-
公开(公告)号：CN119624983A
公开(公告)日：2025-03-14
申请号：CN202311169178.4
申请日：2023-09-12
Applicant: 中国电子科技南湖研究院
IPC: G06T7/11 , G06V10/774 , G06V10/82 , G06V20/70 , G06T7/136
Abstract: 本发明提出一种实时性实例分割的方法，涉及计算机视觉技术领域，该方法包括如下步骤：步骤1，对数据集进行清洗；步骤2，对清洗后的数据集进行预处理；步骤3，建立轻量化的目标检测模型nanoDet，在nanoDet的路径聚合网络PAN的一层中加入原型预测网络proto_net，用以获取掩模原型，掩模原型的尺寸为(1,c,h,w),其中，1是预测的图片的数量，h和w分别是预测出的掩模的长和宽，c代表预测c个通道的掩模；步骤4，训练模型，确定实例分割模型的参数；步骤5：输入图片，预测实例分割结果。本发明在nanoDet模型的基础上增加实例分割功能，达到和nanoDet模型相当的实时性效果。
-
公开(公告)号：CN113887888B
公开(公告)日：2024-11-19
申请号：CN202111079754.7
申请日：2021-09-15
Applicant: 中国电子科技南湖研究院
IPC: G06Q10/063 , G06Q50/26 , G06F16/36 , G06F16/2458 , G06F16/28 , G06N5/022 , G06N5/04
Abstract: 本发明提供了一种联合打击目标自适应评分及关联推荐方法、系统和存储介质。该方法包括：获取目标实体关系数据；构建目标知识图谱超网络；生成知识图谱初始推理向量；优化知识图谱初始推理向量；补全目标知识图谱；进行火力打击目标的关联推荐。本发明将知识图谱推理技术引入到联合火力打击目标体系构建中，实现了目标关联关系的自动链接；建立了复杂超网络体系中的涌现性评估指标模型，实现了打击目标超网络的涌现性价值度量；实现了指挥员优选打击目标的关联推荐和最优推荐，提升了辅助决策智能化水平。
-
公开(公告)号：CN114022949A
公开(公告)日：2022-02-08
申请号：CN202111137014.4
申请日：2021-09-27
Applicant: 中国电子科技南湖研究院
IPC: G06V40/20
Abstract: 本发明公开了一种基于运动模型的事件相机运动补偿方法及装置，按照预先设置的时间窗依次读取事件相机输出的事件序列，将时间窗内的事件序列转换为平均时间面，并获取平均时间面的质心，采用索贝尔算子对平均时间面进行卷积操作，计算得到平均时间面的水平和垂直梯度，采用梯度下降法更新运动模型的参数，采用更新后运动模型的参数，对事件位置进行更新。本发明通过建立运动模型对事件位置进行更新，来达到运动补偿的效果，能够有效对事件累加造成的高速运动目标的运动模糊进行运动补偿。
-
公开(公告)号：CN114387277B
公开(公告)日：2025-04-22
申请号：CN202111551202.1
申请日：2021-12-17
Applicant: 中国电子科技南湖研究院
IPC: G06T7/10 , G06T7/136 , G06N3/0455 , G06N3/0495 , G06N3/08
Abstract: 本发明公开了一种基于事件序列训练神经网络实现目标分割的方法及装置。所述分割方法包括：获取目标的事件序列，利用预定长度的时间窗将所述事件序列转换事件帧；将所述事件帧输入经过训练的目标分割网络，得到目标分割图；以及基于设定阈值将所述目标分割图分割为二值图。本发明采用事件相机获取目标事件序列，通过训练神经网络完成高速目标分割，仅需标注和训练几类目标即可完成对未经过训练的目标分割，具有类别无关特性。并且，能有效避免噪声的干扰，同时具有较强的环境适应性，在暗光下同样具有很好的鲁棒性。
-
公开(公告)号：CN115661341A
公开(公告)日：2023-01-31
申请号：CN202211260872.2
申请日：2022-10-14
Applicant: 中国电子科技南湖研究院
IPC: G06T17/00 , G06T7/73 , G06V20/70 , G06V10/26 , G06V10/80 , G06V10/75 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多传感器融合的实时动态语义建图方法与系统，包括：提取彩色图像序列中每一帧彩色图像的特征点，得到第一特征点集，通过语义分割网络对彩色图像序列和深度图像序列逐帧进行语义分割，得到各帧的语义分割结果；通过动态物体分割网络对事件帧序列逐帧进行动态物体分割，得到各帧的动态物体区域，基于第一特征点集去除各帧动态物体区域内的特征点，得到第二特征点集；将第二特征点集中的每一帧与前一帧的特征点进行特征匹配，并结合非线性优化方法得到全局最优相机位姿序列；基于语义分割结果、全局最优相机位姿序列和深度图像完成语义八叉树建图。本发明显著提高语义建图的准确性和实时性。
