-
公开(公告)号：CN109882019A
公开(公告)日：2019-06-14
申请号：CN201910043911.5
申请日：2019-01-17
Applicant: 同济大学
IPC: E05F15/73
Abstract: 本发明涉及一种基于目标检测和动作识别的汽车电动尾门开启方法，该方法包括步骤：1)预先利用车身自有的车载环视摄像头获取车辆外部人员的特定动作视频，并将视频图像作为训练数据；2)采用YOLO目标检测算法对车载环视摄像头采集的视频进行人体检测并定位人体动作区域；3)对检测出的人体动作区域进行筛选，获取主目标框；4)对检测出的人体动作区域抽取特征信息，并将特征信息进行聚类，获取动作基元序列并建立动作模板；5)采用DTW算法对当前动作基元序列与动作模板进行匹配，完成动作识别；6)汽车电动尾门识别特定动作后开启。与现有技术相比，本发明具有降低成本、识别智能化程度高等优点。
-
公开(公告)号：CN118736196A
公开(公告)日：2024-10-01
申请号：CN202410827436.1
申请日：2024-06-25
Applicant: 同济大学
IPC: G06V10/25 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06V20/40
Abstract: 本发明涉及一种用于目标检测的多分支神经网络的动态推理方法，包括以下步骤：设置多分支神经网络的推理路径；建立基于卷积神经网络的多分支神经网络；设置多分支神经网络的传递蒸馏训练策略；将图像输入多分支神经网络中，根据传递蒸馏训练策略进行训练，根据推理路径更新决策信息，得到目标检测结果。与现有技术相比，本发明具有实时性高、计算精度与成本的平衡调节灵活等优点。
-
公开(公告)号：CN116502678A
公开(公告)日：2023-07-28
申请号：CN202310441519.2
申请日：2023-04-23
Applicant: 同济大学
IPC: G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种基于手机协同嵌入式设备的深度学习任务执行系统及方法，该系统包括相互通信连接的嵌入式设备(用作任务主体)和智能手机(用作协作设备)，二者之间基于预设的流水线协作方案，实现深度学习任务的并行协同处理。该方法包括：采用训练集剪枝的方式，构建深度学习网络模型；确定当前任务场景下的通信时间、嵌入式设备以及智能手机的数据处理时间，并结合设定的判断条件，确定出流水线方案；按照该流水线方案，将深度学习网络模型搭载于嵌入式设备或智能手机，由嵌入式设备接收输入数据，并与智能手机协同执行深度学习任务。与现有技术相比，本发明适应多种深度学习任务场景，能够加快任务执行速度、确保实时性、提高任务执行效果。
-
公开(公告)号：CN107590320A
公开(公告)日：2018-01-16
申请号：CN201710735865.6
申请日：2017-08-24
Applicant: 同济大学
IPC: G06F17/50
Abstract: 本发明涉及一种动态故障树生成方法，该方法包括如下步骤：(1)建立系统运行状态模型以及LTL形式的安全性需求P，P为一系列子安全需求的逻辑组合；(2)以为顶事件，子安全需求逻辑非运算为中间事件，根据逻辑关系使用逻辑门连接，表示逻辑非；(3)采用系统运行状态模型对子安全需求进行检测，若系统运行状态模型违反子安全需求则对应输出违反对应子安全需求的系统状态路径；(4)根据子安全需求逻辑非运算的LTL公式以及违反子安全需求的系统状态路径生成动态故障树。与现有技术相比，本发明故障树生成的效率高，故障树准确度高。
-
公开(公告)号：CN102637438B
公开(公告)日：2013-07-17
申请号：CN201210081506.0
申请日：2012-03-23
Applicant: 同济大学
IPC: G10L21/0208
Abstract: 本发明涉及一种语音滤波方法，包括以下步骤：1)采集带噪声的语音信号作为输入信号；2)采用功率谱相减法对输入信号进行初步去噪处理；3)对初步去噪后的语音信号采用二阶扩展卡尔曼滤波算法进行消噪处理；4)对步骤3)处理后的语音信号采用二阶扩展卡尔曼平滑算法消去尖峰毛刺；5)判断经步骤4)处理后的语音信号是否收敛，若为是，则输出该语音信号，若为否，则对所述的语音信号进行平方根扩展卡尔曼滤波后执行步骤6)；6)判断进行平方根扩展卡尔曼滤波后的语音信号是否收敛，若为是，则输出该语音信号，若为否，则通过增益矩阵加权的方法得到收敛的语音信号，并输出。与现有技术相比，本发明具有噪声小、信号收敛性好等优点。
