一种基于脑机交互的车辆控制方法及装置

    公开(公告)号:CN112356841A

    公开(公告)日:2021-02-12

    申请号:CN202011356563.6

    申请日:2020-11-26

    摘要: 本发明公开一种基于脑机交互的车辆控制方法及装置,该方法步骤包括:S1.被控车辆在驾驶过程中,实时感知被控车辆的外部环境信息以及被控车辆的自身状态信息;S2.根据实时感知到的信息,判断与当前环境匹配的所有驾驶场景并作为可选驾驶决策输出以提供给驾驶员选择;S3.采集驾驶员的脑电波信号,并提取出驾驶员对于驾驶决策的决策选择指令;S4.当接收到决策选择指令时,根据决策选择指令从预先训练得到的多个驾驶行为模型中调用对应的目标驾驶行为模型,使用目标驾驶行为模型控制车辆驾驶行为。本发明具有实现方法简单、智能化程度高、控制平稳性以及鲁棒性好且安全可靠等优点。

    基于核最小二乘软贝尔曼残差强化学习的机械臂抓取控制方法及系统

    公开(公告)号:CN114454160A

    公开(公告)日:2022-05-10

    申请号:CN202111680444.0

    申请日:2021-12-31

    IPC分类号: B25J9/16

    摘要: 本发明公开一种基于核最小二乘软贝尔曼残差强化学习的机械臂抓取控制方法,步骤包括:S1.在智能体与环境交互过程中使用第一控制策略采集样本,构造基函数;S2.在智能体与环境交互过程中通过Actor模块生成的第二控制策略采集样本,使用基函数构造样本特征并放入经验池;S3.由Critic模块从经验池中采样,使用最小二乘软贝尔曼残差更新Critic的权值系数并计算软状态动作值函数;Actor模块通过最小化软状态动作值函数的玻尔兹曼分布的KL散度,更新Actor的权值系数,获得最终的控制策略;S4.按照获得的控制策略控制智能体的机械臂抓取。本发明具有实现方法简单、控制效率及精度高等优点。

    一种数据增广的深度半监督超限学习图像分类方法及系统

    公开(公告)号:CN113077388A

    公开(公告)日:2021-07-06

    申请号:CN202110448092.X

    申请日:2021-04-25

    摘要: 本发明公开了一种数据增广的深度半监督超限学习图像分类方法及系统,本发明方法包括针对训练图像采用深度卷积网络模型进行特征提取;基于部分人工标签数据微调优化深度卷积网络模型并为无标签的训练图像生成伪标签;将从训练图像提取得到的高层语义特征与低层浅层结构特征融合得到融合图像特征;采用随机线性插值技术对训练图像的融合图像特征与标签进行增广;针对增广后的融合图像特征与标签训练单隐层前馈神经网络并替代深度卷积网络模型中的全连接层得到最终的图像分类识别网络模型。本发明具有人工标记需求小、具有鲁棒的抗噪声干扰能力、分类识别性能良好、任务扩展性强的数据增广的优点。

    无人平台烟尘雾感知方法、系统、计算机设备及存储介质

    公开(公告)号:CN112699858B

    公开(公告)日:2021-05-18

    申请号:CN202110310569.8

    申请日:2021-03-24

    IPC分类号: G06K9/00 G06N3/04 G06N3/08

    摘要: 本申请涉及一种无人平台烟尘雾感知方法、系统、计算机设备及存储介质。所述方法包括:对烟尘雾图像进行稀疏标注构建训练数据集,训练烟尘雾识别网络,根据识别结果生成特征激活图像,计算神经元对于烟尘雾和背景特征的激活分布,根据激活分布对训练数据集进行补充标注。定义包括烟尘雾分类损失项和特征激活损失项的损失函数,迭代更新训练数据集对神经网络进行,由无人平台基于训练好的烟尘雾感知模型进行烟尘雾感知。本申请基于分类网络架构,根据神经网络和烟尘雾图像中的背景或烟尘雾特征的响应关系来对样本进行像素标注,对神经网络训练过程进行监督,降低了模型复杂度和标注成本,增强了模型的快速部署的能力。

