-
公开(公告)号：CN110879994A
公开(公告)日：2020-03-13
申请号：CN201911213392.9
申请日：2019-12-02
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机深度强化学习、模式识别领域，具体涉及了一种基于形状注意力机制的三维目测检测方法、系统、装置，旨在解决单阶段检测器精度低于两阶段检测器，而两级检测器耗时大、不适用于实时系统的问题。本发明包括：通过三维网格体素表示点云数据；提取特征并编码空间稀疏特征图；投影到顶视图后提取不同尺度特征；采用反卷积层合并特征；通过注意力权重及卷积编码层提取形状注意力特征图；通过目标分类网络和回归定位网络获取目标类别和目标位置、尺寸、方向。本发明使用基于距离约束的采样策略以及基于形状先验的注意力机制，缓解数据分布不均匀导致的不稳定，改善单阶段检测器缺乏形状先验的问题，精度高、耗时短、实时性强、鲁棒性好。
-
公开(公告)号：CN118887643B
公开(公告)日：2025-05-13
申请号：CN202410800983.0
申请日：2024-06-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种目标感知方法、装置、系统、电子设备及存储介质，该方法包括：识别目标移动体的全景环视鸟瞰图像中的第一感知目标，并在全景环视鸟瞰图像中生成用于标注识别到的第一感知目标的第一标识框；将全景环视鸟瞰图像中第一标识框上距离目标移动体的几何中心最近的点，确定为第一标识框对应的目标点，基于第一标识框对应的目标点以及第一边框尺寸阈值，对第一标识框进行裁剪，将裁剪后的第一标识框确定为第二标识框；基于第二标识框，获取第一感知目标在真实世界中的位置信息，作为目标移动体的目标感知结果。本发明提供的目标感知方法、装置、系统、电子设备及存储介质，能提高基于全景鸟瞰图像进行目标感知的准确率。
-
公开(公告)号：CN115953337B
公开(公告)日：2025-02-11
申请号：CN202210574054.3
申请日：2022-05-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种高分辨率人体图像生成方法、装置、设备及介质其中方法包括：确定源人体图像和目标姿势；基于图像生成模型，应用源人体图像和目标姿势，生成目标姿势对应的低分辨率人体图像，并基于源人体图像，对低分辨率人体图像进行上采样，生成目标姿势对应的高分辨率人体图像；图像生成模型是基于样本图像对训练得到的，样本图像对包括样本目标姿势、样本源人体图像、样本目标姿势低分辨率图像和样本目标姿势高分辨率图像，该方法通过目标姿势对应的低分辨率人体图像进行有条件上采样，得到目标姿势对应的高分辨率人体图像，实现了在保证高分辨率人体图像质量的同时，降低了图像生成模型的计算量，提高了生成高分辨率人体图像的稳定性。
-
公开(公告)号：CN116977635B
公开(公告)日：2024-04-16
申请号：CN202310890134.4
申请日：2023-07-19
Applicant: 中国科学院自动化研究所
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/096 , G06N3/09
Abstract: 本发明涉及计算机视觉技术领域，提供一种类别增量语义分割学习方法及语义分割方法，通过将当前阶段的图像样本输入至当前阶段的主网络模型，得到第一结果，通过图像样本中的类别标签与对第一结果进行划分得到的第三结果，采用二分类约束方法计算增量学习损失，通过将当前阶段的图像样本输入至前一阶段的语义分割模型，得到第二结果，并通过第二结果与对第一结果进行划分得到的第四结果计算知识蒸馏损失。通过采用二分类约束方法，可以对增量学习过程中保持前阶段所学习旧知识和学习现阶段新知识两个目标进行解耦，从而使第三结果的有监督学习以及对第四结果的知识蒸馏这两个过程的独立进行，加强语义分割模型最终对所有已知类别的语义分割效果。
-
公开(公告)号：CN117541508A
公开(公告)日：2024-02-09
申请号：CN202311450923.2
申请日：2023-11-02
Applicant: 中国科学院香港创新研究院人工智能与机器人创新中心有限公司 , 中国科学院自动化研究所
Abstract: 本发明提供一种图像复原模型训练方法、复原方法、装置、设备和介质，训练方法包括：获取不同天气类型下的至少两张天气图像、与天气图像分别对应的至少两张干净图像，以及初始模型；对至少两张天气图像进行插值处理，得到混合天气图像，并对至少两张干净图像进行插值处理，得到混合干净图像；基于混合天气图像和混合干净图像，对初始模型进行参数迭代，得到图像复原模型。本发明提供的图像复原模型训练方法、复原方法、装置、设备和介质，图像复原模型更具有鲁棒性和通用性，可以处理各种天气类型下的图像复原任务，从而能够减少图像复原复杂度，提升图像复原效率。
-
Patent Agency Ranking
公开(公告)号：CN117037138A
公开(公告)日：2023-11-10
