-
公开(公告)号：CN112906797A
公开(公告)日：2021-06-04
申请号：CN202110207871.0
申请日：2021-02-25
申请人： 华北电力大学
摘要： 本发明属于公开了机械臂抓取计算领域的一种基于计算机视觉和深度学习的平面抓取检测方法，其步骤包括：收集或自制抓取数据集，并进行特定的数据增强；利用深度补全算法补全深度图信息，并对数据集进行深度信息融合、统一裁剪以及训练验证划分；根据训练得到的抓取检测模型，利用真实图像数据作为网络输入，抓取质量分数及抓取框五维表示作为输出，采用反向传播算法和基于标准梯度的优化算法，通过排序优化转换为抓取框四个顶点信息，实现可视化，最终映射到真实世界坐标。使得检测得到的抓取框与真实值差异最小化；本发明解决了经验抓取检测方法为实现泛化性而很难满足精准性的问题；解决了抓取检测方法在真实场景中难以保证实时性的问题。
-
公开(公告)号：CN110361778B
公开(公告)日：2020-10-13
申请号：CN201910599289.6
申请日：2019-07-04
申请人： 华北电力大学
摘要： 本发明属于油田地震大数据重建技术领域，尤其涉及一种基于生成对抗网络的地震数据重建方法，包括：使用被裁减成统一大小的地震切片数据作为训练集；采用深度卷积生成对抗网络对训练集进行训练，并采用Wasserstein距离来作为地震数据生成模型的训练评判指标；采用地震数据生成模型对地震数据进行重建，采用反向传播算法和基于标准梯度的优化算法来优化目标函数的梯度，使得重建数据与缺失数据的差值最小化。本发明的有益效果：解决了传统地震数据重建算法需要满足Nyquist采样定理限制的问题；解决了使用压缩感知算法重建地震数据稀疏基难以选择的问题；解决了压缩感知算法以及传统重建算法在极低采样率情况下重建效果不好的问题。
-
公开(公告)号：CN110361778A
公开(公告)日：2019-10-22
申请号：CN201910599289.6
申请日：2019-07-04
申请人： 华北电力大学
摘要： 本发明属于油田地震大数据重建技术领域，尤其涉及一种基于生成对抗网络的地震数据重建方法，包括：使用被裁减成统一大小的地震切片数据作为训练集；采用深度卷积生成对抗网络对训练集进行训练，并采用Wasserstein距离来作为地震数据生成模型的训练评判指标；采用地震数据生成模型对地震数据进行重建，采用反向传播算法和基于标准梯度的优化算法来优化目标函数的梯度，使得重建数据与缺失数据的差值最小化。本发明的有益效果：解决了传统地震数据重建算法需要满足Nyquist采样定理限制的问题；解决了使用压缩感知算法重建地震数据稀疏基难以选择的问题；解决了压缩感知算法以及传统重建算法在极低采样率情况下重建效果不好的问题。
-
公开(公告)号：CN107204025B
公开(公告)日：2019-10-18
申请号：CN201710253360.6
申请日：2017-04-18
申请人： 华北电力大学
摘要： 本发明公开了一种基于视觉感知的自适应服装动画建模方法，其包括：步骤1：构建符合人眼特性的服装视觉显著模型，应用深度卷积神经网络学习并提取出服装动画每帧图像的不同层次抽象特征，并从这些特征和真实的眼动数据中深度学习出视觉显著模型；步骤2：服装分区域建模，基于步骤1已构建的视觉显著模型，预测服装动画图像的视觉显著图，提取出服装区域的关注度，对服装变形进行滤波，并结合摄像机视点运动信息以及物理变形信息，通过设置细节模拟因子对服装进行分区域建模；步骤3：构建视觉感知驱动的自适应服装模型并实现模拟，采用自适应多精度网格技术实现服装分区域建模，细节模拟因子高的区域进行高精度建模，细节模拟因子较低的区域则进行低精度建模，在此基础上进行动力学计算和碰撞检测，构建视觉逼真的服装动画系统。
-
公开(公告)号：CN116821828A
公开(公告)日：2023-09-29
申请号：CN202310703240.7
申请日：2023-06-14
申请人： 华北电力大学
IPC分类号： G06F18/2433 , G06F18/214 , G06F18/10 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06N3/045 , G06F123/02
摘要： 本发明公开了一种基于工业数据的多维时序预测方法。该方法具有以下步骤：步骤1：深入研究工业加工过程中影响工业加工结果的因素，明确对工业加工产品优良率影响最显著的关键因素。步骤2：通过在工业加工机床上安装相应的检测传感器，实时采集多维时序数据，从而形成包含丰富信息的工业加工多维时序数据集。步骤3：基于步骤2的数据集构建高级工业加工多维时序预测模型，运用改进的深度循环神经网络和卷积网络，巧妙地提取多维时序数据的多层次特征，并借助这些特征训练出卓越的工业加工多维时序预测模型，使其能够准确预测未来多维时序信息。
