“尤鸣宇”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果51个，建议您升级VIP下载更多相关专利

[发明专利]一种基于单张RGB图像的6dof物体位姿估计方法-CN202310976771.3在审
发明人： 尤鸣宇;薛金喆;周洪钧;何斌 -专利权人：同济大学
申请日： 2023-08-04 - 公布日： 2023-10-27 - 主分类号： G06T7/73 文献下载
摘要：本发明提供一种基于单张RGB图像的6dof物体位姿估计方法，属于计算机视觉和计算机图形学技术领域，包括对RGB图像的特征提取、三维点云重建和位姿估计三个步骤。特征提取通过搭建特征提取网络架构实现。三维点云重建是先根据物体具有的各种低层次(几何学、反射率)和高层次(连接性、对称性)的特性，得到物体的中间信息，再进一步生成物体的3D点云模型。位姿估计是使用一个异构网络分别处理RGB数据和点云数据，通过融合网络整合两种数据的特征，从而预测物体的位姿信息。本发明所提出的6dof物体位姿检测方法重点针对数据量小、RGBD数据格式不易获取、无物体3D模型等问题，能够保证目标物体位姿检测的准确性和可泛化性，可以有效应用于现实场景。
一种基于单张 rgb 图像 dof 物体估计方法

[发明专利]一种基于分布式优化的多FPGA协同训练神经网络方法-CN202310598533.3在审
发明人： 尤鸣宇;任柏宇;周洪钧;何斌 -专利权人：同济大学
申请日： 2023-05-25 - 公布日： 2023-10-03 - 主分类号： G06N3/0464 文献下载
摘要：本发明提出一种基于分布式优化的多FPGA协同训练神经网络方法，以上位机作为核心控制模块，利用以太网与FPGA通信，分配训练数据，最后回收训练参数；通过在单台FPGA上搭建卷积神经网络的训练单元，其包括神经网络基础单元的计算模块、控制运算的指令模块、以RAM作为缓存区的DDR‑RAM存储模块和以交叉熵函数为损失函数，建立目标协同优化全局目标函数，通过BP算法用梯度下降法更新训练参数的神经网络训练模块；在不同FPGA之间通过UART串口建立通信连接，传输必要的训练开始和结束的握手信号。通过对多台FPGA进行协同控制，并基于分布式优化算法进行卷积神经网络的训练，充分发挥了FPGA底层并行计算和低功耗的优势，并且兼容性较好，有利于推动CNN加速器技术的应用与进步。
一种基于分布式优化 fpga 协同训练神经网络方法

[发明专利]用于道路持续监测并处理突发事件的双任务巡检方法-CN202310763095.1在审
发明人：张军旗;吴韵哲;王成;臧笛;尤鸣宇;张志明;刘春梅 -专利权人：同济大学
申请日： 2023-06-26 - 公布日： 2023-10-03 - 主分类号： G05D1/02 文献下载
摘要：本发明提出了一种用于道路持续监测并处理突发事件的双任务巡检方法。该方法解决了群体机器人在道路网络中无法同时监测环境并处理突发事件的问题，可应用于森林火灾、警务巡逻、环境治理等巡检场景。为了确保应用场景中的突发事件能够被优先处理，本发明创新性地构建了双任务优先级模型，群体机器人能够自适应地根据监测到的突发事件调整收益，快速响应处理突发事件。
用于道路持续监测处理突发事件任务巡检方法

[发明专利]一种第三方数控机床接入服务平台的方法及装置-CN202111187395.7有效
发明人：徐炫辉;尤鸣宇 -专利权人：同济大学
申请日： 2021-10-12 - 公布日： 2023-09-26 - 主分类号： G05B13/02 文献下载
摘要：本发明公开了一种第三方数控机床接入服务平台的方法及装置，其方法包括获取历史数据，并基于历史数据确定算法的输入、输出以及奖励函数；将算法的输入、输出以及奖励函数带入信赖域策略优化算法中进行强化学习，更新信赖域策略优化算法的策略参数；采用自我行为克隆加速强化学习的收敛，获取更新后的策略参数，基于更新后的策略参数更新信赖域策略优化算法；获取数控机床运行的当前数据，并基于当前数据确定算法的当前输入，将算法的当前输入带入更新后的信赖域策略优化算法得到算法的当前输出；根据算法的当前输出获取当前时间段运行的数据，并上传至服务平台；本发明能够有效解决第三方数控机床与服务平台数据通讯成本高的技术问题。
一种第三数控机床接入服务平台方法装置

