-
公开(公告)号：CN114742145B
公开(公告)日：2025-03-14
申请号：CN202210350711.6
申请日：2022-04-02
Applicant: 中国科学院软件研究所
IPC: G06V10/25 , G06V10/75 , G06V10/764
Abstract: 本发明公开了一种目标检测模型的性能测试方法、装置、设备及存储介质，涉及模型测试技术领域。所述方法包括：获取图像数据集，图像数据集包括：带目标的图像、图像的标签和图像的语义图；针对图像数据集中的每张图像，基于图像的标签与图像的语义图，提取图像中的所有目标以及每一目标的像素数量，并基于目标的像素数量确定目标的像素级别；通过目标检测模型对图像数据集中的图像进行处理得到预测结果，并基于预测结果和标签，统计各目标类别在各像素级别下的真正例数量、假正例数量和假反例数量；基于真正例数量、假正例数量和假反例数量，计算目标检测模型在各像素级别下的平均精度均值。本发明更好地衡量了目标检测模型对于小目标的检测性能。
-
公开(公告)号：CN114545792B
公开(公告)日：2024-11-26
申请号：CN202210186456.6
申请日：2022-02-28
Applicant: 中国科学院软件研究所
IPC: G05B17/02
Abstract: 本发明公开了一种动态多无人系统的组合控制方法及仿真测试平台，涉及仿真测试领域。所述方法包括：配置仿真节点的控制模式以及所述控制模式的优先级；构建所述仿真节点与被测对象和/或人工控制客户端之间的映射关系；在所述仿真节点运行的情况下，向所述被测对象和/或所述人工控制客户端发送所述仿真节点的仿真数据；计算并获取第一控制信令，并接收所述被测对象发送的第二控制信令和/或所述人工控制客户端发送的第三控制信令；确定各个控制信令对应的仿真节点，并基于所述控制模式的优先级，确定相应仿真节点的控制模式，控制相应仿真节点执行相应控制模式下的控制信令。本发明实现了实现多无人系统的动态接入，以及无人系统的组合控制。
-
公开(公告)号：CN114896134B
公开(公告)日：2024-07-30
申请号：CN202210322833.4
申请日：2022-03-29
Applicant: 中国科学院软件研究所
IPC: G06F11/36
Abstract: 本发明公开了一种面向目标检测模型的蜕变测试方法、装置及设备，涉及模型测试领域。所述方法包括：生成仿真测试用例文件；通过目标检测模型对视觉图像进行处理得到预测结果，并基于预测结果和标签判断目标检测模型是否通过仿真测试用例文件的测试；在目标检测模型通过仿真测试用例文件的测试的情况下，基于仿真测试用例文件生成衍生测试用例文件，衍生测试用例文件包括标签和新视觉图像，新视觉图像由视觉图像经蜕变处理得到；通过目标检测模型对新视觉图像进行处理得到新预测结果，并基于新预测结果和标签判断目标检测模型是否通过衍生测试用例文件的测试。本发明能够帮助用户测试目标检测模型在不同程度的噪声、模糊等蜕变处理后的性能。
-
公开(公告)号：CN113222070B
公开(公告)日：2022-10-14
申请号：CN202110620062.2
申请日：2021-06-03
Applicant: 中国科学院软件研究所
IPC: G06V10/764 , G06V20/70
Abstract: 本发明公开了一种仿真图像数据自动标注方法及系统，本方法步骤包括：1)获取仿真图像、整体语义图像和个体语义图像集合，以及拍摄该仿真图像的仿真相机参数和个体参数集合；2)根据所述个体语义图像集合确定所述仿真图像中包含的个体集合并计算每一个体的粗糙2D包围盒；3)基于个体对应的所述粗糙2D包围盒和个体语义图像计算个体的精确2D包围盒；4)根据个体对应的个体语义图像和整体语义图像确定所述个体的遮挡率，去掉遮挡率小于设定遮挡率阈值的个体；5)利用精确2D包围盒判断个体是否为无效个体，去掉无效个体；6)根据个体集合以及个体对应的精确2D包围盒，对该仿真图像的进行数据标注和组织，得到标注后的仿真图像。
-
公开(公告)号：CN113641285B
公开(公告)日：2022-04-05
申请号：CN202110872169.6
申请日：2021-07-30
Applicant: 中国科学院软件研究所
IPC: G06F3/04847 , G06F3/0486 , G06F16/29 , G06F16/901 , G01W1/02 , G01S13/88 , G01S13/06 , G01S7/02
Abstract: 本发明公开了一种无人蜂群试验的可视化任务配置方法及系统。本方法的步骤包括：1)在无人蜂群场景中配置试验环境，包括选择试验地图、配置天气与光照；2)在可视化的试验地图中添加静态目标、动态目标和区域并设置区域属性；3)针对试验环境中的静态目标、动态目标和区域信息创建无人蜂群子任务；4)设置无人蜂群子任务的任务逻辑关系、串并行关系以及子任务在逻辑上的分支选择，组成无人蜂群试验的可视化任务整体流程；5)根据可视化任务整体流程生成无人蜂群试验的任务描述文件。本发明使用可视化任务配置方法，不仅可以看到任务整体流程，还可以直观地看到任务逻辑结构、任务内部逻辑、串并行任务。
