类脑多模态情感识别网络、识别方法及情感机器人

    公开(公告)号:CN115169507A

    公开(公告)日:2022-10-11

    申请号:CN202211092432.0

    申请日:2022-09-08

    Inventor: 胡滨 李祎

    Abstract: 本发明公开了一种类脑多模态情感识别网络、识别方法及情感机器人,其中,类脑多模态情感识别方法包括提取视频表情特征和语音情感特征,计算与音频强关联的视频特征和与视频强关联的音频特征,拼接视频表情特征和语音情感特征,得到原始拼接特征,计算模态m的多头自注意力特征和模态m的多头跨模态强关联特征,对所有头部的同类特征进行拼接,得到第一至第四拼接特征,将第一至第四拼接特征分别输入双向长短期记忆网络后,拼接所有特征得到统一特征向量,基于统一特征向量进行情感分类识别。本发明通过改进多模态特征融合过程,通过相同头部内部特征融合、不同头部外部特征融合后再进行特征拼接,最终提高了情感识别结果的鲁棒性和精准率。

    一种基于主动学习的步态识别方法

    公开(公告)号:CN112818755B

    公开(公告)日:2022-05-06

    申请号:CN202110041665.7

    申请日:2021-01-13

    Abstract: 本发明公开了一种基于主动学习的步态识别方法,对待检测输入图像,使用主模型提取出特征矩阵,使用副模型对样本进行评估和筛选。在训练过程中,首先使用数量相对较少的已标注样本对主模型和副模型进行训练,然后对未标注的样本进行评估。在得到未标注样本的评估结果后,按照既定策略进行样本筛选,将筛选出的样本加入到已标注样本集中,输入模型中继续进行训练。本方法利用主动学习的思想,从未标注的数据样本中选取更有价值的样本进行标注训练,可以大大减少人工标注的代价。在数据样本有限时,本方法也可用来选取信息量相对更丰富的样本,使模型能够有针对性进行训练,从而在样本有限的情况下,尽可能利用样本多样性来提升模型的效果。

    一种基于主动学习的步态识别方法

    公开(公告)号:CN112818755A

    公开(公告)日:2021-05-18

    申请号:CN202110041665.7

    申请日:2021-01-13

    Abstract: 本发明公开了一种基于主动学习的步态识别方法,对待检测输入图像,使用主模型提取出特征矩阵,使用副模型对样本进行评估和筛选。在训练过程中,首先使用数量相对较少的已标注样本对主模型和副模型进行训练,然后对未标注的样本进行评估。在得到未标注样本的评估结果后,按照既定策略进行样本筛选,将筛选出的样本加入到已标注样本集中,输入模型中继续进行训练。本方法利用主动学习的思想,从未标注的数据样本中选取更有价值的样本进行标注训练,可以大大减少人工标注的代价。在数据样本有限时,本方法也可用来选取信息量相对更丰富的样本,使模型能够有针对性进行训练,从而在样本有限的情况下,尽可能利用样本多样性来提升模型的效果。

    基于工控机的接地网状态监测系统

    公开(公告)号:CN102707167B

    公开(公告)日:2015-04-15

    申请号:CN201210154829.8

    申请日:2012-05-18

    Abstract: 本发明公开了一种基于工控机的接地网状态监测系统,包括:接地阻抗测试仪,用于接收中心处理器的测试命令,完成接地网工频交流参数的测量;直流导通测试仪,用于接收中心处理器的测试命令,完成接地引下线之间的直流导通电阻的测量;中心处理器,基于工控机开发,用于向接地阻抗测试仪和直流导通测试仪发出测试命令,对测量得到的工频交流参数和直流导通电阻进行时间和地理上的统计分析,并对接地网的运行状态进行评估。本发明基于工控机平台开发的接地网智能测量系统能完成接地网电气参数的规范化、智能化测试,并进行整理分析和状态评估,有效减少测量过程中的差错,提高现场实验的效率。

    类脑多模态情感识别网络、识别方法及情感机器人

    公开(公告)号:CN115169507B

    公开(公告)日:2023-05-19

    申请号:CN202211092432.0

    申请日:2022-09-08

    Inventor: 胡滨 李祎

    Abstract: 本发明公开了一种类脑多模态情感识别网络、识别方法及情感机器人,其中,类脑多模态情感识别方法包括提取视频表情特征和语音情感特征,计算与音频强关联的视频特征和与视频强关联的音频特征,拼接视频表情特征和语音情感特征,得到原始拼接特征,计算模态m的多头自注意力特征和模态m的多头跨模态强关联特征,对所有头部的同类特征进行拼接,得到第一至第四拼接特征,将第一至第四拼接特征分别输入双向长短期记忆网络后,拼接所有特征得到统一特征向量,基于统一特征向量进行情感分类识别。本发明通过改进多模态特征融合过程,通过相同头部内部特征融合、不同头部外部特征融合后再进行特征拼接,最终提高了情感识别结果的鲁棒性和精准率。

    类脑连续学习协同围捕方法、系统及介质

    公开(公告)号:CN115019185A

    公开(公告)日:2022-09-06

    申请号:CN202210924583.1

    申请日:2022-08-03

    Inventor: 胡滨 李圳萍

    Abstract: 本发明公开了一种类脑连续学习协同围捕方法、系统及介质,属于类脑智能与机器人领域,方法包括:获取相机拍摄的图像数据并识别图像数据中的其它智能体,将识别到的其它智能体划分为其它围捕智能体和猎物智能体;对于每一其它智能体,为其在图像数据中对应区域的各像素赋予设定值,根据值为设定值的所有像素的个数、中心列位置分别确定其它智能体相对于围捕智能体的第一距离、方位角;获取各超声波传感器探测到的其它智能体相对于围捕智能体的第二距离,根据第二距离更新当前的避障测度;将第一距离、方位角以及当前的避障测度输入MADDPG模型,得到相应的动作策略以控制围捕智能体。提高智能体的决策避障能力,增加障碍环境下围捕效率。

Patent Agency Ranking