公开(公告)号：CN114819286A

公开(公告)日：2022-07-29

申请号：CN202210338385.7

申请日：2022-04-01

Applicant: 广州大学

Inventor： 蔡长青 ,  汤铭柯 ,  贾羽彤 ,  彭俊源 ,  甘淞宇

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q10/10 ,  G06Q50/30

Abstract: 本发明提出了一种山区铁路线路优化的深度强化学习方法，属于通信技术领域。本发明从组合优化的角度对提出了一种基于深度强化学习的山区铁路线路优化新框架，称为深度确定性政策梯度，重新设计了目标函数、环境、状态和动作，同时考虑各种对齐约束，深度确定性政策梯度模型生成铁路线形解决方案，无需预先确定交叉口或HPI的垂直点数量，也无需首先找到初始走廊。本发明深度确定性政策梯度模型生成铁路线形解决方案，无需预先确定交叉口或HPI的垂直点数量，也无需首先找到初始走廊，提高了运算效率。

公开(公告)号：CN114897937A

公开(公告)日：2022-08-12

申请号：CN202210565509.5

申请日：2022-05-23

Applicant: 广州大学

Inventor： 蔡长青 ,  贾羽彤 ,  甘淞宇 ,  彭俊源 ,  汤铭柯

IPC: G06T7/246 ,  G06T7/277 ,  G06T7/66 ,  G06V10/25 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/40 ,  G06V20/52 ,  G06V40/10 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/08

Abstract: 本发明公开了一种基于视觉的场外施工深度学习实例分割跟踪方法，其包括以下步骤：步骤S1：实例分割：实例分割模块从输入视频中检测工作者，得到工作者的包围盒和分割掩码；步骤S2：实例关联：实例关联模块在所述输入视频的每两个连续帧上构造一个工作实例关联矩阵；步骤S3：实例指派：实例指派模块利用匈牙利算法在实例指派中产生跟踪结果。本发明用于追踪建筑工地上非现场施工工作者的身体轮廓，将实例分割引入到场外施工工作者跟踪中，使工地管理具有更强的追踪性，从而提升非现场施工工作者的视觉检测效率和现场安全。

公开(公告)号：CN114897937B

公开(公告)日：2025-05-23

申请号：CN202210565509.5

申请日：2022-05-23

Applicant: 广州大学

Inventor： 蔡长青 ,  贾羽彤 ,  甘淞宇 ,  彭俊源 ,  汤铭柯

IPC: G06T7/246 ,  G06T7/277 ,  G06T7/66 ,  G06V10/25 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/40 ,  G06V20/52 ,  G06V40/10 ,  G06N3/0464 ,  G06N3/08 ,  G06Q50/08

Abstract: 本发明公开了一种基于视觉的场外施工深度学习实例分割跟踪方法，其包括以下步骤：步骤S1：实例分割：实例分割模块从输入视频中检测工作者，得到工作者的包围盒和分割掩码；步骤S2：实例关联：实例关联模块在所述输入视频的每两个连续帧上构造一个工作实例关联矩阵；步骤S3：实例指派：实例指派模块利用匈牙利算法在实例指派中产生跟踪结果。本发明用于追踪建筑工地上非现场施工工作者的身体轮廓，将实例分割引入到场外施工工作者跟踪中，使工地管理具有更强的追踪性，从而提升非现场施工工作者的视觉检测效率和现场安全。