-
公开(公告)号：CN115935294A
公开(公告)日：2023-04-07
申请号：CN202310009344.8
申请日：2023-01-03
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提供一种驾驶员意图识别模型建立方法、装置、设备及介质，涉及到汽车智能交互技术领域，驾驶员意图识别模型建立方法包括步骤如下：采集摄像头图像数据、雷达数据及车辆传感器数据；根据采集的信息进行处理得到样本数据，将样本数据放到训练模型中训练得到驾驶员意图识别模型，得到驾驶员意图识别模型后，输入新的样本数据可识别得到驾驶员驾驶意图结果。本发明根据驾驶员意图识别模型实现了驾驶员意图的准确识别，具有很强的实用性。
-
公开(公告)号：CN115713168A
公开(公告)日：2023-02-24
申请号：CN202211511816.1
申请日：2022-11-29
Applicant: 重庆长安汽车股份有限公司
IPC: G06Q10/04 , G06Q10/109 , G06Q50/30 , G06F18/241 , G06F18/23
Abstract: 本申请涉及汽车辅助功能技术领域，特别涉及一种用车出行时间预测方法、装置、服务器及存储介质，其中，包括：获取用户的用车数据集；识别用车数据集中满足有效用车条件的有效出行时间数据；根据有效出行时间数据的个数计算聚类算法的最小包含点数，并根据有效出行时间数据的开始时间对应位置之间的平均距离计算聚类算法的扫描半径；根据聚类算法的扫描半径和最小包含点数进行密度聚类，得到每个有效出行时间段的一个或多个聚类时间，基于每个有效出行时间段的一个或多个聚类时间预测用户的用车出行时间。由此，解决了相关技术中无法更加精准的预测用户多样性的用车时间，导致无法满足用户的用车需求，用户体验感较差等问题。
-
公开(公告)号：CN114565436A
公开(公告)日：2022-05-31
申请号：CN202210190361.1
申请日：2022-02-28
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提出一种基于时序建模的物品推荐系统、方法、设备及存储介质，在wide‑and‑deep模型中通过用户ID增强个性化，考虑用户和物品的相关信息，把用户ID这一离散属性进行编码，降低维度，训练双塔模型，更新，当网络达到最优状态时，获得具有物理意义的空间向量，从向量中提取隐含着用户的个性化偏好。本发明加入用户ID增强推荐的个性化、充分利用LSTM结合attention技术对用户行为序列建模，充分挖掘用户偏好。通过对行为序列进行双向循环挖掘提高推荐结果的准确性、多样性的同时减少耗时耗力的特征工程。
-
公开(公告)号：CN116204648A
公开(公告)日：2023-06-02
申请号：CN202310341243.0
申请日：2023-03-31
Applicant: 重庆长安汽车股份有限公司
IPC: G06F16/35 , G06F18/214 , G06F18/24
Abstract: 本申请实施例提供一种样本确定方法、装置、计算机设备及计算机可读存储介质，涉及数据处理技术领域。样本确定方法包括：获取车辆的至少一个特征信息和至少一个分类信息；根据每个特征信息，生成预设数量的特征文本样本；基于分类信息，对每个特征文本样本添加标签，得到车辆的文本样本集；根据每个标签对应的特征文本样本的数量，对文本样本集中的样本进行数量均衡，确定车辆的目标样本集。基于特征信息和分类信息，确定文本样本集，能够得到足够数量的样本，避免了样本数量不足对算法模型的迭代训练的影响。同时，生成的样本分布均衡、标签准确且可靠性强。
-
公开(公告)号：CN115534848A
公开(公告)日：2022-12-30
申请号：CN202211295261.1
申请日：2022-10-21
Applicant: 重庆长安汽车股份有限公司
IPC: B60R16/037 , B60H1/00 , G06N3/04 , G06N3/08
Abstract: 本申请公开一种车辆控制方法、服务终端、车机系统、车辆控制系统、电子设备及非易失性计算机可读存储介质。车辆控制方法包括获取场景配置文件和车辆数据；根据场景配置文件和车辆数据生成第一特征数据和场景标签；根据第一特征数据、场景标签和第一深度学习算法构建场景决策模型；根据场景配置文件、第一特征数据、场景标签和第二深度学习算法构建动作推荐模型；发送场景决策模型、动作推荐模型和场景配置文件至车机系统。如此，车辆根据预设的场景配置文件构建场景决策模型，通过场景决策模型构建动作推荐模型，使车机系统确定当前驾驶场景，自动执行符合当前驾驶场景的预测动作，无需用户编制场景模型和动作模型，操作简单，提升了用户体验。
-
Patent Agency Ranking
公开(公告)号：CN114581321A
