-
公开(公告)号：CN113870318B
公开(公告)日：2022-03-25
申请号：CN202111456208.0
申请日：2021-12-02
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多帧点云的运动目标检测系统和方法，系统包括体素特征提取模块，将连续帧点云序列进行体素化，并提取特征张量序列；转换模块，对特征张量序列通过跨模态注意力模块进行匹配融合，将第一特征张量与第二特征张量融合，融合的结果再与第三特征张量融合，再将融合后的结果与第四特征张量融合，在以此类推，得到最终融合后的特征张量；跨模态注意力模块，将两个特征张量，根据注意力机制，通过卷积神经网络融合，得到融合后的特征张量；识别模块，对最终融合后的特征张量进行特征提取，输出目标的检测信息。方法包括：S1，构建各系统模块；S2，通过训练集数据，对模型进行训练；S3，通过训练好的模型进行预测。
-
公开(公告)号：CN113836386B
公开(公告)日：2022-03-25
申请号：CN202111410689.1
申请日：2021-11-25
Applicant: 之江实验室
IPC: G06F16/953 , G06F21/64 , H04L9/32
Abstract: 本发明提供了一种并行模式搜索空间构造系统和方法，该方法为：初始化输入逻辑张量；计算并输出逻辑张量真值；构造所有候选并行模式，确定输入和输出张量并行模式迭代内容；结合输入张量并行模式迭代内容，切分输入逻辑张量为物理张量；判断物理张量计算合法性，若合法，计算物理张量结果并输出；若非法，继续输入张量并行模式迭代过程；结合输出张量并行模式迭代内容，合并物理张量运算结果为逻辑张量；对比逻辑张量真值和逻辑张量，若相等，将该并行模式添加到合法并行模式搜索空间中，并直接继续输入张量并行模式迭代过程；若不相等，继续输出张量并行模式迭代过程，直到迭代完成后，重复所述以上步骤，直到所述输入张量并行模式迭代过程完成。
-
公开(公告)号：CN114119850A
公开(公告)日：2022-03-01
申请号：CN202210090998.3
申请日：2022-01-26
Applicant: 之江实验室
IPC: G06T15/40
Abstract: 本发明涉及激光雷达点云仿真领域，尤其涉及一种虚实激光雷达点云的融合方法和装置，该方法首先获取真实场景中的激光雷达点云数据，然后构建虚拟场景，使用仿真激光雷达生成虚拟激光雷达点云数据，栅格化真实激光雷达点云数据，最后将栅格化的真实点云数据和虚拟点云数据通过深度缓存器算法写入到融合结果缓存中，将真实激光雷达点云数据和虚拟激光雷达点云数据精确融合，发挥了仿真模拟的高度动态性和灵活性，丰富了点云数据集，解决了感知算法等下游机器学习算法数据集不足的问题。
-
公开(公告)号：CN114119426A
公开(公告)日：2022-03-01
申请号：CN202210090686.2
申请日：2022-01-26
IPC: G06T5/00
Abstract: 本发明公开了非局部低秩转换域与全连接张量分解图像重构方法及装置，包括：S1，输入待修复图像；S2，构建张量分解模型，包括：S2.1，分割输入图像，得到非局部张量块；S2.2，将非局部张量块引入B样条转换域，得到非局部张量块的转换域形式；S2.3，通过非局部张量块，构造非局部相似张量块组；S2.4，联合全连接张量分解，构造全连接张量分解因子；S2.5，构建低秩张量补全模型，并根据S2.1‑2.4进行优化，得到基于非局部低秩转换域与全连接张量分解模型；S3，构建图像修复模型，获取待修复图像，通过张量分解模型得到的修复图像张量块组，得到修复后的图像。使得在光谱图像修复中，整图像重构更加精准。
-
公开(公告)号：CN113835695B
公开(公告)日：2022-02-18
申请号：CN202111408005.4
申请日：2021-11-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于统一后端引擎的深度学习框架与硬件设备适配方法，包括如下步骤：S1：深度学习框架添加统一后端引擎；S2：硬件设备添加统一后端引擎；S3：转换计算图，将深度学习框架编译生成的计算图转换为统一后端引擎的中间表示；S4：编译中间表示，统一后端引擎在硬件设备上编译中间表示生成可执行对象；S5：运行可执行对象，深度学习框架在硬件设备上运行可执行对象；S6：统一后端引擎的内存管理。本发明打通了深度学习框架与硬件设备，将深度学习框架源码与芯片底层软件全面对接，尽可能最大限度地释放芯片的硬件能力，为端侧AI提供强劲算力。
