-
公开(公告)号：CN112305493B
公开(公告)日：2023-07-21
申请号：CN202011205868.7
申请日：2020-11-02
Applicant: 重庆大学 , 西安电子科技大学 , 重庆米弘科技有限公司
Abstract: 本发明涉及深海测距技术领域，具体涉及一种基于光信标检测的深海视觉测距方法。本发明通过对水下相机拍摄到的深海光信标图进行分析，测量相同光信标在不同深海距离时两两间的距离，将它们与水下相机到光信标的真实深海距离组成数据对，训练构建出深海视觉测距模型，基于光信标近大远小的原理，能够通过拍摄到的深海光信标图对水下相机到最近的光信标的距离进行预测，仅需光信标相互位置关系和相互之间的成像距离便可预测出水下相机与光信标之间的距离，受到海水的影响很小，精确性高，并且拍摄后可以及时的处理得到距离的预测值，有着良好的实时性。
-
公开(公告)号：CN115773720A
公开(公告)日：2023-03-10
申请号：CN202211663782.8
申请日：2022-12-23
Applicant: 重庆米弘科技有限公司 , 西安电子科技大学 , 重庆大学 , 中国科学院深海科学与工程研究所
IPC: G01B11/02
Abstract: 本发明涉及一种基于光学视觉的水下目标尺寸测量的装置和方法，该装置包括水下相机、多个水下激光器、转台和数据处理模块，该方法包括：建立光斑图像与水下相机之间的距离D与光斑图案周长L之间的映射关系；所述转台从水下目标物的起始位置D1转到水下目标物的末端位置D2，记录转台的旋转角度α，同时拍摄D1和D2处水下目标物表面的光斑图像；采用数据处理模块对D1和D2对应的光斑图像进行处理，得到光斑图像周长L1和L2；通过D与L之间的映射关系得到D1和D2；计算得到水下目标物的实际尺寸M。本发明能够用于水下目标尺寸的测量，具有操作简单、水质环境适应性好、精度高、结构简单、复杂度低的特点，便于推广应用。
-
公开(公告)号：CN113137920B
公开(公告)日：2022-09-23
申请号：CN202110542914.0
申请日：2021-05-19
Applicant: 重庆大学 , 西安电子科技大学 , 中国科学院深海科学与工程研究所 , 重庆米弘科技有限公司
Abstract: 本发明涉及一种水下测量的设备与水下测量方法，该方法包括：数据准备、目标距离测量和目标尺寸测量。在数据准备阶段，首先在水中利用光学相机检测四束激光的光斑；然后根据四点光斑的位置对有角度偏转的图像进行校正；最后以四个光斑之间的像素作为输入，真实距离为标签，建立距离与像素之间的映射关系，构成数据集；在距离测量阶段，基于获得的数据集，建立幂函数回归模型实现测距；在目标尺寸测量阶段，基于图像人工辅助标记和小孔成像原理，测量目标尺寸大小，实现图像比例尺。本发明能够用于水下距离和目标尺寸测量，且无论目标是否有角度偏转；基于图像的激光测量方法，具有测量速度快，精度高，性能稳定等优点。
-
公开(公告)号：CN119227764A
公开(公告)日：2024-12-31
申请号：CN202411272021.9
申请日：2024-09-11
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种面向大规模图神经网络的高效微批次训练方法及装置，引入了一种基于消息传递构建的辅助图，并基于此设计了一种图划分方法，该方法基于源节点的出度为边分配权重，能够有效地将共享相同源节点的目标节点分入同一微批次以减少节点冗余，通过尽可能均匀地分配出度高的节点到不同微批次来减少负载不平衡；此外，本发明优化了出度中心图划分过程，消除了每个训练周期都需要重新划分的开销，并且引入了一种特定于微批次的数据加载机制，提高了训练过程中微批数据加载的效率，减少了数据准备的开销。本发明能够克服大规模图神经网络训练面临的内存墙问题并使得超出GPU内存容量的大规模图神经网络训练变为可行且高效。
-
Patent Agency Ranking
公开(公告)号：CN115222045A
公开(公告)日：2022-10-21
申请号：CN202210836727.8
申请日：2022-07-15
Applicant: 西安电子科技大学广州研究院
