-
公开(公告)号：CN118212771A
公开(公告)日：2024-06-18
申请号：CN202410245359.9
申请日：2024-03-04
Applicant: 北京三快在线科技有限公司
IPC: G08G1/01 , G06V20/58 , G06V10/764 , G06V10/82 , G06N3/0464 , G08G1/042 , H04N23/57 , H04N23/90
Abstract: 本申请公开了一种异常交通事件的识别方法、装置、设备及可读存储介质，属于智慧交通领域。方法包括：获取骑行交通工具的骑行视频数据，骑行视频数据中包含骑行图像；基于骑行图像获取骑行交通工具的骑行特征信息，骑行特征信息包括骑行场景信息或者交通要素信息中的至少一个；基于骑行图像或骑行参数信息中的至少一种确定骑行交通工具的骑行状态，骑行参数信息是骑行交通工具在骑行过程中的参数信息；基于骑行特征信息和骑行状态识别骑行交通工具的骑行过程中的异常交通事件。该方法通过骑行交通工具的骑行特征信息和骑行状态识别骑行过程中的异常交通事件，可以提高异常交通事件识别的效率和准确性，保障行驶安全，减少交通隐患。
-
公开(公告)号：CN114283395A
公开(公告)日：2022-04-05
申请号：CN202210016475.4
申请日：2022-01-07
Applicant: 北京三快在线科技有限公司
IPC: G06V20/56 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种车道线检测的方法、装置、设备及计算机可读存储介质，属于自动驾驶技术领域。该方法包括：提取待检测图像的第一特征；基于图像的第一特征预测图像中的消失点和车道线，基于预测结果得到图像的消失点掩码和车道线掩码；基于消失点掩码和车道线掩码获取车道线的中心线和偏移量；利用中心线和偏移量确定出图像中的车道线。本方法基于消失点掩码和车道线掩码得到车道线的中心线和偏移量，使得图像中的消失点的信息和车道线的像素信息得到利用，基于车道线的中心线和偏移量来预测车道线，使得检测车道线的效率更高，准确度也更高。
-
公开(公告)号：CN113887608B
公开(公告)日：2023-03-24
申请号：CN202111143124.1
申请日：2021-09-28
Applicant: 北京三快在线科技有限公司
IPC: G06V10/774 , G06V10/25 , G06V10/764 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/09
Abstract: 本说明书公开了一种模型训练的方法、图像检测的方法及装置，首先，获取样本图像。其次，将样本图像输入到待训练的预测模型，确定样本图像中涉及指定目标物的至少一个候选图像区域以及原始特征。而后，筛选出包含其他目标物的待处理区域，并根据其他目标物的图像在待处理区域中的位置，得到待处理区域对应的补偿特征。最后，根据待处理区域对应的补偿特征以及其他候选图像区域对应的原始特征，得到目标物检测结果，并以最小化目标物检测结果与样本图像中针对指定目标物的标签信息之间的偏差为优化目标，对预测模型进行训练。本方法可以在确定指定目标物所在区域时，避免将其他目标物所在区域检测为指定目标物区域，提高了预测模型的识别准确率。
-
公开(公告)号：CN114494291A
公开(公告)日：2022-05-13
申请号：CN202210049286.7
申请日：2022-01-17
Applicant: 北京三快在线科技有限公司
Abstract: 本发明公开了一种基于注意力模型的图像分割方法及装置。其中，该方法包括：将目标图像的图像块输入至预先训练完成的图像分割模型中，其中，图像块是按照预设规则对目标图像分割得到的，图像分割模型包括编码器以及解码器；通过编码器中的多层子编码器，根据图像块的图像特征确定多层子编码器对应的多个图像向量表示，子编码器包括注意力编码器；通过图像分割模型中的解码器，根据多个图像向量表示确定图像块对应的图像预测结果。本发明解决了由于相关技术中编码器在全局特征提取方面存在不足，而导致解码器构造复杂，训练以及预测过程中计算量大的技术问题。
-
公开(公告)号：CN114419390A
公开(公告)日：2022-04-29
申请号：CN202111604280.3
申请日：2021-12-24
Applicant: 北京三快在线科技有限公司
IPC: G06V10/774 , G06K9/62 , G06N20/00
Abstract: 本发明实施例提供了一种目标对象的预测方法和装置，其中，所述方法包括：将原始图像输入至第一检测模型，输出目标对象的第一位置信息和粗略类别信息；对原始图像进行裁剪得到多个目标对象区域图像，将多个目标对象区域图像输入至第二检测模型，输出每个目标对象的多个第二位置信息和多个精细类别信息；若存在目标类别对象则选择出目标预测对象；根据第一位置信息和第二位置信息生成位置预测结果，将精细类别信息作为类别预测结果。本发明实施例增加了目标对象的上下文信息，从而提高从第二检测模型输出的精细类别信息的准确率。针对目标类别对象选择出目标预测对象，避免了非目标预测对象的干扰，进一步提升目标对象预测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN110245537B
