
申请日:2024-04-22
Applicant: 北京计算机技术及应用研究所
IPC: G06Q10/0631 , G06Q10/10 , G06N3/006
Abstract: 本发明涉及一种基于贪心算法的无人机序列目标分配方法,属于无人机技术领域。本发明从矩阵M1n×m中选择最小值m1kl,将目标l分配给无人机k,表示目标l在无人机k的任务序列中;将矩阵M1n×m的第k行设置为等于矩阵M2m×m的第l行;再对M1n×m的第k行的每个元素加上s=M1n×m[k][l];然后对矩阵M1n×m的第l列赋值为∞;重复上述步骤,直到所有目标均被分配完成。本发明采用基于贪心算法的无人机序列目标分配方法,相比于传统的枚举法和新兴的强化学习算法,本算法的精度和速度都具有明显优势,能够更好地适应无人机领域的实时性和准确性要求。
-
-
-
-
-
-
-