-
Patent Agency Ranking
公开(公告)号：CN113870318A
公开(公告)日：2021-12-31
申请号：CN202111456208.0
申请日：2021-12-02
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多帧点云的运动目标检测系统和方法，系统包括体素特征提取模块，将连续帧点云序列进行体素化，并提取特征张量序列；转换模块，对特征张量序列通过跨模态注意力模块进行匹配融合，将第一特征张量与第二特征张量融合，融合的结果再与第三特征张量融合，再将融合后的结果与第四特征张量融合，在以此类推，得到最终融合后的特征张量；跨模态注意力模块，将两个特征张量，根据注意力机制，通过卷积神经网络融合，得到融合后的特征张量；识别模块，对最终融合后的特征张量进行特征提取，输出目标的检测信息。方法包括：S1，构建各系统模块；S2，通过训练集数据，对模型进行训练；S3，通过训练好的模型进行预测。
-
公开(公告)号：CN113835695A
公开(公告)日：2021-12-24
申请号：CN202111408005.4
申请日：2021-11-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于统一后端引擎的深度学习框架与硬件设备适配方法，包括如下步骤：S1：深度学习框架添加统一后端引擎；S2：硬件设备添加统一后端引擎；S3：转换计算图，将深度学习框架编译生成的计算图转换为统一后端引擎的中间表示；S4：编译中间表示，统一后端引擎在硬件设备上编译中间表示生成可执行对象；S5：运行可执行对象，深度学习框架在硬件设备上运行可执行对象；S6：统一后端引擎的内存管理。本发明打通了深度学习框架与硬件设备，将深度学习框架源码与芯片底层软件全面对接，尽可能最大限度地释放芯片的硬件能力，为端侧AI提供强劲算力。
-
公开(公告)号：CN113642685A
公开(公告)日：2021-11-12
申请号：CN202111213721.7
申请日：2021-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种高效的基于相似度的跨摄像头的目标重识别方法，该方法通过两组待匹配目标，得到多个匹配对及其相似度分数；针对双方均未匹配的匹配对，每次只取其中相似度分数较高的一部分匹配对，按照相似度分数从大到小的顺序遍历，并输出匹配对及其相似度分数，作为匹配结果；当某个匹配对中的任一待匹配目标已在匹配结果中出现，则不能作为匹配结果输出；重复遍历未匹配的匹配对直到匹配结果达到预期。本发明首先解决了基于相似度的多目标匹配问题，并相对于其他多目标匹配方法大幅度降低了时间复杂度，提升了效率。
-
公开(公告)号：CN113364846A
公开(公告)日：2021-09-07
申请号：CN202110602032.9
申请日：2021-05-31
Applicant: 之江实验室
IPC: H04L29/08 , H04L12/863 , H04L7/00
Abstract: 本发明公开一种自适应处理网络延时抖动的数据同步方法及装置，考虑了服务器和客户端双方的时间线，将服务器某一时刻的数据帧在对应时刻同步到客户端，提高了网络数据同步的精准度；自适应调节主动延时时间，缓解网络延时抖动的影响，增加了数据同步的稳定性；动态查找时间线对齐的客户端数据帧，并且应用插值算法得到平滑的采样结果，避免客户端的数据发生跳动。该方法特别适用于在网络延时和抖动明显的情况下数据的实时同步，且对网络丢包的容忍度较高。
-
公开(公告)号：CN111624583B
公开(公告)日：2020-10-30
申请号：CN202010750633.X
申请日：2020-07-30
Applicant: 之江实验室
Abstract: 本发明公开一种考虑速度因素的激光雷达测距的快速数值仿真方法，该方法在仿真过程中充分考虑激光雷达自身和周围环境中物体的运动，其中激光雷达自身的运动不仅包括其装置的整体运动，还包括其激光器的旋转扫描运动，提供了数值仿真的准确度，同时通过引入采样点集合简化了计算量，达到了使用较少计算量来提高了仿真的准确度的效果。该方法特别适用于场景中激光雷达自身和/或周围物体都处于高速运动状态时，此时该方法能实现的仿真精度较现有方法有显著提高。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.036 seconds)