-
Patent Agency Ranking
公开(公告)号：CN114387277A
公开(公告)日：2022-04-22
申请号：CN202111551202.1
申请日：2021-12-17
Applicant: 中国电子科技南湖研究院
Abstract: 本发明公开了一种基于事件序列训练神经网络实现目标分割的方法及装置。所述分割方法包括：获取目标的事件序列，利用预定长度的时间窗将所述事件序列转换事件帧；将所述事件帧输入经过训练的目标分割网络，得到目标分割图；以及基于设定阈值将所述目标分割图分割为二值图。本发明采用事件相机获取目标事件序列，通过训练神经网络完成高速目标分割，仅需标注和训练几类目标即可完成对未经过训练的目标分割，具有类别无关特性。并且，能有效避免噪声的干扰，同时具有较强的环境适应性，在暗光下同样具有很好的鲁棒性。
-
公开(公告)号：CN114170295A
公开(公告)日：2022-03-11
申请号：CN202111288053.4
申请日：2021-11-02
Applicant: 中国电子科技南湖研究院
Abstract: 本发明公开了一种基于混合视觉的高空抛物检测方法及装置，同时搭载并配准事件相机和常规摄像机对被监测楼宇进行实时监测，事件相机基于产生的事件序列，检测运动目标，获取运动目标位置，采用卡尔曼滤波算法对运动目标的位置进行跟踪校正，将检测得到的运动目标与已知运动目标进行关联，建立运动目标的跟踪列表，判断运动目标是否为高空抛物，如果是，则上报运动目标的位置和时间，根据上报的运动目标的时间，截取常规摄像机拍摄的视频图像保存。本发明结合事件相机和常规摄像头的混合视觉，受光照影响小，当抛物与背景颜色相近、尺寸较小、运动太快或黑夜条件时，误报率低，定位性能高。
-
公开(公告)号：CN114056328A
公开(公告)日：2022-02-18
申请号：CN202111281663.1
申请日：2021-11-01
Applicant: 中国电子科技南湖研究院
IPC: B60W30/095 , B60W40/02 , B60W60/00
Abstract: 本发明提出的一种基于DQN实现车辆L3级自动驾驶的行人避让方法，包括：通过所述自动驾驶车辆的传感器探测前方是否存在行人和周边是否存在车辆；根据所述探测的行人和车辆的信息，以及所述自动驾驶车辆的行驶路线的超车道是否具有其他车辆确定所述DQN训练后的行人避让策略。本发明利用DQN以较低的训练成本实现了L3级自动驾驶行人避让策略。
-
公开(公告)号：CN114037741A
公开(公告)日：2022-02-11
申请号：CN202111187057.3
申请日：2021-10-12
Applicant: 中国电子科技南湖研究院
Abstract: 本发明公开了一种基于事件相机的自适应目标检测方法及装置，选定初始时间和事件重构间隔时间，将在事件重构间隔时间范围内的所有事件组成一个事件窗，获取事件窗对应的均值时间图，初始化自适应目标框的中心点位置和边长，在均值时间图中画出初始目标框，迭代计算当前目标框内所有事件点位置的均值和标准差，并更新目标框直到满足迭代终止条件。本发明实现过程简单且算力要求小，在轻量化平台实现也能达到理想效果。
-
公开(公告)号：CN113888607A
公开(公告)日：2022-01-04
申请号：CN202111024841.2
申请日：2021-09-02
Applicant: 中国电子科技南湖研究院
Abstract: 本发明提供了一种基于事件相机的目标检测与跟踪方法、系统和存储介质。该方法包括：读取DVS事件序列，进行背景降噪处理；设置时间窗；初始化卡尔曼滤波的参数；把时间窗内的DVS事件序列转为归一化平均时间面；在归一化平均时间面中，进行目标事件去噪；检测目标的位置，同时采用卡尔曼滤波预测目标位置，但初始位置由检测来决定；计算当前时刻检测到的目标位置与上一时刻目标位置的距离，根据距离信息平衡检测位置与卡尔曼滤波预测的位置，从而决定当前时刻目标的位置；进行轨迹平滑；移动到下一时间窗重复上述步骤，直至DVS事件序列结束。本发明具有低延迟、避免噪声干扰、避免检测位置不准确、防止目标框抖动的特点。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.032 seconds)
