基于迁移学习的人物检测方法和系统

    公开(公告)号:CN113936295A

    公开(公告)日:2022-01-14

    申请号:CN202111103913.2

    申请日:2021-09-18

    摘要: 本发明提出一种基于迁移学习的人物检测方法和系统,包括:构建用于图像目标检测的教师网络和其对应的学生网络,获取已标注人物类别标签的图片数据集作为训练数据集;以该训练数据集对该教师网络和该学生网络进行训练时,提取老师网络每层目标检测FPN的分类分支输出,得到包括NCHW四个通道输出结果的四维矩阵;通过在该四维矩阵的C通道方向求和,得到NHW维度的特征矩阵作为特征掩码矩阵,基于该特征掩码矩阵、老师网络和学生网络的FPN特征图,得到特征图约束损失;对教师网络的损失、学生网络的损失和该特征图约束损失进行求和,得到蒸馏损失,该蒸馏损失收敛后使用该学生网络对图片中的人物进行检测。

    一种基于二值神经网络的图像分类方法及系统

    公开(公告)号:CN113936169A

    公开(公告)日:2022-01-14

    申请号:CN202111098800.8

    申请日:2021-09-18

    摘要: 本发明提出一种基于二值神经网络的图像分类方法和系统,包括:构建包括特征扩增层、二值卷积层、激活层和分段缩放层的神经网络模块,并通过堆叠神经网络模块构建二值神经网络;获取已经标记图像类别标签的图像作为训练数据,将训练数据的浮点特征图输入至二值神经网络中第一个模块的特征扩增层,以扩增浮点特征图的通道数,得到扩增特征图,将扩增特征图转换为二值特征图后输入至卷积层,得到二值特征图的卷积特征图,卷积特征图经归一化处理后输入至分段缩放层,通过分段缩放层的缩放因子调整模块输出的浮点特征图,并将结果作为输入传递给下一个神经网络模块,将最后一个神经网络模块得到的训练数据的图像类别作为训练结果。

    一种台标检测方法
    3.
    发明公开

    公开(公告)号:CN103390162A

    公开(公告)日:2013-11-13

    申请号:CN201310283875.2

    申请日:2013-07-08

    IPC分类号: G06K9/46 G06K9/64 H04N21/435

    摘要: 本发明提供一种台标检测方法,所述方法包括:对查询图像进行特征点定位,且对每个特征点提取HOG特征;对查询图像的每个特征点的HOG特征,在特征库中搜索其K个近邻,由每个特征点向对应于该K个近邻的K个投票位置进行投票。所述方法还包括:根据投票位置的得票数,确定所述查询图像中是否存在台标。所述检测方法兼顾效率与准确率,适用于多种应用场合。

    基于上下文符号策略的元强化学习自动控制方法及系统

    公开(公告)号:CN117991628A

    公开(公告)日:2024-05-07

    申请号:CN202211378151.1

    申请日:2022-11-04

    摘要: 本发明提出一种基于上下文符号策略的元强化学习自动控制方法和系统,包括:将基础控制对象的运动轨迹的上下文变量输入参数生成器,得到上下文变量中所有动作维度在符号网络中的预测参数;路径选择器通过在预测参数上乘以二进制掩码,以从符号网络中选择代表符号表达式形式的路径;符号网络根据路径和预测参数,生成训练样本的预测控制策略;使用预测控制策略控制基础控制对象,根据其运动轨迹使用强化学习训练更新参数生成器和路径选择器;将目标控制对象的上下文变量输入训练完的路径选择器和参数生成器,得到符号网络的结构和参数,从而得到目标控制对象符号化的控制策略,以控制策略控制目标控制对象完成控制目标。

    硬件感知的高效特征融合网络搜索方法及系统

    公开(公告)号:CN117689864A

    公开(公告)日:2024-03-12

    申请号:CN202211024965.5

    申请日:2022-08-25

    摘要: 本发明提出一种硬件感知的高效特征融合网络搜索方法和系统,包括:构建包括融合特征搜索单元、融合路径搜索单元和融合模式搜索单元的特征融合网络;特征融合网络从图片的多尺度特征中搜索得到各尺度下的最优特征;对各尺度下的最优特征的通道进行分组,融合路径搜索单元从各分组中搜索得到候选特征,构建多个由两个候选特征构成的候选特征对;根据候选特征对,融合模式搜索单元从包括多个候选融合操作的操作集中搜索得到融合策略,并以融合策略对候选特征对进行特征融合,得到每个候选特征对的融合特征;基于融合特征确定图片中检测目标的预测位置类别。把在目标硬件上特征融合网络的硬件开销作为搜索目标;在目标硬件上能实现精度和计算开销的良好权衡。

