检索结果-内蒙古大学图书馆

控制工程 2021年第10期28卷 1967-1976页

作者：于建均王洋左国玉阮晓钢李晨北京工业大学信息学部北京100024 北京工业大学计算智能与智能系统北京市重点实验室北京100024

针对单目直接法依靠图像梯度进行优化容易陷入局部最优、且难以构建低纹理区域地图的问题,构建高精度IMU预积分模型,将惯性信息融合到图像跟踪过程中,为视觉跟踪提供精确的帧间运动约束及良好的初始化梯度方向信息,构建视觉惯性跟踪模型... 详细信息

针对单目直接法依靠图像梯度进行优化容易陷入局部最优、且难以构建低纹理区域地图的问题,构建高精度IMU预积分模型,将惯性信息融合到图像跟踪过程中,为视觉跟踪提供精确的帧间运动约束及良好的初始化梯度方向信息,构建视觉惯性跟踪模型,提高了单目视觉的定位精度并实现半稠密地图构建;通过超像素图像分割提取出二维图像不同的轮廓位置,提出双重投影匹配算法确定出可靠的超像素与对应的3D空间点,通过RANSAC对低梯度图像区域进行平面拟合以及异常点剔除,完成低纹理区域的地图扩建,实现稠密点云地图的构建。实验结果表明,与传统视觉定位模型相比,直接法与惯性信息融合提高了系统的定位精度,在无GPU加速的情况下能构建精确的稠密三维点云地图。

关键词：单目视觉 IMU预积分直接法稠密点云地图

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的机器人最优抓取姿态检测方法

引用

仪器仪表学报 2020年第5期41卷 108-117页

作者：李秀智李家豪张祥银彭小彬北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

服务型机器人在抓取任务中面临的是非结构化的场景。由于物体放置方式的不固定以及其形状的不规则,难以准确计算出机器人的抓取姿态。针对此问题,提出一种双网络架构的机器人最优抓取姿态检测算法。首先,改进了YOLO V3目标检测模型,提... 详细信息

服务型机器人在抓取任务中面临的是非结构化的场景。由于物体放置方式的不固定以及其形状的不规则,难以准确计算出机器人的抓取姿态。针对此问题,提出一种双网络架构的机器人最优抓取姿态检测算法。首先,改进了YOLO V3目标检测模型,提升了模型的检测速度与小目标物体的识别性能;其次,利用卷积神经网络设计了多目标抓取检测网络,生成图像中目标物体的抓取区域。为了计算机器人的最优抓取姿态,建立了IOU区域评估算法,筛选出目标物体的最优抓取区域。实验结果表明,改进后的YOLO V3目标检测精度达到91%,多目标抓取检测精度达到86%,机器人最优抓取姿态检测精度达到90%以上。综上所述,所提方法能够高效、精确地计算出目标物体的最优抓取区域,满足抓取任务的要求。

关键词：深度学习目标检测抓取检测机器人最优抓取

来源：评论

学校读者我要写书评

暂无评论

基于子目标搜索的机器人目标导向RRT路径规划算法

引用

控制与决策 2020年第10期35卷 2543-2548页

作者：阮晓钢周静张晶晶朱晓庆北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

为解决移动机器人未知环境下的路径规划问题,提出基于子目标搜索的机器人目标导向RRT (rapidly-exploring random trees)路径规划算法.一方面,针对传统RRT算法固有的盲目搜索问题,引入目标导向函数,形成目标导向RRT路径规划算法,这一改... 详细信息

为解决移动机器人未知环境下的路径规划问题,提出基于子目标搜索的机器人目标导向RRT (rapidly-exploring random trees)路径规划算法.一方面,针对传统RRT算法固有的盲目搜索问题,引入目标导向函数,形成目标导向RRT路径规划算法,这一改进可减少冗余搜索,提高路径规划效率;另一方面,为了使机器人在首次探索未知环境时也能顺利抵达目标点,提出3种不同情况下的子目标搜索策略,包括无障碍环境下的直达策略、扫到边界点时的最短距离策略和扫不到边界点时的后退策略,这3种策略使机器人能够完成对未知环境的探索,而且可以克服易出现的局部极小点问题,使机器人具有逃离局部极小环境的能力.仿真实验结果验证了所提出算法的可行性和有效性.

关键词：移动机器人目标导向RRT 子目标搜索未知环境导航局部极小路径规划算法

来源：评论

学校读者我要写书评

暂无评论

基于虚拟样本优化选择的城市固废焚烧过程二噁英排放浓度预测

引用

北京工业大学学报 2021年第5期47卷 431-443页

作者：汤健王丹丹郭子豪乔俊飞北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 北京轨道交通技术装备集团北京100070

城市固废焚烧(municipal solid waste incineration, MSWI)过程排放被称为"世纪之毒"的二噁英(dioxins, DXN)类化合物.工业现场多采用长周期、高成本的离线方式检测DXN排放浓度,这导致用于构建其预测模型的样本数量极为稀缺.... 详细信息

