-
公开(公告)号：CN117788795A
公开(公告)日：2024-03-29
申请号：CN202311782180.9
申请日：2023-12-21
IPC: G06V10/25 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本申请实施例提出的目标检测方法、电子设备及其存储介质，通过获取检测图片的多个检测特征单元，并将多个检测特征单元进行第一预测处理，得到每个检测特征单元的预测概率序列和特征位置序列；然后基于预测概率序列和特征位置序列选取多个候选位置；再获取每个候选位置对应的评价指标，并基于评价指标从候选位置中选取目标位置；其中，评价指标用于指示候选位置与其他候选位置之间的空间位置信息；最后，将目标位置和检测特征单元输入第一变换网络进行目标识别，得到检测图片的目标检测结果和分类识别结果。从而在针对图像目标识别过程中，考虑了候选位置的空间分布信息以得到更加精准的目标位置，以提高对检测图像进行目标识别的精准度。
-
公开(公告)号：CN117152549A
公开(公告)日：2023-12-01
申请号：CN202311056461.6
申请日：2023-08-18
IPC: G06V10/77 , G06V10/40 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0499 , G06N3/0464
Abstract: 本申请实施例提供了图像特征提取方法、图像分割方法和目标检测方法，通过划分待处理图像得到子区域；根据子区域进行第一扩展操作得到第一区域、第二区域和第三区域，通过特征提取层对第一区域在长度方向和宽度方向上、对第二区域在宽度方向上、对所述第三区域在长度方向上进行特征提取，合并特征；或者，根据特征区域划分参数对原始特征进行特征区域划分，通过特征提取层对划分特征进行特征提取，对所提取的特征中的重叠区域所对应的特征设置权重，根据权重对所提取的特征来合并特征；本申请实施例实现了利用只能处理图像固定尺寸的MLP模型对任意尺寸的图像进行特征提取，提升了特征提取层的适用性。
-
公开(公告)号：CN118411563A
公开(公告)日：2024-07-30
申请号：CN202410544112.7
申请日：2024-04-30
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请实施例提供了一种图像识别方法、装置、电子设备以及存储介质，属于计算机视觉技术领域。该方法包括：对获取到的待处理图像中的目标物体进行全局的特征提取，得到初始特征，将初始特征输入至预先训练好的图像识别模型中得到编码特征，基于特征增强后的初始特征和编码特征进行交叉融合处理，得到交叉融合特征；对编码特征进行动态位置查询，得到动态查询特征，并获取与动态查询特征相对应的静态查询特征；基于动态查询特征和静态查询特征对交叉融合特征进行解码，得到解码特征，并基于解码特征对待处理图像中的目标物体进行识别，得到目标识别结果。本申请能够提高对待处理图像中小目标物体的识别质量。
-
公开(公告)号：CN119091120A
公开(公告)日：2024-12-06
申请号：CN202411162902.5
申请日：2024-08-22
IPC: G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例提出的目标检测方法、装置、电子设备及存储介质，方法包括：获取检测图片的检测特征，并将检测特征输入目标检测模型的特征筛选子模块进行特征筛选，得到多个查询特征，将查询特征输入目标检测模型的第一前馈网络进行查询检测，得到初始检测结果，将多个查询特征输入定位子模块进行检测定位，得到第一修正查询特征，将第一修正查询特征输入去重子模块进行特征处理，得到第二修正查询特征，基于初始检测结果、第一修正查询特征对应的第一修正偏置结果和第二修正查询特征对应的第二修正偏置结果得到检测图片的目标检测结果，实现适应性数量的目标检测，并缓解检测目标的歧义性，以提高目标检测的灵活性和精准性。
-
公开(公告)号：CN119830979A
公开(公告)日：2025-04-15
申请号：CN202510309307.8
申请日：2025-03-17
Applicant: 鹏城实验室
IPC: G06N3/08 , G06N3/063 , G06N3/048 , G06N3/0464
Abstract: 本申请实施例公开了一种模型数据处理方法、装置、计算机设备及存储介质。包括：获取预训练模型及预训练模型对应的模型数据，预训练模型为状态空间模型结构下的模型；根据模型数据确定预训练模型中需要进行数据处理加速的第一算子；对第一算子进行解耦处理，得到第一算子对应的第二算子，第二算子对应的硬件处理单元和第一算子对应的硬件处理单元不同；获取第二算子对应的待处理数据，并确定待处理数据对应的离散化参数；根据第二算子对待处理数据和离散化参数进行数据处理，得到数据处理结果。以此，通过模型的第一算子进行解耦出的第二算子可以被其他硬件处理单元加载，并对待处理数据进行离散化处理减少模型的计算量，提升了数据处理效率。
