当前位置: 首页 > 科技成果列表 > 科技成果详细

一种基于知识库表示的对象可承受性推理方法

技术类型:发明专利

技术成熟度:研发

转让方式:技术转让、技术许可、技术入股

专利申请日:2017-06-09

专利所属地 :中国

专利号:CN201710430655.6

应用领域:通用仪器仪表制造

技术领域:-

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介

摘要: 本发明涉及一种基于知识库表示的对象可承受性推理方法,用以预测给定对象的可承受性。具体步骤如下: 1. 采用马尔科夫逻辑网络学习知识库,进行知识库的构建和表示; 2. 利用分层模型估计给定对象的相关属性,包括物理属性、视觉属性和分类属性; 3. 利用分层模型估计得到的证据查询知识库,并进行zero-shot可承受性预测; 4. 获取预测对象的可承受性、人的姿势以及人与对象的相对位置。

与现有技术相比,本发明具有以下优点: - 无需单独训练分类器; - 深入的视觉推理; - 异构信息广泛。

(此文字表达经过AI优化完善,查看原文请点击 原文)
专利基本信息
专利名称 一种基于知识库表示的对象可承受性推理方法
专利状态 - 专利号(申请号) CN201710430655.6
申请号 - 专利申请日期 2017-06-09
专利授权日期 2017-11-07 专利权届满日 -
专利所属地 中国 专利类型 发明专利
发明人 刘刚;史凯磊;高雪琴;陈泽玲
权利人 -
专利摘要 本发明涉及一种基于知识库表示的对象可承受性推理方法,用以预测给定对象的可承受性,包括以下步骤:1)采用马尔科夫逻辑网络学习知识库,进行知识库的构建和表示;2)利用分层模型估计给定对象的相关属性,包括物理属性、视觉属性和分类属性;3)利用分层模型估计得到的证据查询知识库,并且进行zero‑shot可承受性预测;4)获取预测对象的可承受性、人的姿势以及人与对象的相对位置。与现有技术相比,本发明具有无需单独训练分类器、深入的视觉推理、异构信息广泛等优点。
成果评价分析
技术应用分析
服务案例
Baidu
map