城市固废焚烧(municipal solid waste incineration, MSWI)过程排放被称为"世纪之毒"的二噁英(dioxins, DXN)类化合物.工业现场多采用长周期、高成本的离线方式检测DXN排放浓度,这导致用于构建其预测模型的样本数量极为稀缺.针对上述问题,提出基于虚拟样本优化选择的MSWI过程DXN排放浓度预测建模策略和相应建模方法.首先,在对原始小样本数据进行离群点剔除、输入输出匹配等预处理的基础上,结合过程特性和机理知识进行特征选择以获得约简小样本.其次,基于领域专家知识和整体趋势扩散技术对约简小样本的输入/输出域进行扩展.然后,基于机理知识和插值算法生成虚拟样本输入,再基于约简小样本构建的映射模型获得虚拟样本输出,并结合扩展的输入/输出域对其进行删减以获得候选虚拟样本.接着,基于粒子群优化(particle swarm optimization, PSO)算法对候选虚拟样本进行优选.最后,采用优选虚拟样本与约简训练样本组成的混合样本构建预测模型.结合某焚烧厂的DXN数据验证了所提方法的有效性.

关键词：城市固废焚烧(MSWI) 二噁英(DXN) 小样本虚拟样本生成虚拟样本选择粒子群优化(PSO)

来源：评论

学校读者我要写书评

暂无评论

基于简化型LSTM神经网络的时间序列预测方法

引用

北京工业大学学报 2021年第5期47卷 480-488页

作者：李文静王潇潇北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 智慧环保北京实验室北京100124 北京人工智能研究院北京100124

针对标准长短期记忆(long short-term memory,LSTM)神经网络用于时间序列预测具有耗时长、复杂度高等问题,提出简化型LSTM神经网络并应用于时间序列预测.首先,通过耦合输入门与遗忘门实现对标准LSTM神经网络的结构简化;其次,从门结构控... 详细信息

针对标准长短期记忆(long short-term memory,LSTM)神经网络用于时间序列预测具有耗时长、复杂度高等问题,提出简化型LSTM神经网络并应用于时间序列预测.首先,通过耦合输入门与遗忘门实现对标准LSTM神经网络的结构简化;其次,从门结构控制方程中消除输入信号与偏差实现进一步精简;然后,采用梯度下降算法更新简化型LSTM神经网络的参数;最后,通过2个时间序列基准数据集及污水处理过程出水生化需氧量(biochemical oxygen demand,BOD)质量浓度预测进行实验验证.结果表明:在不显著降低预测精度的情况下,所设计的模型能够缩短训练时间,减少LSTM神经网络的计算复杂度,实现时间序列的预测.

关键词：时间序列预测长短期记忆(long short-term memory,LSTM)神经网络门耦合参数精简梯度下降算法污水处理过程

来源：评论

学校读者我要写书评

暂无评论

基于R(2+1)D三元孪生网络的短视频指纹提取

引用

测控技术 2022年第4期41卷 11-18,27页

作者：王逸舟张菁张淑莹卓力北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

随着自媒体时代的兴起,网民自制的短视频数据在网络上广泛传播,视频版权保护已成为重中之重。视频指纹技术将数字视频内容映射为唯一的身份描述符,用于视频数据的智能化审核。如何充分挖掘短视频的时空信息和视频间的关联性形成有效的... 详细信息

随着自媒体时代的兴起,网民自制的短视频数据在网络上广泛传播,视频版权保护已成为重中之重。视频指纹技术将数字视频内容映射为唯一的身份描述符,用于视频数据的智能化审核。如何充分挖掘短视频的时空信息和视频间的关联性形成有效的视觉特征表达,是决定短视频指纹质量的关键因素。因此,基于R(2+1)D三元孪生网络模型,提出一种短视频指纹提取方法。首先,使用R(2+1)D卷积神经网络模型提取短视频的时空特征;然后构建权重参数共享的三元组网络学习成组视频的关联性,映射为紧凑的哈希特征表示;最后通过哈希层编码为视频指纹。在CC_Web_Video和VCDB数据集进行了实验,结果表明该方法可以在保证短视频指纹紧凑性的前提下,取得优于其他算法的性能指标。

关键词：短视频指纹提取 R(2+1)D 孪生网络三元组损失时空特征

来源：评论

学校读者我要写书评

暂无评论

基于ResNet50和通道注意力机制的行人多属性协同识别方法

引用

测控技术 2022年第8期41卷 1-8,15页

作者：卓力袁帅李嘉锋北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

针对目前行人多属性识别算法识别精度不高的问题,利用行人属性之间的内在关联关系,基于“特征提取+回归”的思想,提出了一种基于深度卷积神经网络的行人多属性协同识别方法。该方法首先对多个行人属性标签进行组合编码,得到一个标签组... 详细信息