-
Patent Agency Ranking
公开(公告)号：CN119420940B
公开(公告)日：2025-04-08
申请号：CN202510019861.2
申请日：2025-01-07
Applicant: 鹏城实验室
Abstract: 本申请实施例提供了一种面向机器视觉的数据处理方法、装置、设备及介质，属于视觉数据处理技术领域。方法包括：将获取到的初始视觉信息输入训练好的端侧压缩模型中，通过多层次编码器对初始视觉信息进行不同类型的特征提取，得到各个层次下相应类型的编码特征；基于视觉码本对各编码特征分别进行矢量量化处理得到相应类型的压缩信息，以使边云侧系统在接收到的各类型下的压缩信息之后，通过多层次解码器对不同类型压缩信息表征的编码特征进行特征重构，得到各个层次下相应类型的解码特征，进而得到与初始视觉信息匹配的目标视觉信息。本申请能够提高视觉数据的传输效率。
-
公开(公告)号：CN119380125B
公开(公告)日：2025-04-01
申请号：CN202411976862.8
申请日：2024-12-31
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种模型训练方法、车辆识别方法、装置、电子设备及介质，涉及神经网络技术领域。模型训练方法将车辆训练图像输入至初始车辆识别模型得到第一训练图像特征，将车辆增强训练图像输入至训练辅助模型得到第二训练图像特征。然后分别得到局部对比损失、全局对比损失、类间对比损失和类类对比损失，从而得到总损失，基于总损失对初始车辆识别模型的第一网络参数进行迭代更新。在迭代更新的过程中，通过类间对比损失和类类对比损失，提高目标车辆识别模型对不同类别车辆的判别的准确性，以及提高相同类别车辆的位置回归精度，通过局部对比损失和全局对比损失，能够增强目标车辆识别模型的局部和全局特征分布。
-
公开(公告)号：CN112926599B
公开(公告)日：2025-02-07
申请号：CN202110260927.9
申请日：2021-03-10
Applicant: 鹏城实验室
IPC: G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种目标检测方法、装置、智能终端及计算机可读存储介质，其中，上述目标检测方法包括：获取源域图像和目标域图像；对上述源域图像和目标域图像进行特征提取，获取图像特征；基于上述图像特征，获取域不变特征；基于上述域不变特征获取域不变区域特征；基于上述域不变区域特征进行目标检测。其中，上述域不变区域特征即为域不变的实例特征。如此，与现有技术相比，本发明方案考虑了对目标检测非常重要的实例级表示，因而可以使用于专注实例特征层面的目标检测任务，且有利于提高目标检测方法的准确性和迁移能力。
-
公开(公告)号：CN112464749B
公开(公告)日：2025-02-07
申请号：CN202011251133.8
申请日：2020-11-11
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于规则与学习的交通场景异常目标检测方法，所述方法包括：获取实时采集的交通场景视频数据；对所述交通场景视频数据进行统计和运算，得到目标物体的疑似异常运动信息；根据所述疑似异常运动信息和交通规则，确定交通场景异常运动的目标。本发明实施例通过将采集的交通场景视频数据进行统计和运算，得到目标物体的疑似异常运动信息，再根据疑似异常运动信息和交通规则确定出交通场景异常运动的目标，运算量小，实现高实时性，对交通场景异常运动目标的确定更加精准。
-
公开(公告)号：CN114900656B
公开(公告)日：2025-01-28
申请号：CN202210416036.2
申请日：2022-04-20
Applicant: 鹏城实验室
Abstract: 本发明公开了一种交通监控视频流处理方法、装置、系统及存储介质，方法包括：将预设区域的多个路边单元与多个摄像头建立通信连接，并在多个路边单元中更新信息表；根据更新后的信息表和多特征流传输的实时调度算法，在边缘服务器中确定多特征的选择性传输策略和计算资源分配策略；根据确定的策略信息在多个摄像头中上传与预设任务信息对应的视频流，并在边缘服务器中对上传的视频流进行在线推理和分析；根据在线推理和分析结果对预设任务信息中的目标对象进行实时追踪及预测，并输出追踪及预测结果。本发明提出了用于大规模实时监控视频流处理的一体化端‑边‑云架构，为现有的交通监控系统提供精准的低能耗响应及控制服务。
-
-
-
-
-
-
-
-
-
Search Results
170
records
(took 0.051 seconds)
