-
公开(公告)号：CN112434683A
公开(公告)日：2021-03-02
申请号：CN202110111661.1
申请日：2021-01-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于模式识别技术领域，具体涉及一种基于注意力机制的行人属性识别方法、系统、装置，旨在解决行人图像数据不平衡、存在背景噪声，同时目前行人属性识别基线模型差，以及行人属性识别模型训练困难以及识别性能较差的问题。本发明方法包括获取待识别的行人图像，作为输入图像；通过预训练的行人属性识别模型得到所述输入图像中行人属性的识别结果；其中，行人属性识别模型基于EfficientNet网络、空间注意力模块、通道注意力模块、分类器构建。本发明降低了对行人属性识别模型训练难度，并提高了行人属识别的性能。
-
公开(公告)号：CN105631479B
公开(公告)日：2019-05-17
申请号：CN201511021328.2
申请日：2015-12-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于非平衡学习的深度卷积网络图像标注方法及装置，该方法包括：步骤1、对于待识别图像做预处理，以获得待识别图像的原始像素；步骤2、将所述待识别图像的原始像素输入至深度卷积神经网络中，得到所述待识别图像的深度特征表示信息；步骤3、利用所述深度特征表示信息预测所述待识别图像的标注信息。本发明所述的图像标注方法，不仅考虑到了图像字典词汇的分布，而且通过深度卷积网络对图像的原始像素进行逐层提取，比传统的标注方法更加精确。
-
公开(公告)号：CN105631479A
公开(公告)日：2016-06-01
申请号：CN201511021328.2
申请日：2015-12-30
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/6256 , G06N3/084
Abstract: 本发明公开了一种基于非平衡学习的深度卷积网络图像标注方法及装置，该方法包括：步骤1、对于待识别图像做预处理，以获得待识别图像的原始像素；步骤2、将所述待识别图像的原始像素输入至深度卷积神经网络中，得到所述待识别图像的深度特征表示信息；步骤3、利用所述深度特征表示信息预测所述待识别图像的标注信息。本发明所述的图像标注方法，不仅考虑到了图像字典词汇的分布，而且通过深度卷积网络对图像的原始像素进行逐层提取，比传统的标注方法更加精确。
-
公开(公告)号：CN119962693A
公开(公告)日：2025-05-09
申请号：CN202510438581.5
申请日：2025-04-09
Applicant: 中国科学院自动化研究所
IPC: G06N5/045 , G06N3/0455 , G06N3/044 , G06N3/092 , G06N3/006
Abstract: 本发明提供一种多智能体决策的可解释分析方法、装置和电子设备，涉及人工智能技术领域。方法包括：获取多个智能体在执行任务过程中的实时状态数据和实时决策数据；将所述实时状态数据输入至预先训练的时间序列编码器中，通过所述预先训练的时间序列编码器将所述实时状态数据转换为因果图网络；所述因果图网络中包含各所述智能体之间、以及各所述智能体与任务目标之间的因果关系；根据所述实时状态数据和所述实时决策数据，确定各所述智能体的每个状态特征分别对决策的贡献；根据所述因果图网络和各所述智能体的每个状态特征分别对决策的贡献，生成多粒度可视化决策路径。
-
公开(公告)号：CN118520249A
公开(公告)日：2024-08-20
申请号：CN202410970597.6
申请日：2024-07-19
Applicant: 中国科学院自动化研究所
IPC: G06F18/20 , G06N3/0455 , G06N3/088 , G06N3/0895 , G06N3/09 , G06F18/15 , G06F123/02
Abstract: 本发明提供了一种飞机轨迹的预测模型训练方法和预测方法，应用于人工智能技术领域和飞行器技术领域。该训练方法包括：获取多个轨迹序列样本，轨迹序列样本是基于时序关系排列的至少一个时刻点的轨迹属性数据集构成的，轨迹属性数据集包括至少一种轨迹属性数据；根据轨迹序列样本的轨迹属性类均值和轨迹属性类方差对多种轨迹属性数据进行归一化处理，得到多个归一化样本，轨迹属性类均值和轨迹属性类方差均是基于轨迹序列样本中多个轨迹属性数据集的同种类轨迹属性数据计算得到的；将多个归一化样本输入自注意力模块，得到表征多个轨迹属性数据之间相关性的多个轨迹注意力样本，预测模型包括自注意力模块；利用多个轨迹注意力样本训练预测模型。
-
Patent Agency Ranking
公开(公告)号：CN112347995B
公开(公告)日：2022-09-23