[发明专利]一种基于像素和通道注意力的检测空中小型无人机的方法-CN202310964192.7在审
发明人： 尤鸣宇;熊攀;周洪钧 -专利权人：同济大学
申请日： 2023-08-02 - 公布日： 2023-09-19 - 主分类号： G06V20/10 文献下载
摘要：本发明提供一种基于像素和通道注意力的检测空中小型无人机的方法，属于图像检测领域，用于监控空中小型无人机。该方法包含如下步骤：待检测的高分辨率无人机图像分割为9块带有重叠的图像块，将分割后的图像输入到调整后的ResNet特征提取网络模块中，得到图像的抽象后的特征。之后特征经过特征金字塔池化操作得到不同大小的图像特征，图像特征输入到注意力机制模块网络中，使用标注的Ground Truth和最终网络输出来计算训练损失，之后依次更新网络权重，完成网络训练。小型无人机具有尺寸小、形状多变和易被遮挡等特点，而本发明提出的方法不同于常规的图像检测方法，其能够有效地从复杂的背景中检测到目标无人机。
一种基于像素通道注意力检测空中小型无人机方法

[发明专利]一种基于模仿学习的服务机器人指定物体抓取算法-CN202310924734.8在审
发明人： 尤鸣宇;徐炫辉 -专利权人：同济大学
申请日： 2023-07-26 - 公布日： 2023-09-15 - 主分类号： B25J13/00 文献下载
摘要：本发明公开了一种基于模仿学习的服务机器人指定物体抓取算法，包括：通过一个动作识别网络来判断机器人所做的动作是否是专家示范的抓取动作；一个物体识别网络，用来分辨机器人抓取的物体是否是指定目标物体。此方法的输入为RGB图像与抓取目标，无需再将机械臂关节角，待抓取物体的位置等信息从图像中提取出来，输出为机械臂控制动作。此方法首先从专家提供的序列抓取图像中学习一个抓取动作识别网络，该网络可以辨别机器人当前的序列动作是否是在抓取物体。此外还有一个物体识别网络，用来分辨机器人抓取的物体是否是指定目标物体。根据本发明，服务机器人可以更加快速和鲁棒地学会在复杂非结构化场景中抓取指定物体。
一种基于模仿学习服务机器人指定物体抓取算法

[发明专利]一种基于机器人间无需通讯的粒子群搜索方法-CN202310404983.4在审
发明人：张军旗;黄旭瑞;王成;尤鸣宇;臧笛;刘春梅 -专利权人：同济大学
申请日： 2023-04-14 - 公布日： 2023-08-18 - 主分类号： G06N3/006 文献下载
摘要：本发明提出一种基于机器人间无需通讯的粒子群搜索方法，在二维或三维最优化搜索任务中，在搜索空间内分散布置有多个不具备相互通讯能力的机器人，将群体机器人视为粒子群，将各个机器人视为粒子，并将对应粒子群算法中SW粒子替换为SW机器人，SW粒子集替换为SW机器人集，进行环境建模，将机器人检测到的场源信号值作为粒子群算法的适应值指标。本发明通过对传统粒子群算法进行改进，利用了粒子的单向主动探测能力，粒子群不需要相互通讯分享适应值和位置信息，使得粒子群算法首次在无需通讯的情况下具备在最优化问题空间内的迭代搜索能力，并且将其应用到群体机器人搜索任务中，具备非常出色的搜索性能。
一种基于机器人间无需通讯粒子搜索方法