针对目前行人多属性识别算法识别精度不高的问题,利用行人属性之间的内在关联关系,基于“特征提取+回归”的思想,提出了一种基于深度卷积神经网络的行人多属性协同识别方法。该方法首先对多个行人属性标签进行组合编码,得到一个标签组合向量;然后采用基于通道注意力机制的ResNet50作为主干网络提取行人图像的深度特征;最后,设计了一个包含3个全连接层的神经网络结构来建立标签组合向量与行人深度特征之间的映射模型,在一个统一的网络框架下就可以同时对行人的多种属性进行准确识别。在行人属性公共数据集PETA和RAP上的实验结果表明,采用提出的识别方法在公共数据集PETA上获得的识别准确率为84.08%,而在公共数据集RAP上可以获得高达88.12%的识别准确率。

关键词：深度学习 ResNet50 通道注意力机制多属性识别

来源：评论

学校读者我要写书评

暂无评论

基于跨尺度特征融合的泵站安全帽检测方法

引用

测控技术 2023年第7期42卷 16-21,118页

作者：李记恒褚霄杨王涛刘鹏宇北京市南水北调团城湖管理处北京100195 北京工业大学信息学部北京100124 先进信息网络北京实验室北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

为应对泵站场景下设备和人员之间目标被遮挡及远距离小目标对泵站重点区域安全帽佩戴自动监管带来的挑战,提出了一种融合注意力机制和跨尺度特征融合的安全帽佩戴检测算法,以克服在远距离、有遮挡场景下安全帽检测准确度低的问题。通过... 详细信息

为应对泵站场景下设备和人员之间目标被遮挡及远距离小目标对泵站重点区域安全帽佩戴自动监管带来的挑战,提出了一种融合注意力机制和跨尺度特征融合的安全帽佩戴检测算法,以克服在远距离、有遮挡场景下安全帽检测准确度低的问题。通过采集泵站监控视频数据构建泵站场景安全帽数据集,在特征提取网络中加入注意力机制模块,使得模型更关注于小目标的通道信息;同时增加检测层使得特征融合时能结合多级特征,并使用柔和非极大值抑制(Soft Non-Manimum Suppression,Soft-NMS)和完全交并比(Complete Intersection over Union,CIoU)算法进行改进以减少遮挡目标漏检情况。在自建数据集进行试验,结果表明改进后的算法平均准确率达到93.5%,与其他目标检测算法相比精度均有所提升,证明该方法在泵站重点区域场景安全帽检测任务中具有良好的性能。

关键词：泵站安全帽检测注意力机制特征融合

来源：评论

学校读者我要写书评

暂无评论

一种基于海马位置细胞选择机制的空间认知模型

引用

生物医学工程学杂志 2020年第1期37卷 27-37页

作者：于乃功廖诣深郑相国北京工业大学信息学部计算智能与智能系统重点实验室

生物学研究表明,位置细胞是大鼠知晓当前所处空间位置的主要依据。由于网格细胞是位置细胞的主要信息输入源,因此需要构建由网格细胞到位置细胞的映射模型。针对这一问题,本文提出一种网格细胞到位置细胞的逆传播误差神经网络映射模型,... 详细信息

生物学研究表明,位置细胞是大鼠知晓当前所处空间位置的主要依据。由于网格细胞是位置细胞的主要信息输入源,因此需要构建由网格细胞到位置细胞的映射模型。针对这一问题,本文提出一种网格细胞到位置细胞的逆传播误差神经网络映射模型,实现在给定区域内对位置的精确表达。又依据边界细胞对环境边界特异性放电这一生理特性,实现利用边界细胞对网格野位相的周期性重置,使该模型完成任意大小空间中的位置认知。本文设计了仿真实验对比理论位置细胞板的活动情况,又分别对比竞争型神经网络模型的耗时和RatSLAM位姿细胞板的定位误差。实验结果表明,本文模型能够得到单一的位置野,并在耗时实验中较竞争型神经网络模型算法效率提高85.94%;在定位实验中较RatSLAM位姿细胞板的平均定位误差下降41.35%。因此本文提出的位置认知模型不仅可以实现网格细胞到位置细胞之间信息的高效传递,而且能够在任意大小的空间区域内实现自身位置的精确定位。

关键词：位置细胞网格细胞边界细胞位置认知

来源：评论

学校读者我要写书评

暂无评论

基于批次图像化的卷积自编码故障监测方法

引用

控制与决策 2021年第6期36卷 1361-1367页

作者：张海利王普高学金齐咏生高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124 内蒙古工业大学电力学院呼和浩特010051

针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder,CAE... 详细信息

针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder,CAE)直接对间歇过程三维数据进行特征提取,避免三维数据展开成二维时导致的信息丢失,无需分阶段充分考虑批次全局信息,有效提取过程变量相关关系的动态变化;同时,利用卷积操作提取局部特征信息,自编码网络可以解决非线性问题,实现特征的无监督学习;然后,使用一类支持向量机(one-class support vector method,OCSVM)描述特征分布,构造新的统计量,确定控制限,实现故障监测;最后,通过将该方法应用到Pensim仿真平台及重组人粒细胞集落刺激因子发酵的实际生产数据,验证所提方法的准确性和有效性.

关键词：间歇过程多阶段批次图像卷积自编码器一类支持向量机故障监测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：