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。
| 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。 | ||