-
公开(公告)号：CN113192108B
公开(公告)日：2024-04-02
申请号：CN202110546714.2
申请日：2021-05-19
申请人： 西安交通大学 , 中国电力科学研究院有限公司 , 国网浙江省电力有限公司
IPC分类号： G06T7/246
摘要： 本发明公开了一种针对视觉跟踪模型的人在回路训练方法及相关装置，该训练方法包括：利用视频序列构建初始未标注的训练样本，从该样本随机选择少量样本进行人在回路标注并构成训练集；使用已经标注的少量样本训练跟踪网络，得到一个经过初步训练的模型；将剩余的未标注样本送入初步模型，根据网络输出的响应图生成伪标签；根据伪标签和原始响应图，生成伪损失；将未标注的样本，依据生成的伪损失进行排序，选择损失较大的若干样本，经过人在回路人工标注后，加入训练集，然后使用更新后的训练集重新训练跟踪模型。本发明能够解决现有基于深度模型的视觉目标跟踪算法训练数据量大、数据中冗余信息较多以及由此造成的数据标注费时费力的问题。
-
公开(公告)号：CN113192108A
公开(公告)日：2021-07-30
申请号：CN202110546714.2
申请日：2021-05-19
申请人： 西安交通大学 , 中国电力科学研究院有限公司 , 国网浙江省电力有限公司
IPC分类号： G06T7/246
摘要： 本发明公开了一种针对视觉跟踪模型的人在回路训练方法及相关装置，该训练方法包括：利用视频序列构建初始未标注的训练样本，从该样本随机选择少量样本进行人在回路标注并构成训练集；使用已经标注的少量样本训练跟踪网络，得到一个经过初步训练的模型；将剩余的未标注样本送入初步模型，根据网络输出的响应图生成伪标签；根据伪标签和原始响应图，生成伪损失；将未标注的样本，依据生成的伪损失进行排序，选择损失较大的若干样本，经过人在回路人工标注后，加入训练集，然后使用更新后的训练集重新训练跟踪模型。本发明能够解决现有基于深度模型的视觉目标跟踪算法训练数据量大、数据中冗余信息较多以及由此造成的数据标注费时费力的问题。
-
公开(公告)号：CN114120010A
公开(公告)日：2022-03-01
申请号：CN202111389808.X
申请日：2021-11-22
申请人： 西安交通大学
IPC分类号： G06V10/74 , G06V10/764 , G06V10/774 , G06K9/62
摘要： 本发明公开一种多视角多层次工业机器人迁移故障诊断方法，方法包括以下过程：提取工业机器人目标域数据构成的查询集以及源域数据的小样本构成的支持集的特征图，所述特征图包括专有特征和跨数据域共有特征；将支持集的特征图和目标数据域查询集的特征图进行拼接，得到多视角特征；利用所多视角特征计算支持集样本和目标数据域查询集样本的匹配相似度，根据匹配分数对目标数据域的样本进行分类，实现对工业机器人零部件的故障诊断。本发明可区别对待源数据域特征，区分数据域专有特征和跨数据域共有特征，自适应迁移可迁移性好的源数据域特征，抑制不适合迁移的特征，提升网络模型在目标域的分类性能。
-
公开(公告)号：CN114120010B
公开(公告)日：2023-11-03
申请号：CN202111389808.X
申请日：2021-11-22
申请人： 西安交通大学
IPC分类号： G06V10/74 , G06V10/764 , G06V10/774
摘要： 本发明公开一种多视角多层次工业机器人迁移故障诊断方法，方法包括以下过程：提取工业机器人目标域数据构成的查询集以及源域数据的小样本构成的支持集的特征图，所述特征图包括专有特征和跨数据域共有特征；将支持集的特征图和目标数据域查询集的特征图进行拼接，得到多视角特征；利用所多视角特征计算支持集样本和目标数据域查询集样本的匹配相似度，根据匹配分数对目标数据域的样本进行分类，实现对工业机器人零部件的故障诊断。本发明可区别对待源数据域特征，区分数据域专有特征和跨数据域共有特征，自适应迁移可迁移性好的源数据域特征，抑制不适合迁移的特征，提升网络模型在目标域的分类性能。
-
-
-
搜索结果
4 条记录 (耗时 0.045 秒)
