-
公开(公告)号：CN119107478A
公开(公告)日：2024-12-10
申请号：CN202310666043.2
申请日：2023-06-07
Applicant: 珠海一微半导体股份有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/08
Abstract: 本发明公开一种用于识别物体的目标检测模型的超参数优化方法，该超参数优化方法包括，在现存的超参数向量中筛选出适应度匹配的超参数向量，然后在筛选出的超参数向量中进行加权随机抽样，再将选中的超参数向量配置为当前一代的超参数向量，再对所述当前一代的超参数向量进行预设遗传变异操作，产生下一代的超参数向量，并保存下一代的超参数向量为现存的超参数向量中的一个新的超参数向量，依此迭代，直至满足迭代终止条件，再将适应度最大的一个超参数向量配置为所述目标检测模型的最优超参数集合；其中，在所述最优超参数集合输入目标检测模型后，目标检测模型利用所述最优超参数集合训练所需识别的物体的特征数据，以提高物体识别精度。
-
公开(公告)号：CN119107477A
公开(公告)日：2024-12-10
申请号：CN202310665971.7
申请日：2023-06-07
Applicant: 珠海一微半导体股份有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/126
Abstract: 本发明公开一种目标检测模型的超参数调节方法，包括先对预设参数库内的超参数向量进行加权随机抽样，再将选中的超参数向量配置为当前一代的超参数向量，再对所述当前一代的超参数向量进行预设遗传变异操作，产生下一代的超参数向量；然后在下一代的超参数向量对应的适应度大于预设参数库内的适应度最小的超参数向量对应的适应度时，将下一代的超参数向量替换掉该适应度最小的超参数向量，依此迭代，直至满足迭代终止条件，再在所述预设参数库内，将适应度最大的一个超参数向量配置为所述目标检测模型的最优超参数集合；其中，在所述最优超参数集合输入目标检测模型后，目标检测模型利用所述最优超参数集合训练所需识别的物体的特征数据。
-
公开(公告)号：CN118115508A
公开(公告)日：2024-05-31
申请号：CN202211514114.9
申请日：2022-11-30
Applicant: 珠海一微半导体股份有限公司
Abstract: 本发明公开了一种基于分界线的走廊区域划分方法和芯片，包括：机器人获取环境地图中的扫描线，然后遍历所有扫描线，并获取每条扫描线的长度，筛选出长度大于或等于第一设定距离的扫描线作为目标扫描线；机器人检测所有扫描线的端点，并从扫描线的端点中获取第一突变位置点和第二突变位置点，然后基于第一突变位置点和第二突变位置点获取环境地图中房间和走廊之间的分界线；机器人基于目标扫描线、分界线和环境地图中的室内环境轮廓，从环境地图中划分出走廊区域。本申请提高清洁机器人从环境地图中划分出走廊区域的速度。
-
Patent Agency Ranking
公开(公告)号：CN117826776A
公开(公告)日：2024-04-05
申请号：CN202211171762.9
申请日：2022-09-26
Applicant: 珠海一微半导体股份有限公司
Abstract: 本发明公开基于地图轮廓的区域分界线搜索方法，所述区域分界线搜索方法包括：在机器人通过测距传感器获得室内环境的轮廓点后，机器人按照目标搜索方向遍历目标扫描线；其中，机器人将每条目标扫描线配置为由两个轮廓点连成的线段，并将每条目标扫描线都配置为与目标搜索方向垂直设置；在所述目标扫描线中，所述目标扫描线的两个端点之间是属于可通行区域；在按照目标搜索方向遍历目标扫描线的过程中，逐条检测目标扫描线的端点；若在其中一条目标扫描线中检测到第一突变位置点且在对应一条目标扫描线中检测到第二突变位置点，则连接第一突变位置点和第二突变位置点，获得区域分界线。
-
公开(公告)号：CN117826775A
公开(公告)日：2024-04-05
申请号：CN202211171637.8
申请日：2022-09-26
Applicant: 珠海一微半导体股份有限公司
Abstract: 本发明公开一种区域分界线搜索方法及机器人，所述区域分界线搜索方法包括：在机器人通过测距传感器获得室内环境的轮廓点后，机器人按照目标搜索方向遍历目标扫描线；其中，机器人将每条目标扫描线配置为由两个轮廓点连成的线段，并将每条目标扫描线都配置为与目标搜索方向垂直设置；在所述目标扫描线中，逐条检测目标扫描线的长度；所述目标扫描线的两个端点之间是属于可通行区域；在按照目标搜索方向遍历目标扫描线的过程中，当检测到目标扫描线的长度满足预设变窄条件时，将当前检测到的目标扫描线设置为区域分界线。
-
公开(公告)号：CN116912570A
公开(公告)日：2023-10-20
申请号：CN202310848452.4
申请日：2023-07-12
Applicant: 珠海一微半导体股份有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/762 , G06V20/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种YOLO算法模型训练方法、目标检测方法、芯片及机器人，该训练方法包括：步骤1：获取数据集；步骤2：对数据集中的全部数据进行随机尺寸变换处理；步骤3：将随机尺寸变换处理后的数据集导入YOLO算法模型中进行一次训练；步骤4：采用K‑means锚框优化算法对随机尺寸变换处理后的数据集进行自适应锚框优化处理，以更新用于YOLO算法模型训练的最优锚框尺寸；重复上述步骤2至4，直至YOLO算法模型训练次数达到第一预设次数，输出最优YOLO算法模型，完成YOLO算法模型训练流程。本发明将K‑mean锚框优化算法结合到YOLO算法模型训练过程中，有效减少步骤，同时提高锚框尺寸的适配度，从而有效提高YOLO算法模型的训练效果，训练后的YOLO算法模型的目标检测效果更优。
-
公开(公告)号：CN116229114A
公开(公告)日：2023-06-06
申请号：CN202111450886.6
申请日：2021-12-01
Applicant: 珠海一微半导体股份有限公司
Abstract: 本发明公开了一种图像映射方法、图像相似度计算方法及芯片,所述技术方案采用有向距离场简化图像映射计算过程，大大降低了图像相似度的计算复杂度；同时，在计算有向距离场时，采用了双遍历检测算法，使得有向距离场的计算速度达到了线性时间；总体而言，本发明对于提高计算图像相似度速度有积极意义，同时还保证了准确率。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.042 seconds)
