-
公开(公告)号：CN117830983A
公开(公告)日：2024-04-05
申请号：CN202410006108.5
申请日：2024-01-02
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/56 , G06V20/64 , G06V10/82 , G06V10/77 , G06N3/082 , G06N3/09 , G06N3/096 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种物体检测优化方法、装置、设备、存储介质及汽车，包括：获取目标2D图像编码特征后进行监督，生成目标2D图像编码特征的蒸馏损失函数；将目标2D图像编码特征生成BEV视角3D网格化特征空间；将3D网格化特征空间中的图像编码特征转化为BEV图像编码特征后进行蒸馏，生成BEV图像编码特征的蒸馏损失函数；将鸟瞰图BEV图像编码特征与3D目标检测任务头连接输出三维物体对应的目标检测任务结果后进行蒸馏，生成3D目标检测任务头的蒸馏损失函数；通过三种蒸馏损失函数实现物体检测优化，本发明实施例解决了不同模态数据的差异以及神经网络发生灾难性遗忘的问题，增强输出阶段的监督，提高预测的精度。
-
公开(公告)号：CN117830984A
公开(公告)日：2024-04-05
申请号：CN202410007308.2
申请日：2024-01-02
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/56 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/77 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种基于多任务学习网络的感知方法、装置、设备及存储介质，涉及车联网技术领域。基于多任务学习网络的感知方法包括：获得各视角相机采集的待感知图像；基于所述待感知图像，采用多任务学习网络中的第一卷积神经网络，得到第一鸟瞰图BEV特征；基于所述第一BEV特征，采用所述多任务学习网络中的多个任务分别对应的任务分支网络，得到各所述任务对应的任务分支网络输出的融合查询特征；其中，所述融合查询特征至少依据所述多个任务分别对应的任务分支网络中的编解码网络输出的第二BEV特征而得到的；将所述融合查询特征输入至对应的所述任务分支网络中的任务头网络，得到对应任务的任务感知结果。
-
公开(公告)号：CN117828530A
公开(公告)日：2024-04-05
申请号：CN202410004694.X
申请日：2024-01-02
Applicant: 重庆长安汽车股份有限公司
IPC: G06F18/25 , B60W40/02 , B60W60/00 , G01D21/02 , G06F18/213 , G06V20/56 , G06N3/0455 , G06N3/08
Abstract: 本申请涉及一种融合感知方法、装置、设备及存储介质，其中，融合感知方法包括：获取多模态传感器数据；对多模态传感器数据进行编码，得到特征数据；基于模态无关特征采样器对特征数据进行特征采样，得到目标特征数据；对目标特征数据进行解码，得到目标检测框信息和目标类别信息。本申请能够自动适应不同任务和领域，能够并行地处理多种传感器采集到的数据，其可以通过跨模态的信息融合，结合不同传感器的优势，从而可以得到更加精确和全面的特征，可以实现更加精确和全面的三维物体检测能力，提高感知准确性和可靠性。
-
公开(公告)号：CN117218611A
公开(公告)日：2023-12-12
申请号：CN202311242576.4
申请日：2023-09-25
Applicant: 重庆长安汽车股份有限公司
Inventor： 邢允
Abstract: 本申请公开了一种车辆的重识别方法、系统及终端，所述方法包括：根据第一车辆图像训练集和第二车辆图像训练集构建得到召回模型和排序模型，并基于实际业务需求构建车辆图像数据库；获取目标检索图像，将目标检索图像与车辆图像数据库中的每个车辆图像进行匹配，得到候选车辆图像；将目标检索图像输入排序模型，得到目标检索图像对应的目标特征向量；通过排序模型将目标特征向量与候选车辆图像对应的候选特征向量进行相似度计算，得到目标检索图像对应的车辆重识别图像。本申请通过构建两阶段的召回模型和排序模型进而来构建车辆重识别系统，并采集应用环境中的难样本数据对车辆重识别系统进行优化，大大提高了车辆重识别的准确性。
-
-
-
Search Results
4
records
(took 0.021 seconds)