[发明专利]一种半监督小样本偏光片瑕疵检测方法、装置及存储介质-CN202310337976.7在审
发明人： 尤鸣宇;温佳豪 -专利权人：同济大学
申请日： 2023-03-31 - 公布日： 2023-06-27 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种半监督小样本偏光片瑕疵检测方法、装置及存储介质，方法步骤包括：获取偏光片数据集，所述数据集包括有标签数据与无标签数据；初始化偏光片瑕疵检测网络，使用有标签数据作为初始训练集，训练瑕疵检测网络直至收敛；将无标签数据输入收敛的瑕疵检测网络，根据分类分支输出与置信度阈值扩充训练集；重新初始化偏光片瑕疵检测网络，使用扩充后的训练集训练瑕疵检测网络直至收敛；根据设定的迭代次数重复上两步，得到最终的偏光片瑕疵检测网络；将待检测图像输入瑕疵检测网络，根据分类分支的结果判断是否存在瑕疵。与现有技术相比，本发明能够更有效地提取图像特征，检测网络具有更好的泛化能力，提高了偏光片分类的准确率。
一种监督样本偏光瑕疵检测方法装置存储介质

[发明专利]一种基于蒙特卡洛树探索的多智能体决策方法-CN202310090294.0在审
发明人： 尤鸣宇;付豪;周洪钧;何斌 -专利权人：同济大学
申请日： 2023-02-09 - 公布日： 2023-06-23 - 主分类号： G06N7/01 文献下载
摘要：本发明提供一种基于蒙特卡洛树探索的多智能体决策方法，属于任务规划技术领域，包括1：基于分布式部分观测马尔可夫决策过程对多智能体决策任务进行建模；2：基于模型初始化蒙特卡洛树；3：在预设的时间内采用上限置信区间算法进行树内探索，采用随机策略对树外进行探索，拓展蒙特卡洛树节点，并根据产生的奖励更新蒙特卡洛树节点价值；4：根据已经构建的蒙特卡洛树进行多智能体决策，并对蒙特卡洛树进行剪枝，更新根节点的信念值，重复S3‑S4，直至任务完成。本发明中，采用在线探索方法，可以在有限的时间内取得Dec‑POMDP模型的近似解；对不同的智能体分别建立独立的蒙特卡洛树，降低了探索空间，加大了探索深度，提供了更好的求解质量。
一种基于蒙特卡洛树探索智能决策方法

[发明专利]一种基于深度神经网络多源域迁移学习的室内火灾检测方法-CN202310110984.8在审
发明人： 尤鸣宇;熊攀 -专利权人：同济大学
申请日： 2023-02-14 - 公布日： 2023-06-13 - 主分类号： G06F18/24 文献下载
摘要：本发明提供一种基于深度神经网络多源域迁移学习的室内火灾检测方法，属于火灾监测技术领域，用于监控室内火灾的发生。该方法包括如下步骤：1、收集不同来源的火灾数据集样本作为神经网络的训练集；2、采用一种特别的神经网络结构，使该神经网络能够根据不同的样本输入生成不同的权重参数；3、将训练集作为输入来训练神经网络；4、将火灾数据集测试样本输入至神经网络中，神经网络输出分类结果。本发明提出的方法能够有效地利用不同来源的数据集来训练神经网络，避免了样本数量较少而无法进行训练神经网络的尴尬局面，具有一定的实用性。
一种基于深度神经网络多源域迁移学习室内火灾检测方法

[发明专利]用于流体仿真的具有多模态信息机器人实验平台-CN202211725955.4在审
发明人：周洪钧;苏志成;尤鸣宇 -专利权人：无锡动视宫原科技有限公司
申请日： 2022-12-30 - 公布日： 2023-06-02 - 主分类号： B25J11/00 文献下载
摘要：本发明公开了一种用于流体仿真的具有多模态信息机器人实验平台，包括：场景搭建模块，用于根据输入或预先设置的场景素材搭建仿真场景；模型处理模块，用于在仿真场景中导入实验机器人模型并控制实验机器人模型进行实验；流体仿真模块，用于对实验机器人模型进行流体仿真，使实验机器人的粒子物理特性符合真实样本的条件；声音生成模块，用于对实验机器人进行仿真声音生成，使实验机器人的梅尔频谱特征符合真实样本的条件；网络通信模块，用于供平台使用者与仿真场景进行交互，以通过发送控制指令控制仿真场景的实验环境和实验机器人的仿真实验。本发明的技术方案能够免去了搭建真实机器人实验场景的繁琐工作，具有可扩展性强、真实度高等特点。
用于流体仿真具有多模态信息机器人实验平台

