点云分类方法及装置
    8.
    发明授权

    公开(公告)号:CN115830375B

    公开(公告)日:2024-09-24

    申请号:CN202211494418.3

    申请日:2022-11-25

    摘要: 本发明提供一种点云分类方法及装置,其中方法包括:对原始点云数据进行特征提取,得到原始点云数据的局部特征;将局部特征分别输入第一处理分支与第二处理分支,得到局部特征的高频特征与低频特征;对高频特征与低频特征进行处理得到目标特征并输入分类器,得到原始点云数据的分类结果。本发明提供的点云分类方法及装置,通过在获取原始点云数据的局部特征之后,将获取的局部特征采用两个并行分支进行高频特征与低频特征的提取,并将获取的高频特征与低频特征拼接后的目标特征用于点云分类,降低了计算的复杂度。在提取低频特征时,基于向量注意力处理,可以建立点云坐标之间的长距离依赖关系,进一步降低后续分类的复杂度。

    多模态融合的学习能力评估方法、装置及电子设备

    公开(公告)号:CN117636488B

    公开(公告)日:2024-09-03

    申请号:CN202311543025.1

    申请日:2023-11-17

    摘要: 本发明提供一种多模态融合的学习能力评估方法、装置及电子设备,所述方法包括:采集待评估学习者在学习过程中的多模态信息,所述多模态信息包括:眼部信息、面部信息、动作信息和生理信息;基于所述多模态信息,采用识别模型识别得到所述待评估学习者在学习过程中的学习状态信息,所述学习状态信息包括以下至少一项:动作状态、情绪状态、专注状态和知识点学习轨迹;所述识别模型的训练样本是对多组学习者在各自的学习过程中产生的多模态信息基于预设采样频率进行滑窗采样得到;基于所述学习状态信息和所述待评估学习者在所述学习过程中学习的学习内容,确定所述待评估学习者的认知负荷和/或认知迁移,可提高学习能力评估的准确性。

    多路口交通信号灯控制方法、装置、电子设备及存储介质

    公开(公告)号:CN115294784B

    公开(公告)日:2024-05-14

    申请号:CN202210709165.0

    申请日:2022-06-21

    摘要: 本发明提供一种多路口交通信号灯控制方法、装置、电子设备及存储介质,采用的本地共享模型在训练时并不需要其他路口的训练样本,而是以联邦强化学习算法,借助于初始本地私有模型以及中央处理器智能体中与初始本地共享模型结构相同的初始全局模型进行集中‑分布式协同训练得到,可以保证各路口的时序交通状态信息观测样本的隐私性,即使不共享的情况下也可以得到准确的本地共享模型,避免了数据孤岛问题的出现。而且,由于采用基于联邦强化学习算法的集中‑分布式协同训练的方式,可以避免出现现有技术中对强化学习智能体训练时探索空间会呈现指数级增长的问题出现,可以实现最优化全局道路网络的交通状况。