-
公开(公告)号：CN116721190A
公开(公告)日：2023-09-08
申请号：CN202310697185.5
申请日：2023-06-13
申请人： 华北电力大学
IPC分类号： G06T13/40 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种语音驱动三维人脸动画生成方法，所述方法，包括：步骤1：获取样本数据，对数据进行预处理；步骤2：重建三维人脸模型，对完成重建的三维人脸模型进行拓扑对齐，获得连续的人脸模型动画，结合音频数据，构建4D数据集；步骤3：训练模型，求解音频特征信息与人脸模型动画中的映射关系；步骤4：给定音频和静态人脸模型，通过预训练模型，给出对应的三维人脸模型动画。
-
公开(公告)号：CN109740636B
公开(公告)日：2021-05-18
申请号：CN201811515475.9
申请日：2018-12-12
申请人： 华北电力大学
摘要： 本发明属于油水层智能识别技术领域，尤其涉及一种基于AdaBoost结合GRU的地层油水层识别方法，包括：步骤1：使用测井方法获得某地域的测井数据；步骤2：结合测井数据解释原理，对数据进行预处理；步骤3：对预处理过的测井数据，利用基于AdaBoost结合GRU方法进行学习训练，建立识别模型；步骤4：利用该地域的测井数据和建立的识别模型，预测油水层信息。本发明利用该模型，可以得到准确的地质分层信息，识别准确率不仅较高而且稳定。
-
公开(公告)号：CN106251200B
公开(公告)日：2019-10-18
申请号：CN201610603275.3
申请日：2016-07-27
申请人： 华北电力大学
IPC分类号： G06Q30/06
摘要： 本发明公开了一种基于实例的虚拟试衣方法，包含以下步骤，1)获取服装变形矩阵数据，从不同人体体型的服装上获取服装的变形矩阵数据；服装的变形矩阵是指把同一款服装穿到两个不同体型的人体上，从而由这两件服装对应的三角面上计算他们的仿射变形矩阵；2)获取服装粗变形，所述粗变形是指过滤了服装款式信息的服装变形,根据获取的服装变形矩阵，得到两个人体模型的服装粗变形；3)虚拟试衣过程，所述虚拟试衣过程是应用之前求得的每个人体的每件服装的变形矩阵对服装进行变形，并处理变形后的服装，使其能更好地贴合指定人体。
-
公开(公告)号：CN109490957A
公开(公告)日：2019-03-19
申请号：CN201811434030.8
申请日：2018-11-28
申请人： 华北电力大学
IPC分类号： G01V1/30
摘要： 本发明属于油田地震大数据重建技术领域，尤其涉及一种基于空间约束压缩感知的地震数据重建方法，包括：使用一部分数据作为训练数据，使用K-SVD字典学习训练超完备字典来重建原始的地震数据；使用联合稀疏分解的方法，提取共有的空间信息，并改造压缩感知算法中的感知矩阵；对稀疏度自适应匹配追踪算法进行改进，引入初始稀疏度估计的方法，采用变步长的策略对数据进行重建。重建的结果不但细节比较清晰，运算时间相较于IRLS和SAMP大幅地降低，而且横向的过度更加的平滑，说明本发明所设计的算法利用到了空间的相关信息，重建结果更加真实。
-
公开(公告)号：CN107204025A
公开(公告)日：2017-09-26
申请号：CN201710253360.6
申请日：2017-04-18
申请人： 华北电力大学
摘要： 本发明公开了一种基于视觉感知的自适应服装动画建模方法，其包括：步骤1：构建符合人眼特性的服装视觉显著模型，应用深度卷积神经网络学习并提取出服装动画每帧图像的不同层次抽象特征，并从这些特征和真实的眼动数据中深度学习出视觉显著模型；步骤2：服装分区域建模，基于步骤1已构建的视觉显著模型，预测服装动画图像的视觉显著图，提取出服装区域的关注度，对服装变形进行滤波，并结合摄像机视点运动信息以及物理变形信息，通过设置细节模拟因子对服装进行分区域建模；步骤3：构建视觉感知驱动的自适应服装模型并实现模拟，采用自适应多精度网格技术实现服装分区域建模，细节模拟因子高的区域进行高精度建模，细节模拟因子较低的区域则进行低精度建模，在此基础上进行动力学计算和碰撞检测，构建视觉逼真的服装动画系统。
-
-
-
-
-
-
-
-
-
搜索结果
29 条记录 (耗时 0.029 秒)
