-
公开(公告)号：CN119693823A
公开(公告)日：2025-03-25
申请号：CN202411725983.5
申请日：2024-11-28
Applicant: 中电信无人科技(江苏)有限公司
IPC: G06V20/17 , G06V20/40 , G06V10/25 , G06V10/764 , G06V10/30
Abstract: 本发明公开了基于视觉大模型的全场景地物分割的处理方法及系统，属于计算机视觉技术领域。包括以下步骤：获取无人机拍摄的视频数据，对视频中图像数据进行预处理；通过预设信息，使用Grounding DINO检测图像数据中的类别，使用SAM分割模型获取检测到的框的实例分段掩码；使用CLIPSeg获取类别的一次分割掩码；在一次割掩码中确定采样点，并将采样点输入至SAM分割模型以获得类别的二次分割掩码；将一次分割掩码与二次分割掩码结合，得到全景分割结果。相较于现有技术，本发明的有益之处在于，解决了传统SAM分割模型不具备物体之间文本识别和语义分析能力，实现了根据提示词进行无人机视角图片的全场景分割。
-
公开(公告)号：CN119810123A
公开(公告)日：2025-04-11
申请号：CN202510288691.8
申请日：2025-03-12
Applicant: 中电信无人科技(江苏)有限公司
IPC: G06T7/11 , G06N3/0464 , G06N3/0475 , G06T5/60 , G06T5/73
Abstract: 本发明公开了一种基于Kolmogorov‑Arnold算法的无人机视角建筑图像目标分割方法，包括：在KAN模块中引入DRconv模块，得到改进后的DR‑KAN模块，将U‑Net网络的编码器中的特征提取模块替换成改进后的DR‑KAN模块，构建得到建筑图像目标分割模型；所述建筑图像目标分割模型的输入数据为无人机采集到的图像，输出结果为建筑物分割图像；对建筑图像目标分割模型的分割结果进行后处理。本发明能够提高对无人机拍摄的建筑高维特征图的提取能力，提升了分割的泛化能力和准确性。
-
公开(公告)号：CN119168174B
公开(公告)日：2025-04-11
申请号：CN202411671449.0
申请日：2024-11-21
Applicant: 中电信无人科技(江苏)有限公司
Abstract: 本发明提供一种基于无人机的车流预测方法、系统及设备，所述方法包括：获取无人机采集的图片集，对所述图片集进行预处理得到图片数据集，所述图片数据集中包括多个图片数据；采用车道分割模型获取每一图片数据包含的特征车道；将所述图片数据集输入预先训练得到的车流预测模型中，基于每一图片数据对每一特征车道进行车流预测，得到所述特征车道的拥堵类型。
-
公开(公告)号：CN119672569A
公开(公告)日：2025-03-21
申请号：CN202411721820.X
申请日：2024-11-28
Applicant: 中电信无人科技(江苏)有限公司
IPC: G06V20/17 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的无人机视角密集小目标检测方法及装置，属于目标检测技术领域。针对现有技术中存在的YOLOv7网络对于密集小目标特征提取能力不足的问题，本发明通过采集无人机图像数据集，从无人机图像数据集中获取密集小目标图像，对密集小目标图像预处理；构建基于YOLOv7的密集小目标检测模型，密集小目标检测模型包括骨干网络、颈部网络和头部网络；其中，在密集小目标检测模型中增加小目标检测头，在头部网络中引入密集检测模块；通过密集小目标检测模型对密集小目标图像进行检测，得到检测结果。由此，通过改进YOLOv7检测头，引入密集检测模块增加对密集小目标区域的二次推理，显著提升密集小目标检测效果。
-
公开(公告)号：CN119580136A
公开(公告)日：2025-03-07
申请号：CN202510008498.4
申请日：2025-01-03
Applicant: 中电信无人科技(江苏)有限公司
IPC: G06V20/17 , G06N3/045 , G06N3/0464 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的无人机低空视角目标检测方法及装置，属于计算机视觉技术领域。该方法包括：对采集的目标检测物图像数据集进行数据增强，将增强后的目标检测物图像数据集划分为训练集、验证集和测试集；在YOLOV7‑OBB模型的主干网络中增加注意力机制模块；基于训练集对YOLOV7‑OBB模型训练，基于验证集对训练过程中的YOLOV7‑OBB模型评估，得到训练好的YOLOV7‑OBB模型；将测试集输入到训练好的YOLOV7‑OBB模型中进行目标检测得到检测结果。通过增强目标检测物图像数据集和增加注意力机制模块，使得YOLOV7‑OBB模型充分学习目标的关键特征信息，显著提高检测精度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119600406A
