-
公开(公告)号：CN118474555A
公开(公告)日：2024-08-09
申请号：CN202310126289.0
申请日：2023-02-07
摘要： 本申请涉及传感器技术领域，公开了一种事件图像生成方法、装置、存储介质及电子设备。方法包括：确定到达预设图像输出频率对应的图像输出时刻；基于预先存储的事件数据集生成事件图像，其中，事件图像的事件平均信息量满足预设条件。基于上述方案，各输出事件图像的时刻可以按照预设频率设置，使得可以输出固定帧率的事件图像；此外，直接基于历史缓存的事件数据，输出信息熵均能够达到预设阈值的事件图像，即输出信息熵恒定的图像，能在保证生成的每张事件图像具有清晰边缘的同时，提高计算效率。
-
公开(公告)号：CN117804457A
公开(公告)日：2024-04-02
申请号：CN202311811068.3
申请日：2023-12-27
申请人： 大连理工大学 , 吉林省昌源地理信息科技有限公司 , 珠海市四维时代网络科技有限公司
摘要： 本发明属于计算机图像处理与深度强化学习领域，公开了一种基于深度强化学习的无人机自主探索导航方法。本发明基于SAC深度强化学习方法，提出FD‑SAC算法，该算法利用无人机实时飞行过程中交互获取的深度图像和本机飞行状态，实现无人机导航规划。主要的设计模块包括特征提取模块和决策模块，其中特征提取模块利用深度学习方法设计IFC特征提取网络，将实时获取的深度图像和该时刻的飞行状态特征计算融合，输出的特征指导下一步决策过程；决策模块包括策略网络、动作价值网络、状态价值网络、经验样本池，提高自主学习训练效率，提升网络模型决策性能。本发明所述方法适用于未知、大规模、复杂、动态环境下的无人机自主探索导航过程。
-
公开(公告)号：CN117151275A
公开(公告)日：2023-12-01
申请号：CN202310983094.8
申请日：2023-08-07
申请人： 大连理工大学
摘要： 本发明属于化工安全领域，提出一种基于动态时空图的化工过程动态预测方法。设计Transformer和GCN融合的时空预测模型DSTN，从时间和空间两个维度挖掘多维时序数据潜在的时空依赖特性和非线性关联性。本发明针对化工场景中不同生产阶段下工艺参数间的动态相关性，提出了一种基于动态时空图的化工过程动态预测方法，该方法引入了动态图的思想，利用互信息的方法对输入的多维时序数据进行图重构，生成动态图，并输入到具有特殊卷积核的GCN网络中进行空间特征的学习和建模，使得网络具备动态可解释性；其次，本方法在Transformer的注意力分数计算模块引入了一维卷积，加强了对时序局部特征的学习和建模。
-
公开(公告)号：CN117113250A
公开(公告)日：2023-11-24
申请号：CN202311019903.X
申请日：2023-08-14
申请人： 大连理工大学
IPC分类号： G06F18/2433 , G06F18/214 , G06N3/04 , G06N3/088 , G06F17/18
摘要： 本发明属于计算机与化工交叉学科多监测点监控中的异常检测领域，提出一种面向精细化工生产过程的异常检测方法，异常识别智能体模型于数据集中进行随机采样并获取当前状态，异常识别智能体模型根据当前状态给出动作；强化学习训练环境根据数据集返回最为异常的下一时刻状态，并将下一时刻状态作为异常识别智能体模型下一个时间步的输入；强化学习训练环境根据异常识别智能体模型对于数据的判断情况给予对应奖励；异常识别智能体模型根据神经元进行网络权重的学习，得到最优网络权重的异常识别智能体模型，用于异常检测。本发明方法首个通过将脉冲神经网络与深度强化学习相结合，以完成化工生产场景下的异常检测任务，检测功耗低，使用场景广泛。
-
公开(公告)号：CN117010567A
公开(公告)日：2023-11-07
申请号：CN202310983210.6
申请日：2023-08-07
申请人： 大连理工大学
IPC分类号： G06Q10/04 , G06Q50/26 , G06N5/01 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/08 , G06N7/06
