-
公开(公告)号:CN118230273A
公开(公告)日:2024-06-21
申请号:CN202410520857.X
申请日:2024-04-28
Applicant: 济南大学
IPC: G06V20/56 , G06V10/20 , G06V10/40 , G06V10/82 , G06V10/80 , G06V10/766 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种融合深度学习与几何建模的鲁棒性车道线检测方法,首先利用基于空间变换的卷积神经网络网络对预处理后的车载图像进行关键特征提取,将生成后的特征图进行水平翻转处理,再将原始特征图和翻转后的特征图进行有效融合得到聚合特征图,采用数据驱动的策略拟合并重建三次样条曲线,形成一种可自适应学习的车道线几何模型,最后,通过分类分支和回归分支输出预测结果,精确估计出三次样条曲线的控制点和车道线存在的概率。本发明在确保曲线检测所特有的低计算复杂度优势前提下,实现了鲁棒性和准确性的统一,为自动驾驶及其他相关应用领域提供了坚实可靠的技术。
-
公开(公告)号:CN117238313A
公开(公告)日:2023-12-15
申请号:CN202311132110.9
申请日:2023-09-04
Applicant: 济南大学产业技术研究院有限公司
Abstract: 本发明属于音频信号处理技术领域,提供了一种基于梅尔谱和深度学习的西瓜成熟度无损检测方法及系统,对音频信息进行预加重处理、分帧处理、加窗处理和短时傅里叶变换,利用音频信息频域比时域蕴含特征信息丰富的特点,将音频信息从时域转换到频域,获得音频的频谱特征,将获得的频谱特征转换为梅尔谱特征,进行降维,利用梅尔谱可以保留主要频谱特征的特点,解决了降维使得特征蕴含较少的问题,将获得的频谱特征转换为梅尔谱特征,通过降维减少了检测模型的复杂度和计算开销,也解决了如果西瓜品种或检测设备发生改变时,采用手工选择特征方式导致的检测效果差的问题。
-