[发明专利]一种使用残差注意力机制网络的同步定位与建图方法-CN201911190243.5有效
发明人：张佳伟;尤鸣宇 -专利权人：同济大学
申请日： 2019-11-28 - 公布日： 2023-05-02 - 主分类号： G06T7/246 文献下载
摘要：本发明涉及一种使用残差注意力机制网络的同步定位与建图方法，包括以下步骤：步骤1：对神经网络进行训练；步骤2：将一组图片输入神经网络，获得每张图片对应的RGB图和特征权重图；步骤3：对RGB图进行改进FAST角点检测；步骤4：选择最终的特征点；步骤5：匹配特征点，对极约束求解相机初始化运动；步骤6：求解局部的相机运动；步骤7：进行图像之间的回环检测，得到相机的精准轨迹；步骤8：进行稠密重建，获得环境地图。与现有技术相比，本发明具有特征点更容易被人理解、重要区域可通过颜色和亮度突出显示等优点。
一种使用注意力机制网络同步定位方法

[发明专利]一种基于动态模型强化学习的倒水服务机器人控制方法-CN202110217090.X有效
发明人： 尤鸣宇;苏志成;周洪钧 -专利权人：同济大学
申请日： 2021-02-26 - 公布日： 2022-10-25 - 主分类号： G05B13/04 文献下载
摘要：本发明涉及一种基于动态模型强化学习的倒水服务机器人控制方法，包括：步骤1：基于深度相机获取三维空间的视觉信息；步骤2：利用深度神经网络完成对机器人、源容器和目标容器的识别，同时获得源容器、目标容器之间的相对位置信息、液体类型以及液位高度信息，完成状态信息的获取；步骤3：根据步骤2获取的信息建立动态模型模拟当前环境，并利用动态模型对策略网络进行训练；步骤4：待策略网络收敛后，将机器人的位姿信息和状态信息输入至策略网络，输出机器人动作策略；步骤5：使用步骤4预测出的机器人动作策略驱动机器人完成倒水动作。与现有技术相比，本发明具有对环境的泛化适应能力强、部署复杂度低等优点。
一种基于动态模型强化学习倒水服务机器人控制方法

[发明专利]基于双特长教师模型知识融合的图像分类方法及存储介质-CN202110218021.0有效
发明人： 尤鸣宇;王伟昊;周洪钧 -专利权人：同济大学
申请日： 2021-02-26 - 公布日： 2022-10-25 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于双特长教师模型知识融合的图像分类方法及存储介质，其中图像分类方法包括：步骤1：通过调整训练数据分布分别对两个特长教师模型进行训练，获得双特长教师模型；步骤2：对于双教师模型的不同层特征采用基于注意力转移的逐层融合方式进行融合，训练时分别对教师模型和学生模型计算注意力特征图，通过注意力特征损失函数对学生模型的特征层进行约束；步骤3：采用选择性知识传递机制对教师模型特征进行选择性传递；步骤4：对双教师模型进行融合训练，获取目标模型；步骤5：使用步骤4获取的目标模型进行图像分类。与现有技术相比，本发明具有目标模型获取速度快、学生模型性能好等优点。
基于特长教师模型知识融合图像分类方法存储介质

[发明专利]一种基于无监督图像编辑的多目标强化学习方法-CN202210469373.8在审
发明人：钱智丰;尤鸣宇 -专利权人：同济大学
申请日： 2022-04-28 - 公布日： 2022-09-20 - 主分类号： B25J9/16 文献下载
摘要：本发明涉及一种基于无监督图像编辑的多目标强化学习方法，包括：获取关于机器人控制场景的多目标任务数据集；训练对抗生成网络和特征空间编码器，将图像中与任务高度相关与不相关的因素进行解耦；对每个子空间对应全连接层的权重进行奇异值分解，获得贡献最大的若干个特征向量作为有语义信息的可编辑方向，并训练可编辑方向编码器来识别出可编辑方向的类别和尺度；基于可编辑方向编码器的输出得到图像的可编辑表征空间，作为控制策略网络的输入以及奖励函数的计算，同时通过在可编辑表征空间中可控地采样出各种目标任务来训练机器人，最终得到可完成多个目标的控制策略。与现有技术相比，本发明具有能够无监督解耦开任务相关因素、提升样本效率和泛化性能等优点。
一种基于监督图像编辑多目标强化学习方法

1
2
3
4
下一页»
尾页
共 51 条