-
Patent Agency Ranking
公开(公告)号：CN113536564A
公开(公告)日：2021-10-22
申请号：CN202110789217.5
申请日：2021-07-13
Applicant: 中国科学院软件研究所
IPC: G06F30/20 , G06F11/36 , G06F111/02
Abstract: 本发明涉及一种基于虚拟仿真的无人蜂群自主协同评估方法及系统。该方法包括：获取虚拟仿真环境的配置参数；配置无人蜂群构型、挂载等，获取无人蜂群的配置参数；获取无人蜂群测试任务的配置参数；获取无人蜂群任务执行过程中的实时参数；综合获取的各项参数计算无人蜂群的基本能力指标、任务能力指标、智能水平指标；根据指标计算的结果进行无人蜂群自主协同能力的评估。本发明基于虚拟仿真的测试手段搭建出适合于无人蜂群自主协同能力及灵活多样群组变化需求的测试框架，设计了与自主协同能力评估相关的、较为全面的数据获取方案和数据采集方案，形成了无人蜂群自主协同评估度量模型和评估体系，实现了无人蜂群自主协同能力的评估。
-
公开(公告)号：CN113535555A
公开(公告)日：2021-10-22
申请号：CN202110784453.8
申请日：2021-07-12
Applicant: 中国科学院软件研究所
Abstract: 本发明公开了一种面向强化学习模型的容器化测试方法与系统。本方法为：1)测试方根据待建的测试任务制作测试环境Docker镜像、代理Docker镜像及其对应的连接模块、回调模块、评估模块，然后将连接模块封装到代理Docker镜像文件模板中；2)测试方在测试平台上创建测试任务，并上传镜像文件到测试方服务器；3)被测方下载测试任务的镜像文件训练代理，将训练后的代理集成到代理Docker镜像并上传至测试方服务器；4)测试方服务器在新上传的代理Docker镜像文件中添加或替换回调模块和评估模块，并对其进行重新封装得到新的代理Docker镜像后，开始运行测试任务；5)测试方服务器将测试过程数据传回测试平台。
-
公开(公告)号：CN118331845A
公开(公告)日：2024-07-12
申请号：CN202410172770.8
申请日：2024-02-07
Applicant: 中国科学院软件研究所
IPC: G06F11/36
Abstract: 本公开涉及深度神经网络模型的质量测评方法、装置及设备，属于人工智能领域。所述方法包括：构建包括多个质量评估指标的测试方案，并基于深度神经网络模型的应用场景获取测试数据集；基于测试方案和测试数据集对深度神经网络模型进行测试，得到多个质量评估指标的取值；获取深度神经网络模型在测试过程中的神经元激活情况，并基于神经元激活情况执行测试充分性验证；在深度神经网络模型未通过测试充分性验证的情况下，调整测试数据集；在深度神经网络模型通过测试充分性验证的情况下，基于多个质量评估指标的取值确定深度神经网络模型的质量评估结果。本发明能够实现对深度神经网络模型进行充分且全面的质量测评。
-
公开(公告)号：CN117472710A
公开(公告)日：2024-01-30
申请号：CN202311403609.9
申请日：2023-10-26
Applicant: 中国科学院软件研究所
Abstract: 本公开涉及面向无人系统集群运动的涌现性评估方法、装置及设备，属于无人系统性能评估技术领域。该方法包括：运行针对无人系统集群的测试任务，并在运行过程中获取无人系统集群和无人系统集群中各个无人系统的运动属性数据；基于运动属性数据计算多个涌现性评估指标的取值，多个涌现性评估指标包括以下至少两项：集群轨迹一致性、集群边界线稳定性、集群子区域相似性、集群空间一致性、集群速度一致性；构建多个涌现性评估指标的判断矩阵，并基于判断矩阵获取多个涌现性评估指标的权重；基于多个涌现性评估指标的取值和权重，确定无人系统集群运动的涌现程度。本公开实现对无人系统集群运动的系统规范评估，解决涌现性评估合理性较差的问题。
-
公开(公告)号：CN117349138A
公开(公告)日：2024-01-05
申请号：CN202311426533.1
申请日：2023-10-31
Applicant: 中国科学院软件研究所
IPC: G06F11/34
Abstract: 本公开涉及面向无人系统感知的可解释性评估方法及装置，属于无人系统感知技术领域。所述方法包括：获取评估数据集，以及无人系统针对评估数据集中各个样本的感知结果；获取掩码规则和评估阈值；按照掩码规则和评估阈值，采用不同可解释测试方法，确定各个样本的第一最有效特征和第一有效特征比率以及第二最有效特征和第二有效特征比率；基于各个样本的第一最有效特征和第二最有效特征以及第一有效特征比率和第二有效特征比率，确定各个样本下不同可解释测试方法对无人系统的可解释一致性和可解释有效性；基于所有样本下可解释有效性和可解释一致性，确定无人系统的感知性能。本公开能够实现对无人系统的感知推理能力进行有效、充分且准确地评估。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.058 seconds)
