-
公开(公告)号：CN115526256A
公开(公告)日：2022-12-27
申请号：CN202211199482.9
申请日：2022-09-29
Applicant: 长安大学
IPC: G06K9/62 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本申请涉及目标分类模型训练方法，包括：构建目标分类模型；基于图训练数据集对目标分类模型进行训练，得到训练后的目标分类模型；图训练数据集包括多个图节点，每个图节点表示一个待分类目标；目标分类模型包括依次连接的深层表征提取层和聚类层。本申请的目标分类模型训练方法，解决了现有的半监督方法无法对不含节点标签信息的目标数据集进行分类的难题，基于无监督学习的网络训练同时也降低了聚类结果好坏对标签信息多少的依赖度，大大增强了网络的稳定性，始终在聚类任务中表现出较好的性能；实现了端对端学习，规避了多模块训练目标不一致的问题，降低了工程的复杂度、减小了训练误差，使网络性能更加鲁棒。
-
公开(公告)号：CN115631474A
公开(公告)日：2023-01-20
申请号：CN202211141783.6
申请日：2022-09-20
Applicant: 长安大学
IPC: G06V20/56 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/044 , G06N3/045 , G06N3/0464 , G06N3/088 , G06N3/094
Abstract: 本申请涉及雾天目标检测模型训练方法及雾天目标检测方法，将无监督循环一致性对抗网络应用于特征空间，提出一种特征增强模块，聚焦于使用任意清晰图像来增强低层网络提取的雾霭特征，实现任意清晰图像与雾霭图像特征空间对齐，在不牺牲清晰环境下目标检测性能的基础上，提高现有模型雾天环境下的目标检测性能，为促进自动驾驶技术产业落地提供一种有效可靠的方法。
-
公开(公告)号：CN117037491B
公开(公告)日：2025-04-18
申请号：CN202311023827.X
申请日：2023-08-15
Applicant: 长安大学
IPC: G08G1/01 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于时空特征的动态图卷积交通流预测方法，采用由时空嵌入模块、时空特征融合模块、加权融合层和外部因素模块组成的STF‑SDAM‑DGCN模型，首先对历史交通流数据进行周期划分后与时空嵌入模块学习到的时空嵌入信息融合作为时空特征融合模块的输入数据，同时使用注意力机制、非对称卷积以及Zero‑Softmax函数构建稀疏有向邻接矩阵；将数据输入时空特征融合模块中，同时与外部因素模块中的外部影响因素融合后得到融合外部因素的历史交通流时空特征数据；数据随后传入加权融合层，时空嵌入模块将预测的未来时间步信息也传入该层，依据编码器得到的历史交通流特征生成未来交通流表示，并将其作为解码器输入，通过解码器进行预测，经过全连接层得到最终的未来交通流预测结果。
-
Patent Agency Ranking
公开(公告)号：CN117274945A
公开(公告)日：2023-12-22
申请号：CN202311076688.7
申请日：2023-08-24
Applicant: 长安大学
IPC: G06V20/58 , G06V10/46 , G06V10/56 , G06V10/62 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种基于RGB和事件相机融合的变光照交通目标检测方法，解决了如何从事件流中提取出高质量的结构信息以及如何引导两个模态信息的融合来解决非一致光照导致的图像模态中非一致信息损失的问题，实现了对两种模态互补特性的有效利用，从事件流中提取出高质量的结构信息，自适应地将事件特征融合至图像模态，建模对光照鲁棒的特征表征，提高了在变光照条件下交通目标检测的鲁棒性和有效性。
-
公开(公告)号：CN117037491A
公开(公告)日：2023-11-10
申请号：CN202311023827.X
申请日：2023-08-15
Applicant: 长安大学
IPC: G08G1/01 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于时空特征的动态图卷积交通流预测方法，采用由时空嵌入模块、时空特征融合模块、加权融合层和外部因素模块组成的STF‑SDAM‑DGCN模型，首先对历史交通流数据进行周期划分后与时空嵌入模块学习到的时空嵌入信息融合作为时空特征融合模块的输入数据，同时使用注意力机制、非对称卷积以及Zero‑Softmax函数构建稀疏有向邻接矩阵；将数据输入时空特征融合模块中，同时与外部因素模块中的外部影响因素融合后得到融合外部因素的历史交通流时空特征数据；数据随后传入加权融合层，时空嵌入模块将预测的未来时间步信息也传入该层，依据编码器得到的历史交通流特征生成未来交通流表示，并将其作为解码器输入，通过解码器进行预测，经过全连接层得到最终的未来交通流预测结果。
-
公开(公告)号：CN117077286A
公开(公告)日：2023-11-17
申请号：CN202311029546.5
申请日：2023-08-15
Applicant: 长安大学
IPC: G06F30/15 , G06F30/20 , G06F119/14
Abstract: 本发明涉及一种异构交通流下智能网联车辆跟驰模型仿真及测试方法，采用数字孪生虚实结合技术，对真实场景中的静态基础设施及动态交通流进行孪生，搭建出反映真实交通流的虚拟仿真测试环境，通过向真实的测试车辆注入虚拟仿真环境，实现真实车辆与虚拟仿真环境的动态交互。在智能驾驶员模型(IDM)的基础上，考虑单后车多前车的车头间距、速度差和加速度等影响因素，引入分子动力学理论和敏感性系数及各车辆对主车的影响权重提出一种考虑单后车多前车影响的智能网联车辆跟驰模型并基于跟驰队列虚实孪生场景，对该智能网联车辆跟驰模型进行测试与验证，证明该模型更能精准地反映智能网联车辆在实际道路下的跟驰行为。
-
公开(公告)号：CN115376099A
公开(公告)日：2022-11-22
申请号：CN202210862750.4
申请日：2022-07-21
Applicant: 长安大学
IPC: G06V20/58 , G06V10/82 , G06V10/774 , G06V20/17
Abstract: 本发明公开了一种基于目标局部终点与多头注意力机制的轨迹预测方法：步骤1：获取数据集；步骤2：根据目标的历史轨迹及实际局部终点位置信息，预测目标局部终点位置；步骤3：采用社会池化操作提取社交信息，得到特征向量；步骤4：将特征向量输入长短期记忆网络得到目标的预测轨迹；步骤5，进行迭代训练得到训练好的轨迹预测模型；步骤6，将待检测的图像或视频输入训练好的轨迹预测模型，得到目标的预测轨迹。本发明实现了在复杂交通场景下通过特定信息丰富目标轨迹特征进行精确高效的行人轨迹预测。
-
公开(公告)号：CN212847147U
公开(公告)日：2021-03-30
申请号：CN202022138439.4
申请日：2020-09-25
Applicant: 长安大学
Abstract: 本实用新型公开了一种警示信号协同的行人感知路侧系统，属于交通路口安全警示技术领域。视频监测设备对人行道通行路口进行实时图像采集，并将采集得到的图像信息传输给主控单元；主控单元对接收到的图像信息进行处理，当检测到有行人进入人行道时，主控单元控制警示信号单元闪烁，警示车辆人行道上正有行人通过并做出礼让，避免因人车抢道或驾驶员视野出现盲区无法及时发现行人而引发交通事故，协同人车通行。本实用新型系统能够有效保障行人的优先通行权，提高人车冲突点的协同通行效率；利用交通语言建立“车让人”的交通理念，发展文明交通。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
