-
公开(公告)号：CN104866898A
公开(公告)日：2015-08-26
申请号：CN201510267542.X
申请日：2015-05-22
申请人： 大连理工大学
摘要： 本发明属于计算机应用技术与生产制造的交叉领域，通过自然计算技术优化多目标柔性作业车间调度问题。提出了一种协同混合人工鱼群算法用于求解多目标柔性作业车间调度问题，其特征是设计了带有分布估计属性的觅食行为和人工鱼吸引行为对人工鱼群模型进行改进；将协同思想引入到模型中，通过鱼群的多种群协同进行全局搜索，并与模拟退火算法协同以增强算法局部搜索能力；针对多目标问题设计了改进的ε-Pareto支配策略对个体的适用度值进行评价。本发明的效果和益处是能够克服人工鱼群算法在搜索过程中存在的后期收敛慢、局部寻优能力差等问题，并通过协同优化求得质量和分散性较好的非劣解集。
-
公开(公告)号：CN118135624A
公开(公告)日：2024-06-04
申请号：CN202311831314.1
申请日：2023-12-28
申请人： 大连理工大学
IPC分类号： G06V40/16 , G06V40/10 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明属于计算机视觉领域，公开了一种基于多姿态头部引导学习的换衣行人重识别方法。针对目前依赖身体形状、轮廓和步态等生物特征的方法，本发明充分利用更加直观、可靠的头部特征，设计头部增强注意力模块自适应学习特定姿态下的细粒度头部特征分布，提出姿态分支网络降低了由于姿态所导致的识别的巨大的类内差异。包括以下步骤：裁剪行人头部图片；分配姿态标签；提取特定姿态特征；提取细粒度正面姿态特征；学习多姿态特征分布；最小化损失训练；测试识别效果。通过本发明提出的多层次双分支引导方法可以实现在测试阶段即使丢弃所有的辅助信息，降低测试成本，模型仍具有较高识别精度，可广泛应用于换衣行人重识别领域，方便部署。
-
公开(公告)号：CN112364757B
公开(公告)日：2022-10-21
申请号：CN202011242807.8
申请日：2020-11-09
申请人： 大连理工大学
IPC分类号： G06V40/20 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
摘要： 本发明属于计算机视觉领域，涉及视频中的人体动作识别，用于定位和分类视频中人体行为动作，具体为一种基于时空注意力机制的人体动作识别方法。本发明所提供的基于空间变换网络的注意力机制，获取与人体运动相关的区域，从而捕获动作之间的细节变化；本发明所提供的局部区域与全局特征进行融合的方法，加强了人体动作的表示；本发明所提供的全局特征描述符，将来自空间信息、时间信息以及时空交互信息进行聚合来区分人体行为动作，提高识别效果。
-
公开(公告)号：CN111739051B
公开(公告)日：2022-10-04
申请号：CN202010490335.1
申请日：2020-06-02
申请人： 大连理工大学
IPC分类号： G06T7/174
摘要： 本发明属于计算机视觉与机器学习的交叉领域，一种基于残差网络的多序列MRI图像分割方法，首先将数据集中的MRI多序列作为输入图像的多个通道进行合并处理，并对分割序列进行分离，分离为不同类别的分割图。本发明在经典的编码器解码器分割网络的基础上引入了残差网络，用残差单元代替原来的编码解码网络。利用残差单元内的跳转连接，提取更多的局部特征。增加了同一层级残差单元之间的跳转连接，实现了全局特征的提取。此外，针对MRI图像中目标区域与背景区域在图像中所占比例相差大而导致的分割类别不平衡问题，本发明将交叉熵损失与Dice损失线性结合，并对Dice损失加权来解决该问题。
-
公开(公告)号：CN110335193B
公开(公告)日：2022-09-20
申请号：CN201910516012.2
申请日：2019-06-14
申请人： 大连理工大学
摘要： 本发明提供一种基于生成对抗网络的目标域导向的无监督图像转换方法，属于计算机视觉领域。本发明用来实现无监督的跨领域图像到图像的转换任务，属于计算机视觉领域。本方法设计了一个自编码重构网络，通过最小化源域图像的重构损失来提取源域图像的分层表征。同时，通过权值共享策略，共享网络模型中的两组生成对抗网络中编码和解码高层语义信息的网络层的权值，以保证输出图像能够保留输入图像的基本结构和特征。然后，两个判别器分别用来区分输入图像是各自领域的真实图像还是生成的图像。本方法能够有效进行无监督的跨域图像转换，生成高质量的图像。实验证明所提方法在CelebA等标准数据集上取得了很好的结果。
