“李化乐”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10个，建议您升级VIP下载更多相关专利

[发明专利]基于分层数据关联和卷积神经网络的目标跟踪方法、系统和存储介质-CN201810175534.6有效
发明人：王轩;孟东伟;漆舒汉;蒋琳;廖清;姚霖;李晔;关键;刘泽超;吴宇琳;李化乐;贾丰玮 -专利权人：哈尔滨工业大学深圳研究生院
申请日： 2018-03-02 - 公布日： 2023-05-23 - 主分类号： G06T7/277 文献下载
摘要：本发明公开了一种基于分层数据关联和卷积神经网络的目标跟踪方法、系统和存储介质，其方法包括：获取跟踪目标的当前视频帧的检测响应以及当前视频帧之前的所有视频帧的跟踪片段；为每一条跟踪片段计算其置信度，其中，跟踪片段置信度是指当前已经完成部分连接的跟踪片段的可信赖程度；根据置信度的大小，将所有的跟踪片段分为高可靠度跟踪片段和低可靠度跟踪片段两部分，并以当前视频帧的检测响应为关联对象，为高可靠度跟踪片段进行局部数据关联处理，为低可靠度跟踪片段进行全局数据关联处理。本发明可以有效降低关联算法的时间复杂度，能够有效缓解在跟踪的过程中出现的局部遮挡问题，同时可以实现算法的鲁棒性和实时性的均衡。
基于分层数据关联卷积神经网络目标跟踪方法系统存储介质

[发明专利]一种基于博弈残局在线解算的多人非完备信息机器博弈方法、装置、系统及存储介质-CN201910676451.X有效
发明人：王轩;漆舒汉;蒋琳;李化乐;李焜炽;廖清;张加佳;贾丰玮;刘洋;夏文 -专利权人：哈尔滨工业大学（深圳）
申请日： 2019-07-25 - 公布日： 2022-11-01 - 主分类号： A63F13/67 文献下载
摘要：本发明提供了一种基于博弈残局在线解算的多人非完备信息机器博弈方法、装置、系统及存储介质，该多人非完备信息机器博弈方法包括：步骤1：首先根据卡牌抽象算法进行实时的卡牌抽象；步骤2：如果S不是智能体采取动作的博弈局面，则需要更新各个玩家的策略σ；步骤3：等待当前博弈局面需要采取动作的玩家采取某一动作后，游戏往下进行，如果S是轮到智能体采取动作的博弈局面则同样先更新玩家手牌分布，建立子博弈树后计算当前博弈局面的策略σ，然后智能体根据σ采取一个动作a后游戏继续向下进行。本发明的有益效果是：本发明相比之前的算法灵活性适用性更强，适用于现实世界的博弈场景，可以根据针对不同的现实博弈局面计算相应的策略。
一种基于博弈残局在线多人非完备信息机器方法装置系统存储介质

[发明专利]一种基于虚拟自我对局的多人非完备信息博弈策略求解方法、装置、系统及存储介质-CN201910676407.9有效
发明人：王轩;漆舒汉;蒋琳;胡书豪;毛建博;廖清;李化乐;张加佳;刘洋;夏文 -专利权人：哈尔滨工业大学（深圳）
申请日： 2019-07-25 - 公布日： 2022-11-01 - 主分类号： A63F13/67 文献下载
摘要：本发明提供了一种基于虚拟自我对局的多人非完备信息博弈策略求解方法、装置、系统及存储介质，该方法包括：针对二人博弈情况，使用多类别逻辑回归和蓄水池抽样实现了平均策略的生成，使用DQN和环形缓冲记忆实现了最优反应策略的生成；针对多人博弈情况，使用多智能体近端策略优化算法MAPPO实现最优反应策略，同时使用多智能体NFSP调节智能体的训练。本发明的有益效果是：本发明引入了虚拟自我对局的算法框架，将德州扑克策略优化过程分为最优反应策略学习和平均策略学习两个部分，并分别用模仿学习和深度强化学习来实现，设计出了更为通用的多智能体最优策略学习方法。
一种基于虚拟自我对局多人非完备信息博弈策略求解方法装置系统存储介质

[发明专利]一种基于自监督的跨模态深度哈希检索方法-CN201910599265.0有效
发明人：王轩;漆舒汉;李逸凡;蒋琳;廖清;刘洋;夏文;李化乐;吴宇琳;贾丰玮 -专利权人：哈尔滨工业大学（深圳）
申请日： 2019-07-04 - 公布日： 2021-07-27 - 主分类号： G06F16/51 文献下载
摘要：本发明专利涉及一种基于自监督的跨模态联合哈希检索方法，该方法包括以下步骤：步骤1：针对图像模态数据进行处理：采用深度卷积神经网络对图像模态的数据进行特征提取，对图片数据进行哈希学习，将深度卷积神经网络的最后一层全连接层的节点个数设置为哈希码的长度；步骤2：针对文本模态数据进行处理：使用词袋模型对文本数据进行建模，建立一个两层的全连接神经网络对文本模态的数据进行特征提取，神经网络的输入是使用词袋模型表示的词向量，第一个全连接层节点的数据与第二个全连接层节点的数据与哈希码的长度相同；步骤3：针对类别标签处理的神经网络：采用自监督的训练方式从标签数据中提取语义特征；步骤4：最小化图像与文本网络所提取的特征与标签网络的语义特征间的距离，使得图像与文本网络的哈希模型能够更充分学习不同模态间的语义特征。
一种基于监督跨模态深度检索方法

