-
公开(公告)号：CN110956700A
公开(公告)日：2020-04-03
申请号：CN201911222767.8
申请日：2019-12-03
申请人： 西南科技大学
摘要： 本发明提供了一种基于运动恢复结构生成点云的密度调控方法，所述方法包括：将序列图像生成点云，比较生成点云与所需目标点云的密度以确定点云密度调控方向为减小点云密度或增大点云密度，序列图像包括第一图像和第二图像并利用第一图像和第二图像对目标点的位置进行约束；提取第一图像特征点，根据第一图像特征点与第一图像生成点云的空间映射关系设定单元格大小，并以设定的单元格大小对第一图像特征点区域进行网格划分；对点云密度进行调控以实现点云密度减小或增大。本发明的方法基于运动恢复结构法对两幅图像生成点云进行密度调控，能够实现减小点云密度，精简点云数据；能够增大点云密度，使细节信息得到补充，能够取得较好的调控效果。
-
公开(公告)号：CN110851673A
公开(公告)日：2020-02-28
申请号：CN201911100712.X
申请日：2019-11-12
申请人： 西南科技大学
IPC分类号： G06F16/9032 , G06F16/903
摘要： 本发明提供了一种改进的集束搜索策略，在seq2seq模型中，包括以下过程，S1、根据上一时刻t-1的最优解序列,得到序列中的每个单词对应的似然概率；S2、选取似然概率最大的i个单词分别作为解码器初始输入，对于i个初始输入，每个输出序列中单词的选取仅考虑序列最末时刻在给定输入条件下的概率，分别得到i个输出序列，根据择优标准保留i个输出序列中最优的序列作为下一时刻t的最优解序列；S3、重复步骤S1-S2得到末时刻的最优解序列，即为最终答案。本发明提供的集束搜索策略不仅保证了解的质量，在过拟合的解空间中提高了模型的鲁棒性，而且还增加了解的多样性，使得采用该策略的问答系统具有良好的鲁棒性，系统本身也具有更高的自适应性。
-
公开(公告)号：CN114973106A
公开(公告)日：2022-08-30
申请号：CN202210720942.1
申请日：2022-06-24
申请人： 西南科技大学
摘要： 本发明提供了一种C3D改进方法及机加车间人体行为识别方法。所述C3D改进方法：借鉴ACTION‑Net算法中通道激励模块CE，并对CE进行改进，得到改进后的通道激励模块ICE，利用ICE激励和感知C3D卷积网络提取特征的通道信息；将ICE嵌入C3D卷积网络，得到改进C3D后的卷积网络IC3D，将IC3D用于机加车间人体行为识别；所述机加车间人体行为识别方法：利用IC3D提取机加车间人体视频段数据的时间特征和空间特征，改变提取特征的维数，并输入到全连接层，根据全连接层的输出实现行为识别。本发明的有益效果为：在保持C3D行为识别精度条件下，降低IC3D网络训练迭代次数。
-
公开(公告)号：CN110851673B
公开(公告)日：2022-08-09
申请号：CN201911100712.X
申请日：2019-11-12
申请人： 西南科技大学
IPC分类号： G06F16/9032 , G06F16/903
摘要： 本发明提供了一种改进的集束搜索策略，在seq2seq模型中，包括以下过程，S1、根据上一时刻t‑1的最优解序列,得到序列中的每个单词对应的似然概率；S2、选取似然概率最大的i个单词分别作为解码器初始输入，对于i个初始输入，每个输出序列中单词的选取仅考虑序列最末时刻在给定输入条件下的概率，分别得到i个输出序列，根据择优标准保留i个输出序列中最优的序列作为下一时刻t的最优解序列；S3、重复步骤S1‑S2得到末时刻的最优解序列，即为最终答案。本发明提供的集束搜索策略不仅保证了解的质量，在过拟合的解空间中提高了模型的鲁棒性，而且还增加了解的多样性，使得采用该策略的问答系统具有良好的鲁棒性，系统本身也具有更高的自适应性。
-
公开(公告)号：CN115346063A
公开(公告)日：2022-11-15
申请号：CN202210641150.5
申请日：2022-06-08
申请人： 西南科技大学
IPC分类号： G06V10/764 , G06V10/80 , G06N3/04 , G06N3/08 , G06V10/82
摘要： 本发明提供了一种类注意力机制构建方法及目标检测方法。所述类注意力机制构建方法：对小特征图上采样并运算得到上采样权值，将上采样权值作用于大特征图得到过渡特征图，对过渡特征图下采样并运算得到下采样权值，将下采样权值作用于小特征图，该方法构建的类注意力机制增强了小特征图的几何信息；所述目标检测方法，将类注意力机制设计成算法模块，嵌入YOLOv3算法中，得到基于类注意力机制的YOLOv3算法，用于目标检测。本发明的有益效果可包括：改变传统注意力机制算法权值单一问题，提高了注意力效果；利用类注意力机制改进YOLOv3，在浮点运算量和网络复杂度增加不到1%的条件下，检测精度mPA高于同类算法Faster‑RCNN、SSD512，同时高于其它基于YOLOv3的改进算法，如Attention‑YOLO‑A和Attention‑YOLO‑B等。
-
公开(公告)号：CN110956700B
公开(公告)日：2022-03-22
申请号：CN201911222767.8
申请日：2019-12-03
申请人： 西南科技大学
摘要： 本发明提供了一种基于运动恢复结构生成点云的密度调控方法，所述方法包括：将序列图像生成点云，比较生成点云与所需目标点云的密度以确定点云密度调控方向为减小点云密度或增大点云密度，序列图像包括第一图像和第二图像并利用第一图像和第二图像对目标点的位置进行约束；提取第一图像特征点，根据第一图像特征点与第一图像生成点云的空间映射关系设定单元格大小，并以设定的单元格大小对第一图像特征点区域进行网格划分；对点云密度进行调控以实现点云密度减小或增大。本发明的方法基于运动恢复结构法对两幅图像生成点云进行密度调控，能够实现减小点云密度，精简点云数据；能够增大点云密度，使细节信息得到补充，能够取得较好的调控效果。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.019 秒)