-
公开(公告)号：CN110310221B
公开(公告)日：2022-09-20
申请号：CN201910515527.0
申请日：2019-06-14
申请人： 大连理工大学
摘要： 本发明提供一种基于生成对抗网络的多域图像风格迁移方法，属于计算机视觉领域，用来实现图像到多种不同艺术风格的转换。本发明设计了一个专家风格网络，通过一组双向重构损失，来抽取不同目标域的输入图像中包含各自域独特信息的风格特征编码。同时设计了一个迁移网络，结合自适应实例标准化，将抽取到的风格特征编码与内容编码器提取到的跨域共享的语义内容重新组合，生成新的图像，从而实现图像从源域到多个目标域的风格迁移。实验表明模型能够有效地将任意照片的内容与众多艺术品的风格相结合，产生新的图像。
-
公开(公告)号：CN114913328A
公开(公告)日：2022-08-16
申请号：CN202210537471.0
申请日：2022-05-18
申请人： 大连理工大学
摘要： 本发明属于人工智能与计算机视觉领域，公开了一种基于贝叶斯深度多任务学习的语义分割与深度预测方法。该方法将语义分割与深度预测任务视为多任务，利用深度学习方法解决多模态问题，通过预训练处理的主干网络生成包含多个尺度的原始共享特征，并利用提出的贝叶斯多通道交流单元与任务共享单元实现尺度与任务特征之间的交流；最后通过设计的贝叶斯多模态蒸馏机制输出语义分割与深度预测的结果。本发明方法核心在于设计了多尺度与多任务交流机制，并引入贝叶斯深度学习设计了贝叶斯门控机制，并显著提高语义分割与深度预测任务的精度。本发明作为一种基于贝叶斯深度多任务学习的语义分割与深度预测方法，可广泛应用于自动驾驶以及智能机器人领域。
-
公开(公告)号：CN112822191A
公开(公告)日：2021-05-18
申请号：CN202110010432.0
申请日：2021-01-06
申请人： 大连理工大学
摘要： 一种网络化协同系统中多维数据安全性检测的方法，其属于物联网信息安全技术领域。该方法基于异常的数据进行安全性检测，利用LSTM算法进行数据预测和时序特征提取，基于智能节点的状态建立知识图谱，在逻辑上建立数据间的联系。同时，将各状态的权重矩阵写入知识图谱中作为一种属性，以使神经网络能够快速地动态更新权重，提高判断精度和速度；通过对比预测值与实际值之间的差异，结合多元高斯分布模型，从数学角度建立数据间的联系，综合判断数据点的异常状态。该方法对节点数据的描述更加细致；较传统方法更能适应物联网的复杂网络环境。并且对物联网架构、传输协议等无依赖，具有较强的泛化能力，网络化协同系统均可使用。
-
公开(公告)号：CN112364757A
公开(公告)日：2021-02-12
申请号：CN202011242807.8
申请日：2020-11-09
申请人： 大连理工大学
摘要： 本发明属于计算机视觉领域，涉及视频中的人体动作识别，用于定位和分类视频中人体行为动作，具体为一种基于时空注意力机制的人体动作识别方法。本发明所提供的基于空间变换网络的注意力机制，获取与人体运动相关的区域，从而捕获动作之间的细节变化；本发明所提供的局部区域与全局特征进行融合的方法，加强了人体动作的表示；本发明所提供的全局特征描述符，将来自空间信息、时间信息以及时空交互信息进行聚合来区分人体行为动作，提高识别效果。
-
公开(公告)号：CN110264750A
公开(公告)日：2019-09-20
申请号：CN201910516016.0
申请日：2019-06-14
申请人： 大连理工大学
摘要： 一种基于多任务深度Q网络的Q值迁移的多交叉口信号灯协同控制方法，属于人工智能与智能交通的交叉领域。本方法首先将多交叉口建模为一个多Agent系统，在多交叉口上训练一个适合每个交叉口信号灯控制的多任务网络，然后把它在多交叉口上学到的知识用在目标问题上，多任务网络将比单个网络拥有更多的知识，对单个交叉口提取特征的能力更强，最后通过协同算法对目标域中各个交叉口的信号灯进行协同控制。本发明方法在一定程度上能够平衡各路口的交通流量，提高区域交通中道路的利用率，减少车辆的排队长度，缓解交通拥堵。该方法对交通网络具有较好的可扩展性。
-
-
-
-
-
-
-
-
-
搜索结果
72 条记录 (耗时 0.037 秒)