[发明专利]一种基于深度强化学习的非完备信息博弈方法、装置、系统及存储介质-CN201910676439.9有效
发明人：王轩;漆舒汉;蒋琳;曹睿;李明豪;廖清;李化乐;张加佳;刘洋;夏文 -专利权人：哈尔滨工业大学（深圳）
申请日： 2019-07-25 - 公布日： 2021-07-27 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于深度强化学习的非完备信息博弈方法、装置、系统及存储介质，该方法包括：探索利用机制改进策略梯度算法的步骤、深度强化学习网络中加入记忆单元的步骤、自我驱动机制对奖励值进行优化的步骤。本发明的有益效果是：本发明通过基线函数解决策略梯度算法经常出现的高方差问题，对于强化学习采样和优化过程时间复杂度高的问题，采取并行机制提高模型求解效率，通过自驱动机制，在弥补环境奖励值稀疏的同时，帮助智能体更有效地对环境进行探索。
一种基于深度强化学习完备信息博弈方法装置系统存储介质

[发明专利]一种博弈策略优化方法、系统及存储介质-CN202010399728.1有效
发明人：王轩;漆舒汉;张加佳;胡书豪;黄旭忠;刘洋;蒋琳;廖清;夏文;李化乐 -专利权人：哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）
申请日： 2020-05-13 - 公布日： 2021-01-01 - 主分类号： G06N5/04 文献下载
摘要：本发明提供了一种博弈策略优化方法、系统及存储介质，该博弈策略优化方法包括建立基于最大熵的策略递度算法步骤和多智能体最优反应策略求解步骤。本发明的有益效果是：本发明采用中心化训练和分散式执行的方式，提高动作估值网络的准确性，同时引入了全局基线奖励来更准确地衡量智能体的动作收益，以此来解决人博弈中的信用分配问题。同时引入了最大熵方法来进行策略评估，平衡了策略优化过程中的探索与利用。
一种博弈策略优化方法系统存储介质

[发明专利]基于内在奖励的视频游戏决策方法-CN202010370070.1有效
发明人：王轩;漆舒汉;张加佳;曹睿;何志坤;刘洋;蒋琳;廖清;夏文;李化乐 -专利权人：哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）
申请日： 2020-05-06 - 公布日： 2020-11-06 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种基于内在奖励的视频游戏决策方法，包括以下步骤：S1、获取视频游戏模拟环境；S2、构建神经网络模型；S3、设计内在奖励模型；S4、将内在奖励模型与构建的神经网络模型结构结合；S5、通过模拟环境获取游戏的记录；S6、通过获取的游戏记录，更新神经网络模型；S7、循环训练神经网络模型直至收敛。本发明的有益效果是：较好的解决了三维场景中较为常见的缺乏环境反馈奖励值的问题。
基于内在奖励视频游戏决策方法

[发明专利]基于深度信息的相关滤波跟踪方法及装置-CN201711124878.6有效
发明人：王轩;刘新卉;漆舒汉;蒋琳;廖清;姚霖;李晔;关键;刘泽超;吴宇琳;李化乐;贾丰玮 -专利权人：哈尔滨工业大学深圳研究生院
申请日： 2017-11-14 - 公布日： 2020-10-20 - 主分类号： G06T7/215 文献下载
摘要：本发明公开了一种基于深度信息的相关滤波跟踪方法及装置，其方法包括：基于深度图的图像分割技术，自适应性量化深度信息，得到深度图像分割结果；利用深度图像分割结果，根据不同场景构建相应的三维空间模型的分层结构；利用分层结构，并结合核相关滤波跟踪算法处理目标尺度变化及检测遮挡。本发明一方面过滤前景和背景信息减少跟踪的干扰因素，结合成熟的图像特征提取技术；另一方面这样的分层结构简化了深度信息的使用方法，使得处理目标尺度变化以及检测遮挡更为容易。结合核相关滤波跟踪算法实现了使用二维表观模型在空间结构下的跟踪方法，能够有效应对遮挡和处理目标尺度变化，提高视觉跟踪效果。
基于深度信息相关滤波跟踪方法装置

[发明专利]基于辅助任务学习的视频游戏决策方法-CN202010369831.1有效
发明人：王轩;张加佳;漆舒汉;曹睿;杜明欣;刘洋;蒋琳;廖清;夏文;李化乐 -专利权人：哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）
申请日： 2020-05-06 - 公布日： 2020-08-07 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种基于辅助任务学习的视频游戏决策方法，包括以下步骤：S1、构建神经网格模型；S2、启动多进程视频游戏环境；S3、判断是否运行了指定轮次，如果否，则进入步骤S4，如果是，则进入步骤S6；S4、获取游戏经验，更新经验池；S5、将经验输入到神经网格模型，更新神经网格模型参数，返回步骤S3；S6、保存神经网格模型；S7、在视频游戏里利用神经网格模型决策；S8、结束。本发明的有益效果是：可以更准确地估计三维场景中的状态价值以及引起状态改变的智能体动作。
基于辅助任务学习视频游戏决策方法

[发明专利]一种基于人体姿态分析的表观视线估计方法-CN201910599803.6在审
发明人：王轩;漆舒汉;尹李明;蒋琳;廖清;刘洋;夏文;李化乐;易正中;李逸凡 -专利权人：哈尔滨工业大学(深圳)
申请日： 2019-07-04 - 公布日： 2020-02-14 - 主分类号： G06K9/00 文献下载
摘要：本发明专利涉及一种结合人体姿态信息估计视线方法，设计了一个包含显著目标检测分支、头部姿态估计分支和人体姿态估计分支的深度卷积神经网络估计视线方向。三个分支的特征图最后通过点乘给出注视点位置的预测，注视点位置与头部中心位置的连线作为视线方向。通过该结合人体姿态的视线估算方法能够提高视线估计算法的准确度和鲁棒性。
人体姿态视线方向注视点视线卷积神经网络人体姿态信息头部中心位置准确度目标检测视线估计头部姿态鲁棒性特征图通过点连线算法估算预测

1
共 10 条