公开(公告)日：2022-06-03
申请号：CN202210163817.5
申请日：2022-02-22
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提供了一种交通广角镜图像投射方法，在车辆行驶到特定场景时，基于深度学习的神经网络判断采集的图像中是否存在交通广角镜，在识别出存在交通广角镜时，对采集到的图像进行畸变矫正，再将畸变矫正后的广角镜图像投射至驾驶员仪表板屏幕或前挡风玻璃上，使驾驶员能更清晰的看到转弯道路的信息，从而避免在转弯时发生的刮擦事故。
-
公开(公告)号：CN114565436B
公开(公告)日：2024-10-29
申请号：CN202210190361.1
申请日：2022-02-28
Applicant: 重庆长安汽车股份有限公司
IPC: G06Q30/0601 , G06N3/045 , G06N3/0442
Abstract: 本发明提出一种基于时序建模的物品推荐系统、方法、设备及存储介质，在wide‑and‑deep模型中通过用户ID增强个性化，考虑用户和物品的相关信息，把用户ID这一离散属性进行编码，降低维度，训练双塔模型，更新，当网络达到最优状态时，获得具有物理意义的空间向量，从向量中提取隐含着用户的个性化偏好。本发明加入用户ID增强推荐的个性化、充分利用LSTM结合attention技术对用户行为序列建模，充分挖掘用户偏好。通过对行为序列进行双向循环挖掘提高推荐结果的准确性、多样性的同时减少耗时耗力的特征工程。
-
公开(公告)号：CN116432701A
公开(公告)日：2023-07-14
申请号：CN202310458697.6
申请日：2023-04-25
Applicant: 重庆长安汽车股份有限公司
IPC: G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/08 , G06N5/04 , G06F18/214 , B60S1/02 , B60H1/00
Abstract: 本申请涉及人工智能技术领域，特别涉及一种基于LSTM的车窗起雾识别方法、预防方法、装置及车辆，其中，方法包括：从预设数据平台获取起雾训练数据；将起雾训练数据输入至目标循环神经网络，并将目标循环神经网络的输出结果输入至预设的稠密神经网络进行训练，直至达到预设训练条件，得到起雾预测模型，以通过起雾预测模型识别当前车辆的实时起雾数据，得到车窗起雾结果。由此，解决相关技术中人工打标工作量大、采集标准不一，导致模型推理的准确性低，并且未对车窗起雾采取有效预防动作，可能导致用户危险驾驶的问题。
-
公开(公告)号：CN116070691A
公开(公告)日：2023-05-05
申请号：CN202211216944.3
申请日：2022-09-30
Applicant: 重庆长安汽车股份有限公司
IPC: G06N3/082 , G06N3/0464 , G06N3/063 , G06F9/455
Abstract: 本发明提供一种车载终端处理器的算法模型的生成方法，具体涉及深度学习技术领域，所述方法包括：通过服务器获取样本数据，将所述样本数据进行预处理，生成预处理样本数据并且打标签；若所述样本数据的数量是否均衡，则将标签的所述预处理样本数据拆分为训练集和测试集；根据所述训练集和对应的训练集算法，生成算法模型，将所述算法模型转化为深度学习容器模型，将所述深度学习容器模型裁剪为量化后的深度学习容器模型；通过所述深度学习容器和所述量化后的深度学习容器模型预测所述测试集，将生成的预测结果与标签的所述测试集进行对比，根据对比结果将满足要求的量化后的深度学习容器模型下发到车载终端运行。本发明保证了算法模型的高效运行。
-
公开(公告)号：CN114537316A
公开(公告)日：2022-05-27
申请号：CN202210184152.6
申请日：2022-02-24
Applicant: 重庆长安汽车股份有限公司
IPC: B60R21/015 , G08B25/10 , B60R16/037
Abstract: 本发明公开了一种基于图像识别的车内宠物安全智能控制方法及系统，所述方法包括：步骤1，通过图像识别模块调用车内摄像头所拍摄的车内图片，并对所拍摄图片经过预处理、车内物品及生命体识别后，对车内生命体进行判定后，将判定结果发送至车机控制器；步骤2，当判定结果显示车内没有宠物时，回转回步骤1，继续通过车内摄像头监控车内画面；步骤3，当判定结果实现车内有宠物时，进一步判断车内是否有人；若车内有人，则结束；若车内无人，判定宠物当前状况是否正常；步骤4，若宠物状况正常，通过车机控制器启动宠物模式，若宠物状况反常，向用户远程发送预警信息。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.033 seconds)