    机械臂控制方法及装置
    6.
    发明公开

    公开(公告)号:CN117532610A

    公开(公告)日:2024-02-09

    申请号:CN202311666755.0

    申请日:2023-12-06

    IPC分类号: B25J9/16 B25J13/00

    摘要: 本发明提出一种机械臂控制方法及装置,该方法包含:构建机械臂控制的模拟环境,获取环境状态信息,所述环境状态信息包含机械臂的位姿与速度,以及待操作物体位置;以所述环境状态信息作为输入信息,输入至符号网络中,所述符号网络的输出为机械臂动作值,包含机械臂的关节速度;从所述符号网络中选择合适的路径生成符号策略;依据所述符号策略部署机械臂的控制任务。该方法能够提高符号策略学习的效率,从而使用更少的交互数据学习到机械臂控制,提高了机械臂控制的精度。

    一种基于联合聚类域自适应的图片分类方法和系统

    公开(公告)号:CN113936167A

    公开(公告)日:2022-01-14

    申请号:CN202111088083.0

    申请日:2021-09-16

    摘要: 本发明提出一种基于联合聚类域自适应的图片分类方法和系统,包括:通过特征提取网络可分别提取源域图片数据和目标域图片数据的特征,得到源域特征和目标域特征;基于源域特征和目标域特征到聚类中心的距离显式表达域内类别条件分布概率;最小化源域数据标签与域内类别条件分布概率的相对熵距离,更新特征提取网络与类别聚类中心;最小化目标域数据的标签分配与域内类别条件分布概率的相对熵距离,再次更新特征提取网络与聚类中心;将待分类图片输入经过再次更新的特征提取网络,得到待分类图片的图片特征,计算图片特征与经过再次更新的类别聚类中心中所有类别中心的概率,取概率最大的类别作为待分类图片的图片分类结果。

    一种台标检测方法
    8.
    发明授权

    公开(公告)号:CN103390162B

    公开(公告)日:2016-08-10

    申请号:CN201310283875.2

    申请日:2013-07-08

    IPC分类号: G06K9/46 G06K9/64 H04N21/435

    摘要: 本发明提供一种台标检测方法,所述方法包括:对查询图像进行特征点定位,且对每个特征点提取HOG特征;对查询图像的每个特征点的HOG特征,在特征库中搜索其K个近邻,由每个特征点向对应于该K个近邻的K个投票位置进行投票。所述方法还包括:根据投票位置的得票数,确定所述查询图像中是否存在台标。所述检测方法兼顾效率与准确率,适用于多种应用场合。

    基于迁移学习的人物检测方法和系统

    公开(公告)号:CN113936295B

    公开(公告)日:2024-08-16

    申请号:CN202111103913.2

    申请日:2021-09-18

    摘要: 本发明提出一种基于迁移学习的人物检测方法和系统,包括:构建用于图像目标检测的教师网络和其对应的学生网络,获取已标注人物类别标签的图片数据集作为训练数据集;以该训练数据集对该教师网络和该学生网络进行训练时,提取老师网络每层目标检测FPN的分类分支输出,得到包括NCHW四个通道输出结果的四维矩阵;通过在该四维矩阵的C通道方向求和,得到NHW维度的特征矩阵作为特征掩码矩阵,基于该特征掩码矩阵、老师网络和学生网络的FPN特征图,得到特征图约束损失;对教师网络的损失、学生网络的损失和该特征图约束损失进行求和,得到蒸馏损失,该蒸馏损失收敛后使用该学生网络对图片中的人物进行检测。

    一种基于对象的强化学习方法及系统

    公开(公告)号:CN117689912A

    公开(公告)日:2024-03-12

    申请号:CN202211013747.1

    申请日:2022-08-23

    摘要: 本发明提出一种基于对象的强化学习方法和系统,包括:智能体采集在当前所处环境的观测图像,从该观测图像中识别出对象的位置,并对其进行无监督聚类,得到各对象的类别标签;以该对象的类别标签为监督,通过卷积神经网络对该观测数据进行对象抽取,得到该观测图像的对象表示;基于该观测图像的对象表示,构建该观测图像中对象间的关系,作为该观测图像的特征向量,基于该特征向量执行学习策略,得到目标动作,该智能体执行该目标动作与该环境产生交互。该发明可以提升强化学习中策略的推理能力,使其具备较高的泛化能力。