-
公开(公告)号：CN109212472B
公开(公告)日：2020-10-27
申请号：CN201810757255.0
申请日：2018-07-11
Applicant: 中国科学院信息工程研究所
IPC: G01S5/02
Abstract: 本发明涉及一种面向噪声环境下的室内无线定位方法及装置。该方法包括：1)部署无线信号接收模块，获取无线信号数据；2)对无线信号数据进行量测噪声和过程噪声的自适应估计，得到信号的特征数据；3)对特征数据进行归一化处理，将信道状态信息数据转化成特征图数据；4)将特征图数据输入到若干个多层的残差神经网络中，分别获得一个输出向量；5)对各个残差神经网络的输出向量做平均操作，并从中找出响应最大值，响应最大值经过数据还原后得到预测的最终位置。本发明能够解决当前目标跟踪方法在资源受限环境下无法完成噪声自适应、定位精度差等实际部署问题，适用于机器人、无人车、无人机、信息推送、安防等领域的物体定位追踪问题。
-
公开(公告)号：CN106022300A
公开(公告)日：2016-10-12
申请号：CN201610388492.5
申请日：2016-06-02
Applicant: 中国科学院信息工程研究所
CPC classification number: G06K9/00818 , G06K9/6256 , G06K9/6267 , G06K9/6288 , G06K2209/25
Abstract: 本发明提供了一种基于级联深度学习的交通标志识别方法和系统，引入级联卷积神经网络的思想，对目标标志样本空间进行扩充，添加更多具有监督性的样本，目的是为了使得交通标志的识别加入更多的先验信息，使进行识别器训练的样本空间有更高的监督性。该方法能更充分地利用标志的各种特征信息，弥补现有基于神经网络的交通标志识别的不足，从而提高标志的检测和识别率。
-
公开(公告)号：CN106022300B
公开(公告)日：2019-07-05
申请号：CN201610388492.5
申请日：2016-06-02
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供了一种基于级联深度学习的交通标志识别方法和系统，引入级联卷积神经网络的思想，对目标标志样本空间进行扩充，添加更多具有监督性的样本，目的是为了使得交通标志的识别加入更多的先验信息，使进行识别器训练的样本空间有更高的监督性。该方法能更充分地利用标志的各种特征信息，弥补现有基于神经网络的交通标志识别的不足，从而提高标志的检测和识别率。
-
公开(公告)号：CN109212472A
公开(公告)日：2019-01-15
申请号：CN201810757255.0
申请日：2018-07-11
Applicant: 中国科学院信息工程研究所
IPC: G01S5/02
Abstract: 本发明涉及一种面向噪声环境下的室内无线定位方法及装置。该方法包括：1)部署无线信号接收模块，获取无线信号数据；2)对无线信号数据进行量测噪声和过程噪声的自适应估计，得到信号的特征数据；3)对特征数据进行归一化处理，将信道状态信息数据转化成特征图数据；4)将特征图数据输入到若干个多层的残差神经网络中，分别获得一个输出向量；5)对各个残差神经网络的输出向量做平均操作，并从中找出响应最大值，响应最大值经过数据还原后得到预测的最终位置。本发明能够解决当前目标跟踪方法在资源受限环境下无法完成噪声自适应、定位精度差等实际部署问题，适用于机器人、无人车、无人机、信息推送、安防等领域的物体定位追踪问题。
-
-
-
Search Results
4
records
(took 0.021 seconds)
