-
公开(公告)号:CN118298491B
公开(公告)日:2024-08-06
申请号:CN202410710860.8
申请日:2024-06-04
申请人: 烟台大学
IPC分类号: G06V40/16 , G06V10/52 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/08
摘要: 本发明涉及表情识别技术领域,尤其是涉及一种基于多尺度特征和空间注意力的表情识别方法及系统。方法,包括利用HNFER神经网络模型对获取的面部图像数据进行特征提取,得到原始输入特征图;基于CoordAtt注意力机制对提取的特征进行池化拼接,得到特征图;对特征图进行深度卷积处理,得到注意力图,再通过元素相乘得到最终的特征图;通过对最终的特征图进行特征变换和归一化,得到表情类别概率并输出。本发明通过集成尺度感知和空间注意力技术,模型能够更精准地识别和分类不同的情绪状态,即使在复杂的环境条件下也能保持高性能。
-
公开(公告)号:CN118841979A
公开(公告)日:2024-10-25
申请号:CN202411311278.0
申请日:2024-09-20
申请人: 烟台大学
IPC分类号: H02J3/00 , G06F18/2415 , G06F18/10 , G06N3/094 , G06F17/16
摘要: 本发明涉及模型运算技术领域,尤其是涉及一种基于多尺度异常检测的电力系统负荷预测方法及系统。方法,包括构建Transformer‑XL与生成对抗网络相结合的负荷预测模型;基于负荷预测模型对电力系统多源数据进行预测,得到负荷预测数据;基于多尺度卷积变分自编码器对电力系统多源数据进行异常检测,得到异常检测结果;将异常检测结果和负荷预测结果相融合,生成综合评分;根据生成的综合评分,利用贝叶斯优化自动调整关键超参数。本发明能够更好地处理电力负荷数据中的非线性和多维度变化,从而显著提升了负荷预测的精度。
-
公开(公告)号:CN118298491A
公开(公告)日:2024-07-05
申请号:CN202410710860.8
申请日:2024-06-04
申请人: 烟台大学
IPC分类号: G06V40/16 , G06V10/52 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/08
摘要: 本发明涉及表情识别技术领域,尤其是涉及一种基于多尺度特征和空间注意力的表情识别方法及系统。方法,包括利用HNFER神经网络模型对获取的面部图像数据进行特征提取,得到原始输入特征图;基于CoordAtt注意力机制对提取的特征进行池化拼接,得到特征图;对特征图进行深度卷积处理,得到注意力图,再通过元素相乘得到最终的特征图;通过对最终的特征图进行特征变换和归一化,得到表情类别概率并输出。本发明通过集成尺度感知和空间注意力技术,模型能够更精准地识别和分类不同的情绪状态,即使在复杂的环境条件下也能保持高性能。
-
公开(公告)号:CN118506107B
公开(公告)日:2024-09-27
申请号:CN202410954465.4
申请日:2024-07-17
申请人: 烟台大学
IPC分类号: G06V10/764 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/06 , G06N3/084
摘要: 本发明涉及机器人技术领域,尤其是涉及一种基于多模态多任务学习的机器人分类检测方法及系统,包括S1.构建多模态数据集并进行数据预处理;S2.将语义信息数据集和图像数据集进行对齐;S3.构建多模态目标检测模型,将多模态数据集输入模型进行多任务学习,对多模态数据集进行特征提取,并将提取后的视觉图像特征和语义信息特征进行特征融合,利用核心语义注意力机制计算机器人的视觉图像特征的加权和,通过优化加权和完成对模型进行训练。本发明提出了一种基于多模态多任务学习的机器人分类检测方法,融合机器人的图像与语义信息,提升检测时文本与图像的特征交互性,使检测模型具备更高的准确性与鲁棒性。
-
公开(公告)号:CN118305818A
公开(公告)日:2024-07-09
申请号:CN202410733032.6
申请日:2024-06-07
申请人: 烟台大学
摘要: 本发明涉及计算机视觉技术领域,尤其是涉及一种基于双手交互姿态估计的仿生机械手控制方法及系统。所述方法,包括获取图像数据集,包括获取手部姿态和形状的数据集,并对获取的数据集进行整合;基于获取的手部姿态数据集进行手部姿态估计,包括构建并利用神经网络模型进行手部姿态的特征提取;利用轻量级神经网络模型对手部姿态数据集中手部图像进行特征分析,得到双手的姿态信息;根据特征分析结果进行轻量级神经网络模型训练;通过双手的姿态信息进行姿态对齐和映射,基于姿态对齐和映射生成仿生机械手的控制信息。本发明通过采用轻量级神经网络架构,实现了对两只手之间相对位置的准确预测,使机械手在执行任务时更加准确和可靠。
-
公开(公告)号:CN118506107A
公开(公告)日:2024-08-16
申请号:CN202410954465.4
申请日:2024-07-17
申请人: 烟台大学
IPC分类号: G06V10/764 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/06 , G06N3/084
摘要: 本发明涉及机器人技术领域,尤其是涉及一种基于多模态多任务学习的机器人分类检测方法及系统,包括S1.构建多模态数据集并进行数据预处理;S2.将语义信息数据集和图像数据集进行对齐;S3.构建多模态目标检测模型,将多模态数据集输入模型进行多任务学习,对多模态数据集进行特征提取,并将提取后的视觉图像特征和语义信息特征进行特征融合,利用核心语义注意力机制计算机器人的视觉图像特征的加权和,通过优化加权和完成对模型进行训练。本发明提出了一种基于多模态多任务学习的机器人分类检测方法,融合机器人的图像与语义信息,提升检测时文本与图像的特征交互性,使检测模型具备更高的准确性与鲁棒性。
-
公开(公告)号:CN118305818B
公开(公告)日:2024-08-13
申请号:CN202410733032.6
申请日:2024-06-07
申请人: 烟台大学
摘要: 本发明涉及计算机视觉技术领域,尤其是涉及一种基于双手交互姿态估计的仿生机械手控制方法及系统。所述方法,包括获取图像数据集,包括获取手部姿态和形状的数据集,并对获取的数据集进行整合;基于获取的手部姿态数据集进行手部姿态估计,包括构建并利用神经网络模型进行手部姿态的特征提取;利用轻量级神经网络模型对手部姿态数据集中手部图像进行特征分析,得到双手的姿态信息;根据特征分析结果进行轻量级神经网络模型训练;通过双手的姿态信息进行姿态对齐和映射,基于姿态对齐和映射生成仿生机械手的控制信息。本发明通过采用轻量级神经网络架构,实现了对两只手之间相对位置的准确预测,使机械手在执行任务时更加准确和可靠。
-
-
-
-
-
-