-
公开(公告)号：CN111292366B
公开(公告)日：2023-03-10
申请号：CN202010094884.7
申请日：2020-02-17
Applicant: 华侨大学
IPC: G06V20/58 , G06T7/521 , G06T7/80 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及智能汽车的自动驾驶领域，尤其涉及一种基于深度学习和边缘计算的视觉行车测距算法，包括以下步骤：S1、构建带行车测距数据集并进行标注；S2、利用构建的标准数据集，生成适用于行车测距的深度模型；S3、联合边缘设备和传感设备自动对网络进行分割加速推断；S4、用测试数据集进行实验，预测行车距离，本发明使用单目摄像头采集行车数据集，节省了成本。且通过多种数据增强的方法对数据集进行了有效扩充，不仅增加了数据量，有效避免了网络过拟合，提高了行车测距的准确率。
-
公开(公告)号：CN110942099A
公开(公告)日：2020-03-31
申请号：CN201911196658.3
申请日：2019-11-29
Applicant: 华侨大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于核心点保留的DBSCAN的异常数据识别检测方法，包括以下步骤：S1：将数据集随机划分成训练集和测试集；S2：构建训练集的近邻矩阵Croe-M和逆近邻矩阵Croe-MR，采用逆近邻矩阵Croe-MR作为判定核心点的依据；本发明涉及异常识别检测方法技术领域。该基于核心点保留的DBSCAN的异常数据识别检测方法通过重新定义了“密度”，利用“密度”对训练集进行聚类并打上标签，由此，再利用标签，对剩余测试集中的数据进行分类；通过随机抽样来划分训练集和测试集，提高了该检测方法的拓展性；同时，仅采用核心点建立模型，有效降低噪声点，尤其是边缘点对分类结果的影响；通过“密度”定义，能够好代表样本点在数据集类别中的权重，拥有更好的分类效果。
-
公开(公告)号：CN112188394A
公开(公告)日：2021-01-05
申请号：CN202011072046.6
申请日：2020-10-09
Applicant: 华侨大学
Abstract: 本发明涉及锚点信息定位与保护技术领域，尤其涉及具有锚点位置隐私信息保护能力的通信可调节点定位协议，包括以下步骤：步骤一、建立定位节点：收到定位请求后，锚点将与自身位置相关的信息发送给目标点，目标点通过发回的信息并采用TDOA定位技术确定自己的位置，步骤二、建立新的隐私保护等级标准，有效减少了位置信息的维度对隐私保护等级的影响，提高了标准的稳定性。本发明不仅可以通过调节节点间的通信量，使其适应不同的应用场景，而且还能在节点定位时对其隐私进行保护，另外，通过建立新的隐私保护等级标准，有效减少了位置信息的维度对隐私保护等级的影响，提高了标准的稳定性。
-
公开(公告)号：CN111292366A
公开(公告)日：2020-06-16
申请号：CN202010094884.7
申请日：2020-02-17
Applicant: 华侨大学
Abstract: 本发明涉及智能汽车的自动驾驶领域，尤其涉及一种基于深度学习和边缘计算的视觉行车测距算法，包括以下步骤：S1、构建带行车测距数据集并进行标注；S2、利用构建的标准数据集，生成适用于行车测距的深度模型；S3、联合边缘设备和传感设备自动对网络进行分割加速推断；S4、用测试数据集进行实验，预测行车距离，本发明使用单目摄像头采集行车数据集，节省了成本。且通过多种数据增强的方法对数据集进行了有效扩充，不仅增加了数据量，有效避免了网络过拟合，提高了行车测距的准确率。
-
-
-
Search Results
4
records
(took 0.029 seconds)