Abstract: 本发明公开了一种面向混合精度人工智能模型训练的高效优化器,包括：性能建模模块、运行时图重写模块、张量核使用优化模块；性能建模模块用于根据给定算子的输入大小预测精度转换成本以及预测所述算子的低精度执行时间；运行时图重写模块用于确定和分配所述算子的数据精度；张量核使用优化模块用于优化使用低精度执行的算子的性能。本发明综合利用性能建模和转换成本感知的图重写策略，能将一组算子使用低精度时的转换成本降至最低；CaAMP对上层用户是透明的，不需要修改任何模型脚本和超参数；在保持神经网络模型训练精度的同时，将混合精度分配给神经网络的每个算子，以实现训练性能和能效最大化。
-
公开(公告)号：CN112305493A
公开(公告)日：2021-02-02
申请号：CN202011205868.7
申请日：2020-11-02
Applicant: 重庆大学 , 西安电子科技大学 , 重庆米弘科技有限公司
Abstract: 本发明涉及深海测距技术领域，具体涉及一种基于光信标检测的深海视觉测距方法。本发明通过对水下相机拍摄到的深海光信标图进行分析，测量相同光信标在不同深海距离时两两间的距离，将它们与水下相机到光信标的真实深海距离组成数据对，训练构建出深海视觉测距模型，基于光信标近大远小的原理，能够通过拍摄到的深海光信标图对水下相机到最近的光信标的距离进行预测，仅需光信标相互位置关系和相互之间的成像距离便可预测出水下相机与光信标之间的距离，受到海水的影响很小，精确性高，并且拍摄后可以及时的处理得到距离的预测值，有着良好的实时性。
-
公开(公告)号：CN118965029A
公开(公告)日：2024-11-15
申请号：CN202411042753.9
申请日：2024-07-31
Applicant: 西安电子科技大学
IPC: G06F18/23 , G08G1/01 , G06N3/0455 , G06N3/09 , G06F123/02
Abstract: 本发明提供了一种基于特征聚类的交通时间序列低成本存储与数据重建方法包括：通过对分段交通时间序列作时频分解得到n1维频率序列，并结合道路拓扑有向图输入至已构建的交通序列压缩及重建深度模型中，以执行训练过程，并在训练过程中首先提取输入对象的特征再作有监督聚类得到n2维特征类集合；设计损失函数重复调整有监督聚类的分类参数直至达到训练截止条件，得到交通时间序列特征数据库；根据重建需求中的时间序列时间戳和所属路网，从交通时间序列特征数据库中提取出序列初始值、n2维特征类集合及所属路网对应的道路拓扑有向图进行重建得到重建后的交通流时间序列。本发明降低了大规模交通流数据存储所需的空间，从而减少了存储成本。
-
公开(公告)号：CN113137920A
公开(公告)日：2021-07-20
申请号：CN202110542914.0
申请日：2021-05-19
Applicant: 重庆大学 , 西安电子科技大学 , 中国科学院深海科学与工程研究所 , 重庆米弘科技有限公司
Abstract: 本发明涉及一种水下测量的设备与水下测量方法，该方法包括：数据准备、目标距离测量和目标尺寸测量。在数据准备阶段，首先在水中利用光学相机检测四束激光的光斑；然后根据四点光斑的位置对有角度偏转的图像进行校正；最后以四个光斑之间的像素作为输入，真实距离为标签，建立距离与像素之间的映射关系，构成数据集；在距离测量阶段，基于获得的数据集，建立幂函数回归模型实现测距；在目标尺寸测量阶段，基于图像人工辅助标记和小孔成像原理，测量目标尺寸大小，实现图像比例尺。本发明能够用于水下距离和目标尺寸测量，且无论目标是否有角度偏转；基于图像的激光测量方法，具有测量速度快，精度高，性能稳定等优点。
-
公开(公告)号：CN116189285A
公开(公告)日：2023-05-30
申请号：CN202211650143.8
申请日：2022-12-21
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于人车路协同的行人意图预警系统及方法，系统包括：路侧端、行人端和车端，所述路侧端,用于检测道路行人信息和车辆信息，与所述行人端和所述车端进行信息交互；所述行人端,用于检测行人的移动状态，并将所述移动状态发送至所述路侧端，同时接收来自所述路侧端的预警信息；所述车端,用于检测车辆的移动状态以及位置信息，发送至所述路侧端，并接收来自所述路侧端的预警信息，发出预警。本发明能够通过路侧设备和行人端设备实现对于路口及横穿道路行人的行为意图的精准判断，对于具有危险意图的行人能够提前捕捉，将预警传达给在此路口或道路上正在行驶的车辆和特定行人，实现基于人车路协同下的行人意图预警。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.052 seconds)
