-
公开(公告)号：CN113392682A
公开(公告)日：2021-09-14
申请号：CN202010175523.5
申请日：2020-03-13
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种车道线识别装置及方法、电子设备。所述装置包括：第一检测单元，其用于在车载摄像设备取得的至少一帧图像的预定区域中，使用第一神经网络检测所述图像中的车道线，得到所述车道线的第一检测结果；第二检测单元，其用于在所述图像的所述预定区域中，使用第二神经网络检测所述图像中的路边参考物、对向车辆以及道路方向标志中的至少一个，得到所述路边参考物、所述对向车辆以及所述道路方向标志中的至少一个的第二检测结果；以及第一确定单元，其用于根据所述第一检测结果和所述第二检测结果，确定所述图像中的道路中线和/或道路边线。
-
公开(公告)号：CN113269004A
公开(公告)日：2021-08-17
申请号：CN202010092317.8
申请日：2020-02-14
Applicant: 富士通株式会社
IPC: G06K9/00
Abstract: 本发明实施例提供一种交通计数装置及方法、电子设备。所述装置包括：检测单元，其对监控视频的各个帧分别进行目标检测，得到各个帧中检测到的目标物；第一更新单元，其基于各个帧中检测到的目标物更新道路区域中的道路宽度和道路数量，得到更新后的道路宽度和道路数量；第二更新单元，其根据所述更新后的道路宽度和道路数量，更新所述道路区域中的计数线的位置，得到更新后的计数线；追踪单元，其对各个帧中检测到的目标物进行目标追踪，获得各个目标物的追踪轨迹；以及计数单元，其根据各个目标物的所述追踪轨迹以及所述更新后的计数线，对所述监控视频中的目标物进行计数。
-
公开(公告)号：CN113012445A
公开(公告)日：2021-06-22
申请号：CN201911314761.3
申请日：2019-12-19
Applicant: 富士通株式会社
IPC: G08G1/07 , G08G1/0968
Abstract: 本申请实施例提供一种智能交通控制系统及其控制方法，智能交通控制系统包括：检测单元，其基于路侧传感设备以及车载传感设备的探测结果检测与交通元素有关的信息；融合单元，其对检测单元基于不同传感设备的探测结果所检测出的与交通元素有关的信息在空间和/或时间上进行融合；定位单元，其根据融合单元的处理结果进行定位，得到交通元素的位置信息；以及动态地图单元，其基于交通元素的位置信息更新动态地图的信息，更新后的动态地图被发送到参与交通的主体。
-
公开(公告)号：CN112560541A
公开(公告)日：2021-03-26
申请号：CN201910851277.8
申请日：2019-09-10
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种目标检测模型的训练装置及方法、电子设备。所述装置包括：测试单元，其用于当目标检测模型的训练过程中的第N次训练结束时，将多个测试图像输入到所述目标检测模型中进行测试，得到各个测试图像的检测结果，N为正整数；确定单元，其用于根据各个测试图像的检测结果确定各个测试图像的收敛水平预测值；以及调整单元，其用于根据各个测试图像的检测结果的收敛水平预测值，调整第N+1次训练中使用的参数。
-
公开(公告)号：CN112115746A
公开(公告)日：2020-12-22
申请号：CN201910541727.3
申请日：2019-06-21
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种人体动作识别装置及方法、电子设备。首先在输入图像中检测人体的边界框，并在检测出的边界框中有选择的基于人体的关键点来检测人体的动作和/或基于卷积神经网络来检测人体的动作，这样，通过分级的检测方式，处理速度较快且识别精度较高，并且，通过将两种检测方式相结合，可以根据不同的情况来选择不同的检测方式，能够灵活的应对各种场景和需求。
-
Patent Agency Ranking
公开(公告)号：CN112101373A
公开(公告)日：2020-12-18
申请号：CN201910525931.6
申请日：2019-06-18
Applicant: 富士通株式会社
Abstract: 本申请实施例提供一种基于深度学习网络的对象检测方法、装置和电子设备，该基于深度学习网络的对象检测装置包括：特征提取部，其具有多个特征提取单元，分别从输入图像中提取不同尺寸的特征；多尺寸特征生成部，其具有多个级联的特征生成单元，所述多个特征生成单元根据所述特征提取部所提取的不同尺寸的特征，使用变形卷积(Deformable Convolution)处理，分别生成与各尺寸对应的特征图(feature maps)；对象位置检测部，其使用候选区域生成网络(RPN，Regional Proposal Network)分别从多尺寸特征生成部生成的不同尺寸的特征图(feature maps)中检测出相应尺寸的对象的边框信息。
-
公开(公告)号：CN111353334A
公开(公告)日：2020-06-30
申请号：CN201811568382.2
申请日：2018-12-21
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种烟雾检测方法和装置，其中，该装置包括：前景检测单元，其用于在视频的多个帧图像中检测前景块；块追踪单元，其用于确定检测到的各个前景块的移动区域；计算单元，其用于确定各个前景块在至少两个帧图像中的第一重叠度，和/或确定各个前景块和该前景块对应的移动区域的第二重叠度；块去除单元，其用于根据该第一重叠度和/或第二重叠度确定干扰前景块；烟雾检测单元，其用于在去除该干扰前景块的剩余前景块的移动区域中提取特征，并根据该特征检测烟雾。通过本发明实施例，可以提高烟雾检测的准确率，避免水滴或光斑等干扰物造成的误检测。
-
公开(公告)号：CN111104830A
公开(公告)日：2020-05-05
申请号：CN201811266011.9
申请日：2018-10-29
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种用于图像识别的深度学习模型、该模型的训练装置及方法，该模型具有用于确定特征图中的各个特征是否为关注对象所在位置的特征的确定层，并在对特征进行加权合成时对关注对象所在位置的特征和其他特征赋予不同的权值，因此能够引导该模型聚焦于需要关注的特征并做出正确的判断，从而提高了该模型的性能和精度。
-
公开(公告)号：CN109803067A
公开(公告)日：2019-05-24
申请号：CN201711137245.9
申请日：2017-11-16
Applicant: 富士通株式会社
IPC: H04N5/14 , H04N21/8549 , H04N7/18 , G06K9/00
Abstract: 本申请实施例提供一种视频浓缩装置、视频浓缩方法和电子设备，该视频浓缩装置包括：第一检测单元，其基于深度学习框架检测视频中的对象；第二检测单元，其基于深度学习框架检测所述对象的属性和/或基于深度学习框架检测所述视频中的对象；存储单元，其用于存储所述对象，以及所述属性和/或所述事件；处理单元，其用于根据存储单元中所存储的所述对象，以及所述属性和/或所述事件，对所述视频进行浓缩处理。根据本实施例，能够使视频浓缩的能力得到极大地扩展。
-
公开(公告)号：CN109784487A
公开(公告)日：2019-05-21
申请号：CN201711128574.7
申请日：2017-11-15
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种用于事件检测的深度学习网络、该网络的训练装置及方法，该深度学习网络包括：数据层，其用于读取输入数据；卷积层，其用于从数据层读取的输入数据中提取特征；至少两个事件分类器，其用于根据卷积层提取的特征，相互独立的进行不同事件的检测，分别输出不同事件的检测结果。由于该深度学习网络具有至少两个相互独立的、进行不同事件的检测的事件分类器，各个事件分类器能够独立的进行检测并输出检测结果，从而能够保证事件检测结果的准确性和完整性，并且，由于各个事件分类器只需要检测一种事件，该深度学习网络在训练时所需的时间较短，且训练出的该深度学习网络的检测精度较高。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.056 seconds)