公开(公告)日：2020-10-02
申请号：CN201910453554.X
申请日：2019-05-28
Applicant: 北京三快在线科技有限公司
IPC: G06K7/14
Abstract: 本公开涉及一种图形码解码方法，装置，存储介质及电子设备，该方法包括：定位目标图像中的图形码区域；确定所述图形码区域中像素梯度方向的分布直方图；根据所述分布直方图确定所述图形码区域中的图形码的类型信息；根据所述类型信息调用对应的解码算法对所述图形码进行解码处理。用于解决相关技术中，将对应于不同图形码的解码算法按照一定顺序设置导致的解码效率较慢的技术问题。
-
公开(公告)号：CN111428875A
公开(公告)日：2020-07-17
申请号：CN202010165382.9
申请日：2020-03-11
Applicant: 北京三快在线科技有限公司
Abstract: 本申请公开了图像识别方法、装置及相应模型训练方法、装置。图像识别模型的训练方法包括：根据主干网络提取训练图像的多尺度特征图；基于多尺度特征图，根据区域生成网络确定训练图像中的候选区域；基于多尺度特征图和候选区域，根据有效目标预测分支网络预测训练图像中包含的有效目标；基于候选区域，根据模糊目标预测分支网络预测训练图像中包含的模糊目标；根据训练图像的标注信息，以及预测结果，计算模型损失值；根据模型损失值对图像识别模型的参数进行更新，或结束训练。该方案训练得到端到端的图像识别模型，能够有效识别出道路采集等实景图像中是否存在模糊目标，并提高有效目标的识别准确率和召回率。
-
公开(公告)号：CN110245537A
公开(公告)日：2019-09-17
申请号：CN201910453554.X
申请日：2019-05-28
Applicant: 北京三快在线科技有限公司
IPC: G06K7/14
Abstract: 本公开涉及一种图形码解码方法，装置，存储介质及电子设备，该方法包括：定位目标图像中的图形码区域；确定所述图形码区域中像素梯度方向的分布直方图；根据所述分布直方图确定所述图形码区域中的图形码的类型信息；根据所述类型信息调用对应的解码算法对所述图形码进行解码处理。用于解决相关技术中，将对应于不同图形码的解码算法按照一定顺序设置导致的解码效率较慢的技术问题。
-
公开(公告)号：CN113920222B
公开(公告)日：2025-03-25
申请号：CN202111069336.X
申请日：2021-09-13
Applicant: 北京三快在线科技有限公司
IPC: G06T11/60 , G06V10/74 , G06V10/82 , G06T3/04 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本申请公开了获取地图建图数据的方法、装置、设备及可读存储介质，属于图像处理技术领域。所述方法包括：基于第一图像数据的第一标签获取符合任务需求的第二标签；基于第二标签生成与第一图像数据匹配的第二图像数据；基于第二图像数据训练得到第一神经网络模型；通过第一神经网络模型对第三图像数据进行风格迁移，得到地图建图数据。本申请即使在第一图像数据缺少的情况下，也仍然能够利用生成的第二图像数据进行模型训练，提高了训练得到的神经网络模型的性能，因此，基于该第一神经网络模型对第三图像数据进行风格迁移时，得到的地图建图数据的图像质量更高，且提高了准确率。
-
公开(公告)号：CN114429602B
公开(公告)日：2025-03-18
申请号：CN202210006151.2
申请日：2022-01-04
Applicant: 北京三快在线科技有限公司
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例提供了语义分割方法、装置、电子设备及存储介质方法，该方法包括：提取视频的多帧中的每一帧的原始特征，多帧包括：当前帧、至少一个先前帧，先前帧位于当前帧之前；将每一帧的原始特征输入到语义分割模型中，得到当前帧的语义分割结果，语义分割模型被配置为：基于每一帧的原始特征，确定每一帧的用于对齐的特征；对于每一个先前帧，基于该先前帧的用于对齐的特征与当前帧的用于对齐的特征，对该先前帧的用于对齐的特征进行可变形卷积，得到该先前帧的对齐空间特征，基于当前帧的用于对齐的特征、每一先前帧的对齐空间特征，得到当前帧的对齐运动特征；基于该对齐运动特征，预测当前帧的语义分割结果。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.026 seconds)
