-
公开(公告)号：CN112966135B
公开(公告)日：2022-03-29
申请号：CN202110160697.9
申请日：2021-02-05
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于注意力机制和门控机制的图文检索方法和系统，属于跨模态检索领域。本发明通过注意力机制快速筛选出有价值的信息，以获取更加精确的特征表达，在此基础上，为了使模态之间的对应关系更加显著，通过将两种模态的数据互相作为监督信息，并引入门控机制对另一模态特征进行进一步的调整，以尽可能多地过滤掉不必要的信息，保留语义丰富的部分，最终获得具有足够通用语义和准确注意力的图像特征，从而有效地提高跨模态检索模型的性能。
-
公开(公告)号：CN117391177A
公开(公告)日：2024-01-12
申请号：CN202311688320.6
申请日：2023-12-11
Applicant: 华中科技大学
IPC: G06N3/0895 , G06N3/045 , G06N3/096 , G06N3/0464 , G06V10/80 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种驾驶员行为检测模型的构建方法及应用，属于驾驶员行为检测技术领域；所构建的模型包括特征感知学习模块；特征感知学习模块为对ResNet50网络改进后的网络；上述改进方法包括：在ResNet50网络结构的基础上，在其后三个阶段中的普通卷积模块之后均插入一个全局上下文建模模块，并将其后两个阶段的普通卷积模块替换为可变形卷积模块；对于后三个阶段中的任一阶段，其输出为其输入与其内全局上下文建模模块的输出融合后的结果；本发明通过全局上下文建模和可变形卷积自适应地调整感受野，捕获长距离依赖，补偿图像细节的损失，从而克服复杂光照条件和图像质量低所带来的挑战，实现了准确度较高的驾驶员行为检测。
-
公开(公告)号：CN116071374B
公开(公告)日：2023-09-12
申请号：CN202310185940.1
申请日：2023-02-28
Applicant: 华中科技大学
IPC: G06T7/10 , G06V10/25 , G06V10/82 , G06V10/80 , G06V10/762 , G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种车道线实例分割方法及系统，属于智能交通技术领域，方法包括：采用深度神经网络对输入图像进行各种层次特征的提取；采用注意力机制对输入图像的高层语义特征和中层特征分配不同的通道注意力分数和空间注意力分数；采用分配了注意力分数后的特征图构建特征金字塔；采用实时实例分割算法通过构建预测头和掩膜原型，获取初始实例分割检测结果；依次使用非极大值抑制算法和车道线几何特征评分方法对初始实例分割检测结果进行筛选，获取最终的实例分割结果。本发明解决了在目前实例分割方法在车道线检测场景中普遍存在的因为非极大值抑制算法出现的检测结果漏检或抑制不全的问题，同时依然满足实时而准确的车道线检测。
-
公开(公告)号：CN109271539A
公开(公告)日：2019-01-25
申请号：CN201811007151.4
申请日：2018-08-31
Applicant: 华中科技大学
IPC: G06F16/51 , G06F16/58 , G06F16/583 , G06K9/62
CPC classification number: G06K9/6267 , G06K9/629
Abstract: 本发明公开了一种基于深度学习的图像自动标注方法及装置，包括：利用深度学习技术提取待标注图像的视觉特征；利用图像库构建待标注图像的候选标签集，并利用深度学习技术从待标注图像的候选标签集中提取待标注图像的语义特征；融合待标注图像的视觉特征和语义特征以得到待标注图像的高层特征；根据待标注图像的高层特征，利用深度学习技术计算图像库中各标签在标注待标注图像时的概率；根据待标注图像的高层特征，利用深度学习技术预测待标注图像所需的标签个数；根据所计算的标签概率和所预测的标签个数，利用概率最高的前N个标签对待标注图像进行标注；本发明能够建立低层特征和高层语义标签之间的联系，从而提升图像标注的准确度。
-
公开(公告)号：CN117558145A
公开(公告)日：2024-02-13
申请号：CN202311303978.0
申请日：2023-10-09
Applicant: 北京英泰智科技股份有限公司 , 华中科技大学
Abstract: 本发明实施例公开一种基于车路协同的特种车辆信号优先控制方法及装置，涉及智能交通技术领域，能够保障特种车辆的优先通行。包括：实时获取交叉路口的交通数据信息，所述交通数据信息包括：交叉路口各方向的车辆数量、排队长度、车辆类型；根据所述交通数据信息确定抓拍到的车辆类型为特种车辆时，控制交通灯进入应急阶段；所述应急阶段为特种车辆优先通行阶段；在所述应急阶段根据预设算法控制交通灯的相位使得所述特种车辆优先通行；在所述特种车辆通行后控制所述交通灯进入常规阶段，所述常规阶段为交通灯信号正常切换的阶段。本发明适用于特种车辆通行场景中。
