-
公开(公告)号：CN116229061A
公开(公告)日：2023-06-06
申请号：CN202310022874.6
申请日：2023-01-08
Applicant: 复旦大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/56 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于图像生成的语义分割方法，包括：获取待分割图像，对待分割图像进行归一化处理，并将归一化处理后的待分割图像转换为张量格式的图像，将得到的张量格式的图像输入预先训练好的语义分割模型中，以得到语义分割结果。本发明能够解决现有基于判别式模型的语义分割方法由于知识不足、信息不够丰富，导致该方法无法达到最佳的精度，进而导致准确性和泛化性不佳的技术问题，以及由于该方法必须随着总类别数量的增减来修改像素级分类器的输出通道数，频繁的模型修改会导致时间成本增加的技术问题。
-
公开(公告)号：CN115984403A
公开(公告)日：2023-04-18
申请号：CN202310062786.9
申请日：2023-01-16
Applicant: 复旦大学
Abstract: 本发明公开了一种基于神经编码理论提升分数生成模型生成性能的方法，包括：获取图像数据集在频域空间的统计量Rf，其中图像数据集中的每个图像也都是维数为C·W·H的向量，对获取的图像数据集在频域空间的统计量Rf进行软化处理，以得到软化处理后的统计量将软化处理后的统计量作用在SGM模型的生成过程中所施加的噪声上，并进行循环迭代处理，以获取最终的生成结果xT。本发明能够解决现有SGM模型生成相同质量、数量的图像样本所需要的时间往往是GAN和VAE的几倍乃至几十倍，从而会显著增加时间开销的技术问题，以及现有SGM模型所生成图像的质量也会随着迭代次数的降低大幅下降的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN119261926B
公开(公告)日：2025-04-18
申请号：CN202411376003.5
申请日：2024-09-30
Applicant: 复旦大学
IPC: B60W50/00 , G06N3/0455 , G06N3/09 , B60W60/00
Abstract: 本发明公开了一种基于流式Transformer的自动驾驶轨迹预测方法，包括：获取自动驾驶车辆的独立场景数据，并对该独立场景数据进行预处理，以得到预处理后的连续场景数据，将预处理后的连续场景数据输入预先训练好的的流式Transformer轨迹预测模型中，以获取预测的未来轨迹。本发明能够解决现有轨迹预测方法由于只能有效利用局部窗口中的信息，这与实际应用相冲突，因此导致模型与部署存在较大差异的技术问题；以及由于没有构建时序的场景上下文关系，导致模型应对突发情况能力较弱的技术问题；以及由于没有关注时序间轨迹预测的一致性，导致模型的轨迹预测不够准确，且存在突变的技术问题。
-
公开(公告)号：CN116229063B
公开(公告)日：2024-01-26
申请号：CN202310036249.7
申请日：2023-01-08
Applicant: 复旦大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/56 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于类别色彩化技术的语义分割网络模型的训练方法，其首先获取ADE20K数据集，将数据集划分为训练集和测试集，生成维度为C×3的类别颜色数组，利用训练集对图像特征提取器、离散特征序号分类器和辅助像素分类器进行训练，以得到训练好的图像特征提取器和离散特征序号分类器的权重和多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重，利用训练集、多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重中的一个，对可学习的颜色块‑类别映射模块进行训练。本发明能够解决现有基于判别式模型的语义分割方法由于知识不足、信息不够丰富，导致该方法无法达到最佳的精度，进而导致准确性和泛化性不佳的技术问题。
-
公开(公告)号：CN115984403B
公开(公告)日：2023-07-07
申请号：CN202310062786.9
申请日：2023-01-16
Applicant: 复旦大学
Abstract: 本发明公开了一种基于神经编码理论提升分数生成模型生成性能的方法，包括：获取图像数据集在频域空间的统计量Rf，其中图像数据集中的每个图像也都是维数为C·W·H的向量，对获取的图像数据集在频域空间的统计量Rf进行软化处理，以得到软化处理后的统计量将软化处理后的统计量作用在SGM模型的生成过程中所施加的噪声上，并进行循环迭代处理，以获取最终的生成结果xT。本发明能够解决现有SGM模型生成相同质量、数量的图像样本所需要的时间往往是GAN和VAE的几倍乃至几十倍，从而会显著增加时间开销的技术问题，以及现有SGM模型所生成图像的质量也会随着迭代次数的降低大幅下降的技术问题。
-
公开(公告)号：CN119261926A
公开(公告)日：2025-01-07
申请号：CN202411376003.5
申请日：2024-09-30
Applicant: 复旦大学
IPC: B60W50/00 , G06N3/0455 , G06N3/09 , B60W60/00
Abstract: 本发明公开了一种基于流式Transformer的自动驾驶轨迹预测方法，包括：获取自动驾驶车辆的独立场景数据，并对该独立场景数据进行预处理，以得到预处理后的连续场景数据，将预处理后的连续场景数据输入预先训练好的的流式Transformer轨迹预测模型中，以获取预测的未来轨迹。本发明能够解决现有轨迹预测方法由于只能有效利用局部窗口中的信息，这与实际应用相冲突，因此导致模型与部署存在较大差异的技术问题；以及由于没有构建时序的场景上下文关系，导致模型应对突发情况能力较弱的技术问题；以及由于没有关注时序间轨迹预测的一致性，导致模型的轨迹预测不够准确，且存在突变的技术问题。
-
公开(公告)号：CN116229063A
公开(公告)日：2023-06-06
申请号：CN202310036249.7
申请日：2023-01-08
Applicant: 复旦大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/56 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于类别色彩化技术的语义分割网络模型的训练方法，其首先获取ADE20K数据集，将数据集划分为训练集和测试集，生成维度为C×3的类别颜色数组，利用训练集对图像特征提取器、离散特征序号分类器和辅助像素分类器进行训练，以得到训练好的图像特征提取器和离散特征序号分类器的权重和多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重，利用训练集、多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重中的一个，对可学习的颜色块‑类别映射模块进行训练。本发明能够解决现有基于判别式模型的语义分割方法由于知识不足、信息不够丰富，导致该方法无法达到最佳的精度，进而导致准确性和泛化性不佳的技术问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