-
Patent Agency Ranking
公开(公告)号：CN102637438A
公开(公告)日：2012-08-15
申请号：CN201210081506.0
申请日：2012-03-23
Applicant: 同济大学
IPC: G10L21/02
Abstract: 本发明涉及一种语音滤波方法，包括以下步骤：1)采集带噪声的语音信号作为输入信号；2)采用功率谱相减法对输入信号进行初步去噪处理；3)对初步去噪后的语音信号采用二阶扩展卡尔曼滤波算法进行消噪处理；4)对步骤3)处理后的语音信号采用二阶扩展卡尔曼平滑算法消去尖峰毛刺；5)判断经步骤4)处理后的语音信号是否收敛，若为是，则输出该语音信号，若为否，则对所述的语音信号进行平方根扩展卡尔曼滤波后执行步骤6)；6)判断进行平方根扩展卡尔曼滤波后的语音信号是否收敛，若为是，则输出该语音信号，若为否，则通过增益矩阵加权的方法得到收敛的语音信号，并输出。与现有技术相比，本发明具有噪声小、信号收敛性好等优点。
-
公开(公告)号：CN109902018B
公开(公告)日：2021-12-31
申请号：CN201910173898.5
申请日：2019-03-08
Applicant: 同济大学
Abstract: 本发明涉及一种智能驾驶系统测试案例的获取方法，该方法针对图像分类问题，将神经网络模型攻击问题形式化为优化问题；并利用演化算法迭代运算，实现对神经网络模型的黑箱对抗，同时，采用基于神经网络对抗样本制导的方式来生成智能车的测试库。与现有技术相比，本发明可自动获取有效的测试案例库，并具有保证以100％成功率攻击目标模型的同时，确保了攻击策略的可拓展性等优点。
-
公开(公告)号：CN109306834B
公开(公告)日：2020-10-02
申请号：CN201810870550.7
申请日：2018-08-02
Applicant: 同济大学
Abstract: 本发明涉及一种基于视觉的汽车电动尾门开启方法，用于对车辆外部人员的特定动作进行识别以判断是否开启电动尾门，包括步骤：1)预先利用车身自有的车载环视摄像头获取车辆外部人员的特定动作视频作为训练数据；2)进行预处理及特征提取，获取训练动作基元序列；3)开启车载环视摄像头，对当前动作进行拍摄及处理；4)对当前视频图像获取动作特征序列，并计算当前动作序列；5)对当前动作序列与训练动作基元序列进行匹配，获取两个序列的平均距离；6)将平均距离与设定的阈值作比较，若平均距离小于设定的阈值，则判定动作发生，开启尾门，否则，判定未检测到特定动作。与现有技术相比，本发明具有降低成本、识别准确率高等优点。
-
公开(公告)号：CN109306834A
公开(公告)日：2019-02-05
申请号：CN201810870550.7
申请日：2018-08-02
Applicant: 同济大学
Abstract: 本发明涉及一种基于视觉的汽车电动尾门开启方法，用于对车辆外部人员的特定动作进行识别以判断是否开启电动尾门，包括步骤：1)预先利用车身自有的车载环视摄像头获取车辆外部人员的特定动作视频作为训练数据；2)进行预处理及特征提取，获取训练动作基元序列；3)开启车载环视摄像头，对当前动作进行拍摄及处理；4)对当前视频图像获取动作特征序列，并计算当前动作序列；5)对当前动作序列与训练动作基元序列进行匹配，获取两个序列的平均距离；6)将平均距离与设定的阈值作比较，若平均距离小于设定的阈值，则判定动作发生，开启尾门，否则，判定未检测到特定动作。与现有技术相比，本发明具有降低成本、识别准确率高等优点。
-
公开(公告)号：CN104035865B
公开(公告)日：2017-02-01
申请号：CN201410239663.9
申请日：2014-05-30
Applicant: 同济大学
IPC: G06F11/36
Abstract: 本发明涉及一种程序运行时的监测点优化部署方法，包括：步骤S1：将被监测执行的程序代码用层次结构模型表示；步骤S2：读取模块信息，设一个监测点部署方案作为初始解；步骤S3：构造评价监测点的目标函数E(M)，并计算初始解的目标函数值并保存：步骤S4：读取模块信息、初始解及目标函数值，进行模拟退火算法，得到一个优化的监测点部署方案。与现有技术相比，本发明具有过程简单灵活、实用性强、效率高等优点，解决了程序运行时的监测点部署不合理的问题。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.016 seconds)