申请号：CN202011380458.6
申请日：2020-11-30
Applicant: 中国科学院自动化研究所
IPC: G06V40/10 , G06V10/762 , G06V10/774 , G06V10/80 , G06N3/04
Abstract: 本发明属于模式识别技术领域，具体涉及一种基于像素转移和特征转移相融合的无监督行人再识别方法、系统、装置，旨在解决现有的跨数据集无监督行人再识别方法检索精度低、识别准确度差的问题。本系统方法包括获取待识别的行人图像，作为输入图像；基于输入图像，通过预训练的行人再识别模型得到行人再识别结果；所述行人再识别模型基于残差网络构建。本发明提高了现有跨数据集的无监督行人再识别方法的检索精度以及识别准确度。
-
公开(公告)号：CN109345572B
公开(公告)日：2021-08-10
申请号：CN201810896726.6
申请日：2018-08-08
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及图像处理技术领域，并提出了一种混沌启发式搜索优化的弓网图像配准方法及装置，旨在解决人工蜂群优化算法应用于弓网图像配准时容易出现收敛速度慢，配准精度不足的技术问题。为此目的，本发明中的混沌启发式搜索优化的弓网图像配准方法包括：根据预设的参考弓网图像，生成初始种群；初始种群中的每个个体存储有预定数目个配准参数；利用混沌启发式搜索算法优化待配准弓网图像的配准参数；利用配准参数对待配准弓网图像进行空间变换，得到配准的弓网图像。本发明可以增强算法的局部搜索能力，加快算法的收敛速度，提高弓网图像配准的精度。
-
公开(公告)号：CN120088758A
公开(公告)日：2025-06-03
申请号：CN202510091803.0
申请日：2025-01-21
Applicant: 中国科学院自动化研究所
IPC: G06V20/58 , G06V10/44 , G06V20/70 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种障碍物检测方法、装置、设备、存储介质及程序产品，应用于计算机视觉技术领域。该方法包括：获取图像数据的第一鸟瞰特征图，获取点云数据的第二鸟瞰特征图；确定所述第一鸟瞰特征图的第一全局特征和第一局部特征，确定所述第二鸟瞰特征图的第二全局特征和第二局部特征；将所述第一全局特征和所述第二全局特征进行特征融合，得到第三全局特征，将所述第一局部特征和所述第二局部特征进行特征融合，得到第三局部特征；根据所述第三全局特征和所述第三局部特征确定障碍物信息；其中，所述障碍物信息包括障碍物的位置范围和障碍物的类别。
-
公开(公告)号：CN110335285A
公开(公告)日：2019-10-15
申请号：CN201910611220.0
申请日：2019-07-08
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于海洋舰船、机场飞机和阵地汽车安防遥感检测领域，具体涉及一种基于稀疏表示的SAR图像目标标记方法、系统、装置，旨在解决现有SAR图像目标检测及标记效率、准确率低的问题。本系统方法包括获取SAR图像，对图像阈值分割后进行形态学处理，提取感兴趣区域；采用粗过滤，将粗过滤后的感兴趣区域作为第一区域图像；提取第一区域图像的多尺度的特征向量，分别获取特征向量对应的稀疏表示；基于不同尺度的稀疏表示，通过SVM分类模型分别得到其对应的分类结果，并采用预设的决策方法，获取第一区域图像的类别；基于第一区域图像的类别和位置信息，在SAR图像中对第一区域图像标记。本发明可以高效、准确的进行目标检测及标记。
-
公开(公告)号：CN106447699B
公开(公告)日：2019-07-19
申请号：CN201610898253.4
申请日：2016-10-14
Applicant: 中国科学院自动化研究所
IPC: G06T7/277
Abstract: 本发明公开了一种基于卡尔曼滤波的高铁接触网目标检测与跟踪方法，所述方法包括以下步骤：采集样本图像；对于所述样本图像进行预处理；对于经过预处理后的样本图像，获取水平扫描线上的像素点并对其进行显著性排序，提取得到显著性像素点；基于提取到的显著性像素点，检测经过预处理后的样本图像中的承力索和导线；确定承力索和导线协同跟踪策略，并对承力索和导线进行跟踪；基于Kalman滤波预测目标运动轨迹，修正跟踪结果。本发明基于Kalman滤波原理，通过对复杂背景下的承力索和导线进行检测与跟踪，实现对接触网的实时监测，对行车途中弓网脱离等突发情况进行有效预警，在一定程度上避免了由于弓网滑脱而引发的意外事故。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.034 seconds)
