公开(公告)号：CN115953355A

公开(公告)日：2023-04-11

申请号：CN202211530403.8

申请日：2022-11-30

Applicant: 重庆长安汽车股份有限公司

Inventor： 吴犀 ,  张琦 ,  唐康 ,  吴锐 ,  单玉梅

IPC: G06T7/00 ,  G06T7/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及深度学习技术领域，提供一种图像阴影检测的处理方法，所述方法包括：获取图像数据集；对图像训练数据集进行标准化处理，生成标准图像数据集；对所述标准图像数据集进行标签提取处理，生成标签图像数据集；将所述标签图像数据集输入初始卷积神经网络模型进行优化处理，生成目标卷积神经网络模型；将所述标签图像数据集输入所述目标卷积神经网络模型中进行训练处理，生成残差转换网络模型；以及将图像测试数据集输入至所述残差转换网络模型中进行阴影检测处理，生成阴影检测图像数据。本发明能够对阴影特征图的边缘进行精细化的学习，使阴影特征图具有较好的鲁棒性。

公开(公告)号：CN117197610A

公开(公告)日：2023-12-08

申请号：CN202311085631.3

申请日：2023-08-25

Applicant: 重庆长安汽车股份有限公司

Inventor： 吴犀 ,  唐康 ,  尹旭 ,  董楠 ,  吴锐

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V10/30 ,  G06V20/58 ,  G06V10/20 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请涉及一种模型训练方法、装置、设备及存储介质，涉及深度学习技术领域。该方法包括：可以获取训练图像；有遮挡物图像和无遮挡物图像为不同场景下的图像；接着，可以基于图像处理网络确定第一处理图像和第二处理图像；之后，可以将第一处理图像和无遮挡物图像输入到第一图像判别网络中，以得到第一损失，以及将第二处理图像和有遮挡物图像输入到第二图像判别网络中，以得到第二损失；这样，可以基于损失集对待训练模型进行训练，以得到图像处理模型；图像处理模型用于去除待处理图像中的遮挡物。由此，通过不同场景的有遮挡物图像和无遮挡物图像便可以训练去除遮挡物的图像处理模型，以使得训练去除遮挡物的模型更加方便。

公开(公告)号：CN116244123A

公开(公告)日：2023-06-09

申请号：CN202310000923.6

申请日：2023-01-03

Applicant: 重庆长安汽车股份有限公司

Inventor： 尹旭 ,  唐康 ,  方柱 ,  吴锐

IPC: G06F11/22 ,  G06F11/26 ,  G06V20/58 ,  G06V10/26 ,  G06V10/764

Abstract: 本发明属于智能驾驶技术领域，具体涉及一种感知模型测试方法、设备及存储介质。一种感知模型测试方法，应用于一种感知模型测试设备，所述感知模型测试设备包括有通信模块和感知模块，所述感知模块用于车端场景的模型进行在线测评，所述方法包括：将感知模块中预设的多个感知模型部署在车端；所述通信模块与测试车辆的中控系统进行通信，判断测试车辆驾驶状态；在人工驾驶状态下，关闭所述测试车辆的冗余算法，加载所述感知模块中的感知模型，对多个感知模型的输出结果进行差异比较，并进行在线评价，生成对应的事件；所述通信模块与云端进行通信，将所述事件上传至云端。实现车端场景的模型在线评测。