    无人平台烟尘雾感知方法、系统、计算机设备及存储介质

    公开(公告)号:CN112699858A

    公开(公告)日:2021-04-23

    申请号:CN202110310569.8

    申请日:2021-03-24

    IPC分类号: G06K9/00 G06N3/04 G06N3/08

    摘要: 本申请涉及一种无人平台烟尘雾感知方法、系统、计算机设备及存储介质。所述方法包括:对烟尘雾图像进行稀疏标注构建训练数据集,训练烟尘雾识别网络,根据识别结果生成特征激活图像,计算神经元对于烟尘雾和背景特征的激活分布,根据激活分布对训练数据集进行补充标注。定义包括烟尘雾分类损失项和特征激活损失项的损失函数,迭代更新训练数据集对神经网络进行,由无人平台基于训练好的烟尘雾感知模型进行烟尘雾感知。本申请基于分类网络架构,根据神经网络和烟尘雾图像中的背景或烟尘雾特征的响应关系来对样本进行像素标注,对神经网络训练过程进行监督,降低了模型复杂度和标注成本,增强了模型的快速部署的能力。

    网络深度动态调整方法、装置、计算机设备和存储介质

    公开(公告)号:CN114997373B

    公开(公告)日:2024-10-15

    申请号:CN202210669443.4

    申请日:2022-06-14

    摘要: 本申请涉及一种网络深度动态调整方法、装置、计算机设备和存储介质。该方法包括:在目标跟踪网络中嵌入特征编码器、特征解码器和预训练的高斯混合模型;根据获取的每一目标视频帧对应的原始特征构建训练集;根据样本复杂度和复杂度特征之间的第一互信息估计函数和原始特征和复杂度特征之间的第二互信息估计函数,得到目标函数;根据目标函数和训练集对特征编码器和特征解码器进行训练得到待跟踪目标视频帧对应的最优复杂度特征;将最优复杂度特征输入预训练的高斯混合模型,得到待跟踪目标视频帧的复杂度分布,根据复杂度分布,输出待跟踪目标视频帧中的跟踪目标位置。采用本方法能够区分输入样本的复杂度,提高目标跟踪网络的计算效率。

    基于相似度距离的小目标检测标签分配方法、系统及设备

    公开(公告)号:CN117496200A

    公开(公告)日:2024-02-02

    申请号:CN202311687436.8

    申请日:2023-12-11

    摘要: 本发明涉及一种基于相似度距离的小目标检测标签分配方法、系统及设备,其中,方法包括:S1.将训练集中包含目标对象的输入图像送至区域建议网络中,并生成多个与所述输入图像中目标区域相关的候选框;S2.计算所述目标区域与所述候选框之间的相似度距离,并获得相应的相似度距离结果;其中,所述相似度距离基于多个维度的相似度构建;S3.基于所述相似度距离结果对所述候选框进行分类,其中,将所述相似度距离结果大于预设的正样本门限的所述候选框标记为正样本,将所述相似度距离结果小于预设的负样本门限的所述候选框标记为负样本。本发明相较于传统方法具有更高的检测正确率。

    一种车辆混合智能限速控制方法及装置

    公开(公告)号:CN112373300B

    公开(公告)日:2022-05-13

    申请号:CN202011349523.9

    申请日:2020-11-26

    IPC分类号: B60K31/00 B60K31/02 B60T7/22

    摘要: 本发明公开一种车辆混合智能限速控制方法及装置,该方法步骤包括:S1.在当前车辆行驶过程中,实时感知当前车辆自身的状态信息、当前车辆所处的环境信息以及前方车辆的状态信息、当前车辆与前方车辆之间的相对距离信息;S2.根据步骤S1感知到的信息实时确定当前车辆的最小刹车距离,当相对距离信息小于最小刹车距离时,转入步骤S3;S3.使用最小刹车距离确定当前车辆的限制速度,根据当前确定的限制速度辅助控制调节当前车辆的制动踏板力以及制动踏板行程。本发明能够根据车辆的环境变化实现车辆自适应的人机混合智能限速控制,且具有实现方法简单、智能化程度以及安全可靠性高等优点。

    一种基于脑机交互的车辆控制方法及装置

    公开(公告)号:CN112356841B

    公开(公告)日:2021-12-24

    申请号:CN202011356563.6

    申请日:2020-11-26

    摘要: 本发明公开一种基于脑机交互的车辆控制方法及装置,该方法步骤包括:S1.被控车辆在驾驶过程中,实时感知被控车辆的外部环境信息以及被控车辆的自身状态信息;S2.根据实时感知到的信息,判断与当前环境匹配的所有驾驶场景并作为可选驾驶决策输出以提供给驾驶员选择;S3.采集驾驶员的脑电波信号,并提取出驾驶员对于驾驶决策的决策选择指令;S4.当接收到决策选择指令时,根据决策选择指令从预先训练得到的多个驾驶行为模型中调用对应的目标驾驶行为模型,使用目标驾驶行为模型控制车辆驾驶行为。本发明具有实现方法简单、智能化程度高、控制平稳性以及鲁棒性好且安全可靠等优点。