-
公开(公告)号：CN112998710B
公开(公告)日：2025-04-29
申请号：CN202110271226.5
申请日：2021-03-12
Applicant: 复旦大学
Abstract: 本发明涉及一种驾驶员状态监测装置，包括监测盒子和导联脑电帽，其中，监测盒子包括壳体，摄像头、信号灯、显示屏和集成电路板，显示屏和摄像头均位于壳体的正面，集成电路板位于壳体的内部并且连接摄像头、信号灯和显示屏，集成电路板集成无线接收模块和主芯片；导联脑电帽包括防水织物带、监测电极和监测单元，防水织物带的两端设有连接单元，监测电极分布在防水织物带中间一侧，监测单元位于防水织物带中间的另一侧并且连接监测电极，监测单元集成无线发送模块、数模转换器和信号放大器。与现有技术相比，本发明可以同步监测驾驶员的脑电波信号，结合人脸识别技术可以对心理活动更加精确的预判，从而对驾驶员进行及时的提醒，监测效果更佳。
-
公开(公告)号：CN114898124B
公开(公告)日：2025-02-14
申请号：CN202210509390.X
申请日：2022-05-10
Applicant: 复旦大学
IPC: G06V10/70 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/042 , G06N3/096 , G06N3/086 , G06N3/0895
Abstract: 本发明属于机器学习技术领域，具体为一种多智能体在线进化学习的机器学习方法。本发明方法包括：在OEL场景中，在局部区域内，有多个智能体模型在实时获取感知数据，同时结合少量的有标注数据进行不断的学习与智能体模型更新；多个智能体模型通过交互学习实现知识迁移；每个智能体模型都在面临大量的无标注non‑i.i.d感知数据，结合多个智能体模型的自身能力对这些感知数据进行有效的联合处理；其中采用相互匹配(MM)算法，用于模型之间的知识共享和持续学习，以稳定模型的泛化能力，保证各智能体在OEL环境中获得更好的性能提升。本发明方法可以减少大量的数据标注需求，利用多模型的知识共享提高整个感知系统的性能。
-
公开(公告)号：CN119357903A
公开(公告)日：2025-01-24
申请号：CN202411921111.6
申请日：2024-12-25
Applicant: 复旦大学
IPC: G06F18/25 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/24 , G06F21/62
Abstract: 本发明涉及一种基于多源层次语义融合和跨层校准的域泛化方法及系统，涉及机器学习域泛化技术领域。所述方法包括：在每个源域上独立训练得到源域模型，提取和学习局部数据的语义特征；将各个源域模型的参数在不同的网络层级上进行加权平均，并引入语义相似性度量进行模型权重分配，聚合各个语义特征；利用注意力机制对聚合后的语义特征进行跨层级的对齐校准操作，对融合后的源域模型进行性能评估，并根据性能评估结果调整语义校准的强度。从多个源域中提取并融合关键的语义特征，可以增强模型的泛化性能；由于源域模型是在每个源域上独立训练的，且通过数据无关的方式进行语义聚合，避免了原始数据的直接共享，可以保护数据隐私。
-
公开(公告)号：CN113002558B
公开(公告)日：2024-06-28
申请号：CN202110343762.1
申请日：2021-03-30
Applicant: 复旦大学
Abstract: 本发明涉及一种基于脑电信号的残疾人辅助智能驾驶系统，包括脑电信息采集帽、信号处理模块和车辆控制模块，信号处理模块分别与脑电信息采集帽和车辆控制模块无线通信连接，脑电信息采集帽佩戴于残疾人驾驶员头上，车辆控制模块与车辆通信连接；脑电信息采集帽采集残疾人驾驶员六个通道的运动想象脑电信号，信号处理模块利用至少两种卷积神经网络对运动想象脑电信号进行解码，输出脑电解码信号并发送至车辆控制模块，车辆控制模块将脑电解码信号与驾驶车辆运行指令进行接口对接，驱动车辆运行实现辅助智能驾驶，与现有技术相比，本发明具有可靠性高、适用范围广等优点。
-
公开(公告)号：CN113762099B
公开(公告)日：2023-10-03
申请号：CN202110952822.X
申请日：2021-08-19
Applicant: 复旦大学
IPC: G06T17/20 , G06V20/54 , G06V10/26 , G06V20/70 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/0985 , G06N3/042 , G06N5/04
Abstract: 本发明属于室外场景实时点云三维重建技术领域，具体为一种基于路侧RSU的实时点云三维重构方法。本发明方法包括：设置包含摄像头的路侧RSU，进行车路场景中多RGB摄像头的数据采集，为三维重建提供充分的数据支持；构建室外三维场景实时重建模型；其中，采用端到端的人工智能方法代替传统重建中的部分过程，对室外场景进行高分辨实时三维重建；构建融合语义分割优化三维模型；其中，采用语义分割的方法结合一些模型先验对已经建立的模型进行补充，实现三维完整重建。本发明将室内成熟的三维重加算法改变为室外大规模场景的算法，完善和加强室外三维场景重建水平；可广泛应用于类似车路场景的各类室外大规模场景中。