-
Patent Agency Ranking
公开(公告)号：CN117423249A
公开(公告)日：2024-01-19
申请号：CN202311302824.X
申请日：2023-10-09
Applicant: 北京英泰智科技股份有限公司 , 华中科技大学
Abstract: 本发明实施例公开一种车路云协作的公交优先方法及系统，涉及智能交通技术领域。为保障优先公交线路效率而发明。该方法包括：接收车端发送的优先申请，所述优先申请中包括根据车端、路端和公交业务云平台的数据信息得到的参数信息；根据所述参数信息调整提交优先申请的时机；向信号机提交所述优先申请，以使所述信号机对所述优先申请进行响应。本发明适用于实际道路公交运行场景中。
-
公开(公告)号：CN115690752A
公开(公告)日：2023-02-03
申请号：CN202211371954.4
申请日：2022-11-03
Applicant: 北京英泰智科技股份有限公司 , 华中科技大学
IPC: G06V20/59 , G06V20/52 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种驾驶员行为检测方法及装置，应用于智能交通监控系统，包括：其中方法包括如下步骤：对交通监控环境下采集的驾驶员行为数据进行人工标注，建立驾驶员异常行为检测数据集；然后根据驾驶员异常行为检测数据集的特点，利用注意力机制和改进的深度残差神经网络，构建一种能够快速准确识别驾驶员异常行为的轻量化检测模型；再对构建的数据集进行预处理，利用预处理后的数据集进行训练；最后利用训练后的模型对驾驶员图像进行检测，实现对驾驶员异常行为的检测。本发明能够有效地提高驾驶员行为检测的准确度，具有良好的实时性和迁移性。
-
公开(公告)号：CN115661771A
公开(公告)日：2023-01-31
申请号：CN202211227720.2
申请日：2022-10-09
Applicant: 北京英泰智科技股份有限公司 , 华中科技大学
IPC: G06V20/56 , G06V10/40 , G06V10/77 , G06V10/774 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于不均匀锚的车道线边沿实时检测方法和系统，属于车道线检测领域。包括：将待检测道路场景图像输入至训练好的检测模型中的主干网络，得到N个车道线边沿图像；检测模型通过以下方式训练：采用训练数据集训练检测模型；训练数据集包括多个道路场景图像，每个道路场景图像的目标标签为该图像中所有车道线的边沿线在不均匀锚驱动下生成的N个标注图像，所述目标标签维度为N×总列锚数×总行锚数。本发明采用多种不均匀分布锚的设置，越靠近ROI顶部或越靠近车道线区域的锚分布越密集，越远离ROI顶部或越远离车道线区域的锚分布越稀疏，可以更好地表达车道边沿线的形状，提高对于远离车辆的车道线以及曲线车道线的检测结果准确率。
-
公开(公告)号：CN109271539B
公开(公告)日：2020-11-24
申请号：CN201811007151.4
申请日：2018-08-31
Applicant: 华中科技大学
IPC: G06F16/51 , G06F16/58 , G06F16/583 , G06K9/62
Abstract: 本发明公开了一种基于深度学习的图像自动标注方法及装置，包括：利用深度学习技术提取待标注图像的视觉特征；利用图像库构建待标注图像的候选标签集，并利用深度学习技术从待标注图像的候选标签集中提取待标注图像的语义特征；融合待标注图像的视觉特征和语义特征以得到待标注图像的高层特征；根据待标注图像的高层特征，利用深度学习技术计算图像库中各标签在标注待标注图像时的概率；根据待标注图像的高层特征，利用深度学习技术预测待标注图像所需的标签个数；根据所计算的标签概率和所预测的标签个数，利用概率最高的前N个标签对待标注图像进行标注；本发明能够建立低层特征和高层语义标签之间的联系，从而提升图像标注的准确度。
-
公开(公告)号：CN102591918A
公开(公告)日：2012-07-18
申请号：CN201110424775.8
申请日：2011-12-16
Applicant: 华中科技大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于多智能体系统的遥感影像检索方法，通过设计并实现包括特征智能体、协作智能体、粗检智能体和精检智能体在内的各类智能体各自的任务分工以及协作方式，实现遥感影像中各类视觉特征的并行提取和各类视觉特征相似度的并行计算；通过多智能体对用户反馈意见的学习和多智能体之间的相互协作，自适应地优化各类视觉特征在综合特征中所占权重，最终实现符合人类视觉感知特性的遥感影像检索。本发明方法与传统方法相比，能有效改进传统的遥感影像检索在检索特征的单一性、客观性以及检索效率方面存在的不足，从而有效提高检索性能。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.028 seconds)