公开(公告)日：2025-03-11
申请号：CN202411628738.2
申请日：2024-11-14
Applicant: 中电信无人科技(江苏)有限公司
IPC: G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V20/17 , G06V20/40 , G06V20/70
Abstract: 本申请公开了一种目标检测神经网络训练方法，其所训练的目标检测神经网络是以YOLO v7算法为基础改进的，其中该目标检测神经网络包含分别对应至骨干网络的第一层阶至第四层阶的颈部网络与四个检测头。
-
公开(公告)号：CN118896593B
公开(公告)日：2025-02-18
申请号：CN202411356664.1
申请日：2024-09-27
Applicant: 中电信无人科技(江苏)有限公司
Abstract: 本申请公开了一种基于无人机倾斜摄影的目标定位方法，涉及无人机摄影领域，包括：构建基于神经网络的目标检测模型，输出目标在相片中的像素坐标，以及相片中心点的像素坐标；获取无人机和相机的状态参数；将目标的像素坐标和相片中心点的像素坐标，分别转换为目标像平面坐标（x，y）和相片中心点像平面坐标；采用UTM投影或高斯‑克吕格投影将无人机的经纬度转换为投影坐标；根据相片中心点的像素坐标，计算相片中心点在地面的投影坐标；计算目标在地面投影坐标系下的坐标；采用UTM反投影或高斯‑克吕格反投影，将目标在地面投影坐标系下的坐标转换为目标在地面的经纬度坐标；针对现有技术中无人机摄影测量精度低，本申请提高了精度。
-
公开(公告)号：CN119226489A
公开(公告)日：2024-12-31
申请号：CN202411757503.3
申请日：2024-12-03
Applicant: 中电信无人科技(江苏)有限公司
IPC: G06F16/332 , G06F16/338 , G06F16/31 , G06F40/284 , G06F18/214 , G06F18/2413 , G06F18/25
Abstract: 本发明公开了一种基于Telechat大模型的处理方法及系统，属于语言模型技术领域。包括以下步骤：采集文本知识并进行预处理；根据已预处理的文本知识构建知识库，并分解知识库的文本知识、使用文本向量化工具将文本知识转换成数值型向量且存储；构建集成检索器，检索知识库并对检索结果融合排序；基于融合排序后的检索结果，构建提示词，驱动Telechat大模型输出结果。相较于现有技术，本发明的有益之处在于，在基础RAG技术上，使用三种不同层级检索策略进行融合检索，获得更准确和可信的检索结果，实现通用大模型在各个领域中的专业化问答，增强RAG技术对通用大模型的辅助作用，加速各个领域大模型的落地使用。
-
公开(公告)号：CN118896593A
公开(公告)日：2024-11-05
申请号：CN202411356664.1
申请日：2024-09-27
Applicant: 中电信无人科技(江苏)有限公司
Abstract: 本申请公开了一种基于无人机倾斜摄影的目标定位方法，涉及无人机摄影领域，包括：构建基于神经网络的目标检测模型，输出目标在相片中的像素坐标，以及相片中心点的像素坐标；获取无人机和相机的状态参数；将目标的像素坐标和相片中心点的像素坐标，分别转换为目标像平面坐标（x，y）和相片中心点像平面坐标；采用UTM投影或高斯‑克吕格投影将无人机的经纬度转换为投影坐标；根据相片中心点的像素坐标，计算相片中心点在地面的投影坐标；计算目标在地面投影坐标系下的坐标；采用UTM反投影或高斯‑克吕格反投影，将目标在地面投影坐标系下的坐标转换为目标在地面的经纬度坐标；针对现有技术中无人机摄影测量精度低，本申请提高了精度。
-
公开(公告)号：CN118865696A
公开(公告)日：2024-10-29
申请号：CN202411359863.8
申请日：2024-09-27
Applicant: 中电信无人科技(江苏)有限公司 , 中国电信股份有限公司无人科技技术创新中心
Abstract: 本申请公开了一种交通拥堵检测方法、装置、电子设备及非易失性存储介质。其中，该方法包括：获取监测区域的视频影像，并确定视频影像中每个图像帧中的车辆目标框，其中，视频影像是由无人机采集的监测区域的道路图像；确定车辆目标框对应的标识符，其中，同一图像帧中的每个车辆目标框对应一个标识符，不同图像帧中同一车辆所对应的车辆目标框的标识符相同；依据具有相同标识符的车辆目标框在不同图像帧中的位置，确定每个车辆经过监测区域的流动速度；依据每个车辆的流动速度，确定监测区域对应的道路的交通状态。本申请解决了相关技术中传统的监测方式监测范围窄、灵活性差的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