申请号：CN202310922895.3
申请日：2023-07-25
Applicant: 中国科学院自动化研究所
IPC: G06V20/64 , G06V10/44 , G06V10/774 , G06V10/764 , G06T7/73
Abstract: 本发明涉及计算机视觉领域，提供一种三维目标检测方法、装置、电子设备和存储介质，其中方法包括：获取二维图像中待检测目标的候选三维检测框；将所述候选三维检测框中的网格点投影至所述二维图像的仿射视角，并在所述仿射视角下进行特征采样，得到所述网格点的点采样特征；基于所述网格点的点采样特征，确定所述候选三维检测框的三维框特征，并基于所述三维框特征对所述候选三维检测框进行降重，得到最终三维检测框。本发明提供的三维目标检测方法、装置、电子设备和存储介质，能够提升最终检测结果精度。
-
公开(公告)号：CN116822151A
公开(公告)日：2023-09-29
申请号：CN202310628583.1
申请日：2023-05-30
Applicant: 中国科学院自动化研究所
IPC: G06F30/20 , G06Q10/0639 , G06F111/04 , G06F111/08
Abstract: 本发明提供一种基于闭环任务模型的自主性评价方法、装置、设备及介质，其中方法包括：获取闭环任务模型；对闭环任务模型的各评价环节的链状关系进行建模，并基于链状关系，获取概率图模型；基于概率图模型，得到各评价环节对应的自主性评分；对各评价环节对应的自主性评分进行整合，得到无人系统的目标自主性评分。本发明提供的方法、装置、设备及介质，基于闭环任务模型的各评价环节的链状关系获取概率图模型，基于概率图模型，得到各评价环节对应的自主性评分，对自主性评分进行整合，得到无人系统的目标自主性评分，由此，对无人系统的自主性评价进行显示建模，提高无人系统的自主性评价的准确性，也提高了无人系统的自主性评价的效率。
-
公开(公告)号：CN116758318A
公开(公告)日：2023-09-15
申请号：CN202310655993.5
申请日：2023-06-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于隐式神经表征的无监督新类别发现方法、装置及设备，其中方法包括：获取待分割图像，并对待分割图像进行分割，得到初始子实例分割集合；基于神经辐射场模型，渲染待分割图像的隐式神经表征，将隐式神经表征作为待分割图像的语义特征，并基于语义特征计算交叉熵，得到待分割图像的熵特征；将语义特征和熵特征进行特征融合，得到融合特征；基于初始子实例分割集合中各个子实例的覆盖范围，从融合特征中提取得到子实例特征集合；对子实例特征集合进行聚类，得到待分割图像的语义分割结果。本发明提供的方法、装置及设备，利用神经辐射场模型实现对3D空间的隐式编码，显著降低了内存消耗，提高了新类别的识别准确率。
-
公开(公告)号：CN111126327B
公开(公告)日：2023-09-15
申请号：CN201911391910.6
申请日：2019-12-30
Applicant: 中国科学院自动化研究所
IPC: G06V20/56 , G06V10/40 , G06V10/762 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种车道线检测方法、系统、车载系统及车辆，所述获取多幅原始图像及对应的标签；根据各原始图像及对应的标签，建立基于标签的特征提取网络；根据特征提取网络，提取各原始图像对应的回归特征图和前后背景分类的特征图；根据回归特征图和前后背景分类的特征图，得到车道线区域的偏差值；根据所述车道线区域的偏差值分离出各车道线；将分离后的各车道线进行拟合处理，得到拟合线；根据当前待检测图像，从各所述拟合线中选择出所述当前待检测图像对应的拟合线，得到检测结果。本发明在整个计算过程中不需要估计密度，从而可大大提高聚类的效率，降低计算量，提高计算机性能，同时提高车道线检测速度。
-
公开(公告)号：CN115953337A
公开(公告)日：2023-04-11
申请号：CN202210574054.3
申请日：2022-05-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种高分辨率人体图像生成方法、装置、设备及介质其中方法包括：确定源人体图像和目标姿势；基于图像生成模型，应用源人体图像和目标姿势，生成目标姿势对应的低分辨率人体图像，并基于源人体图像，对低分辨率人体图像进行上采样，生成目标姿势对应的高分辨率人体图像；图像生成模型是基于样本图像对训练得到的，样本图像对包括样本目标姿势、样本源人体图像、样本目标姿势低分辨率图像和样本目标姿势高分辨率图像，该方法通过目标姿势对应的低分辨率人体图像进行有条件上采样，得到目标姿势对应的高分辨率人体图像，实现了在保证高分辨率人体图像质量的同时，降低了图像生成模型的计算量，提高了生成高分辨率人体图像的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.033 seconds)