摘要： 本发明属于数据挖掘中的时间序列预测领域，提出一种基于静态时空图的化工过程动态预测方法。将历史一段时间内通过传感器采集的多维时序数据所组成的特征矩阵X和邻接矩阵A作为输入数据，通过学习一个映射函数#imgabs0#计算得到未来一段时间T的生产过程状态。该方法充分利用融合多维时序变量间的时间依赖性特征和空间依赖性特征，实现对化工过程预测任务。时序特征提取是采用GRU网络来实现，空间特征提取采用GCN网络来实现。GCN网络的图结构数据采用互信息的方式对多维时序变量间的关联性进行量化计算，进而设计形成静态图。
-
公开(公告)号：CN116597144A
公开(公告)日：2023-08-15
申请号：CN202310606274.4
申请日：2023-05-26
申请人： 大连理工大学
摘要： 本发明属于计算机视觉技术领域，公开了一种基于事件相机的图像语义分割方法。由于事件数据分布不均，事件帧图像不同区域提供的细节信息差距较大，在事件数据稀疏的区域提取的局部特征可能不具备充足的语义与细节信息，为了有效的提取事件帧图像特征，本发明从全局的角度提取事件特征，利用注意力机制对图像各点建立丰富的全局上下文关系，进而增强网络的表达能力；然后通过图推理模块加强高层级特征的上下文依赖关系，为后续分割预测提供更为准确的语义线索。
-
公开(公告)号：CN115830532A
公开(公告)日：2023-03-21
申请号：CN202211489417.X
申请日：2022-11-25
申请人： 大连理工大学
摘要： 本发明属于计算机与化工交叉学科多监测点监控中的异常检测领域，提供了一种面向化工生产过程的多监测点异常检测方法，步骤如下：1)趋势误差和均方误差的加权捕捉趋势的变化；2)极差统计量放大异常和正常数据的变化；3)将时间序列之间的内部关联用RP图的相似度来表达。本发明的方法具有以下优点：(1)方法的创新；(2)时间序列异常识别的结果和效率；(3)适用性更广泛。
-
公开(公告)号：CN111738318B
公开(公告)日：2022-09-30
申请号：CN202010530337.9
申请日：2020-06-11
申请人： 大连理工大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06V10/26 , G06V10/25 , G06V10/77 , G06V20/10
摘要： 本发明属于图像分类领域，涉及一种基于图神经网络的超大图像分类方法。本发明针对不同的超大图像可采取不同子图像筛选方法，进一步调整了特征提取网络，使得子图像的特征提取更加准确；将超大图像构建成为图数据，并且在传统的图卷积神经网络上引入了可微分池化操作，不仅可以挖掘超大图像的全局信息，同时可微池化操作还可以在训练过程中挖掘隐藏层的特征信息，充分分析各个子图像之间在特征空间的关联性，可以更加准确地对超大图像进行分类。
-
公开(公告)号：CN109859095B
公开(公告)日：2022-09-20
申请号：CN201811545763.9
申请日：2018-12-18
申请人： 大连理工大学
摘要： 本发明提供一种漫画自动生成系统及方法，属于计算机视觉及媒体领域。该方法首先进行关键帧的选择及视频的风格化，然后获取页面布局设计所需要的四个参数的，之后进行多页漫画布局设计，最后进行情感驱动的漫画对话框的生成以及将生成的对话框放置在漫画上生成最终结果。本发明的漫画页面布局在一开始就将多页作为一个参数考虑进去，并且进行了整体的优化。本发明方法与现实使用方式更加接近，生成的结果也更加贴合真实的漫画。同传统的对话框相比，本发明方法生成的对话框不仅样式多、而且每一种样式的选择都更加符合对话的感情。
-
公开(公告)号：CN109410307B
公开(公告)日：2022-09-20
申请号：CN201811204443.7
申请日：2018-10-16
申请人： 大连理工大学
摘要： 本发明属于计算机视觉技术领域，提供了一种场景点云语义分割方法，设计基于深度学习技术的大规模密集场景点云语义分割模型的框架，对于输入的大规模密集场景点云，能够在信息不丢失的情况下将点云的三维信息转化为卷积可以直接处理的二维信息，并结合图像语义分割的技术来完成点云语义分割的任务。在这种框架下，能有效解决大规模密集场景点云的语义分割任务。本发明的方法得到的场景点云的语义分割结果可以直接利用在机器人导航、自动驾驶等任务。并且该方法在非人工合成的自然场景中效果尤其显著。
-
-
-
-
-
-
-
-
-
搜索结果
119 条记录 (耗时 0.036 秒)