-
Patent Agency Ranking
公开(公告)号：CN115565161A
公开(公告)日：2023-01-03
申请号：CN202211299132.X
申请日：2022-10-24
Applicant: 复旦大学
Abstract: 本发明公开了一种基于统一融合特征的多模态车辆驾驶风格识别方法；其包括以下步骤：（1）对多模态数据进行预处理操作，以便于下一步的特征提取阶段；预处理操作包括加入随机噪声、归一化处理、小波去噪和滑动窗口切分；（2）将数据集分为训练集和测试集，通过三个特征提取子网提取统一的统计、时间、空间和特征，再采用注意力对三种特征进行高效融合；（3）计算分类的联合损失并通过反向传播优化网络参数，得到最优驾驶风格识别模型。本发明仅需使用智能手机即可实现车辆的驾驶风格检测，具备低成本、高灵活性和可交互性；本发明可以同时提取基于时空和统计信息的关键特征并且对模块中的参数具备低敏感度。
-
公开(公告)号：CN115496862A
公开(公告)日：2022-12-20
申请号：CN202211300822.2
申请日：2022-10-24
Applicant: 复旦大学
Abstract: 本发明公开了一种基于SPIN模型的实时三维重建方法和系统；该系统包括：图像接收模块：接收来自远程摄像模块的RGB图片；图像预处理模块：对RGB图片进行归一化和标准化处理；神经网络模块：使用预处理后的图片信息生成SMPL模型参数；结果后处理模块：对模型参数进行改写和封装，使其适合网络传输；结果传输模块：将后处理的人体模型参数传输给VR客户端。本发明通过引入堆叠沙漏模型并使用重投影损失和人体着装差异化损失，有效地提升了不同人体体型的重建效果。同时本发明对模型进行轻量化改造，通过仔细设计数据格式使得模型在网络环境满足实时性要求。
-
公开(公告)号：CN113536920B
公开(公告)日：2022-06-17
申请号：CN202110652497.5
申请日：2021-06-11
Applicant: 复旦大学
IPC: G06V20/64 , G06V10/25 , G06V10/26 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/194 , G06T7/73
Abstract: 本发明公开了一种半监督三维点云目标检测方法。其包括如下步骤：（1）对输入教师模型和学生模型的点云进行随机下采样，教师模型的随机下采样数据作为教师模型的输入；（2）将学生模型的随机下采样数据经过随机变换，作为学生模型的输入；（3）训练学生模型时使用标签数据同步训练教师模型，每一次迭代后将训练好的学生模型作为教师模型进一步训练，通过教师网络对无标签的数据进行挖掘，得到伪标签用于指导学生网络的学习，获得三维点云目标检测结果。本发明可以减少三维目标检测深度学习模型对数据标签的依赖，降低数据标注的成本；使用部分标签就达到同样模型使用100%标签的精度；本实验模型泛化能力强，能够用到多种深度学习模型中。
-
公开(公告)号：CN113538534B
公开(公告)日：2022-05-20
申请号：CN202110700487.4
申请日：2021-06-23
Applicant: 复旦大学
Abstract: 本发明属于纳米成像技术领域，具体为一种基于深度强化学习的纳米成像的图像配准方法。本发明方法包括构建深度强化学习网络模型、利用该网络进行图像配准；网络模型包括两个分支；一个分支包括一个全连接层，输入为动作序列；一个分支包括两个卷积层和池化层，输入为选取的参考图片和待配准图片；输出为表示策略函数的的动作概率分布；图像配准部分，设计8种动作序列来对待配准的图像进行微调；具体包括：对待配准图像进行重采样；将待配准图像和参考图像和重采样图像输入构建的网络模型中，输出策略动作的概率分布。本发明速度快、精度高、鲁棒性好、适应性强；全自动进行图像配准，摆脱了手动标记的麻烦。
-
公开(公告)号：CN113538456B
公开(公告)日：2022-03-18
申请号：CN202110692455.4
申请日：2021-06-22
Applicant: 复旦大学
Abstract: 本发明公开了一种基于GAN网络的图像软分割及背景替换系统。该系统包括图像软分割和背景替换两部分。图像软分割部分用于预测原始图像的前景以及alpha值，共包含五个模块：输入模块，全文组合模块，残差网络模块，金字塔场景解析模块和轻量级交互式分支模块；背景替换部分用于背景替换，生成高分辨率的背景替换图，其包括生成器模型和判别器模型。本发明的有益效果在于：其能减轻图像软分割过程中辅助图制作带来的繁重任务，能在获得高精度的分割图像的前提下，结合图像生成进行背景替换。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.051 seconds)
