-
公开(公告)号：CN119649355A
公开(公告)日：2025-03-18
申请号：CN202411669912.8
申请日：2024-11-21
Applicant: 吉林大学
IPC: G06V20/62 , G06V30/148 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464 , G06T7/73
Abstract: 本发明公开了一种车牌检测与车牌识别方法及系统，方法包括：收集图像并进行标注，构建车牌检测数据集；基于改进yolov5网络进行检测车牌位置并进行定位标识；通过相关剪裁函数，裁剪出车牌图像，以此构建车牌识别数据集；基于LPRNet网络构建车牌识别网络，以所述车牌识别数据集训练所述车牌识别网络，获取最优车牌识别模型，以所述最优车牌识别模型提取车牌字符特征，利用CTC_Loss损失函数不断优化，据以得到车牌识别结果。方法无需将车牌号分割为单个字符即可提取车牌字符特征，将车牌字符进行输出，提升了识别的准确率及效率，可有效应用于智慧交通管理领域。
-
公开(公告)号：CN119622456A
公开(公告)日：2025-03-14
申请号：CN202411670146.7
申请日：2024-11-21
Applicant: 吉林大学
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06N3/0495 , G06N3/044 , G06N3/0464 , G06N3/084 , G06N3/045
Abstract: 本发明提供一种训练端到端的自动驾驶策略的方法，所述训练端到端的自动驾驶策略的方法包括一下步骤：S1、数据采集并预处理，S2、定义损失函数、优化器以及构建模型，S3、数据划分，S4、模型训练，S5、在验证集上评估，S6、模型调整优化，S7、测试集评估，S8、权重剪枝并评估，采用梯度范数计算的方式，计算评估每个权重的重要性，根据重要性评估结果按照从较小比例开始且逐步增加，并移除不重要的权重，使用步骤S7的测试集对实现权重剪枝后的模型进行评估，若此时模型性能不达标，则采用权重恢复策略恢复部分权重并重新评估直到模型性能达标，本发明通过权重剪枝使得模型系统适用性更广，系统训练效率更快。
-
公开(公告)号：CN119647561A
公开(公告)日：2025-03-18
申请号：CN202411670030.3
申请日：2024-11-21
Applicant: 吉林大学
IPC: G06N3/0985 , G06N3/006
Abstract: 本发明提供一种端到端自动驾驶模型训练方法及装置，端到端自动驾驶模型训练方法及装置包括采集车辆的运行参数，基于“演员‑评论家”框架建立自动驾驶模型，采用融合自适应参数空间噪声的DDPG算法，对DDPG算法中的评论家网络和演员网络的参数进行初始化；选择Adam优化器并初始化经验回放池，存储智能体与环境交互的经验，设置初始学习率以及确定批量大小；使用经验回放池中的经验更新评论家网络和演员网络的参数；调整自动驾驶车辆的性能，本发明提供的端到端自动驾驶模型训练方法及装置，该方法通过调整至适当的学习率以及批量大小，加速模型的收敛速度，对超参数中学习率以及批量大小进行调整，使模型在训练过程中更加稳定。
-
公开(公告)号：CN119512116A
公开(公告)日：2025-02-25
申请号：CN202411670241.7
申请日：2024-11-21
Applicant: 吉林大学
IPC: G05D1/43 , G05D1/242 , G05D1/65 , G05D1/633 , G05D109/10
Abstract: 本发明提供一种用于自动驾驶3D障碍物的多模态融合方法包括如下步骤：S1、利用多模态传感器采集驾驶车辆行驶数据及车辆周围障碍物信息；S2、对步骤S1中多模态传感器采集的自动驾驶车辆行驶数据及车辆周围障碍物数据进行预处理；S3、根据预处理之后的周围障碍物的数据，提取车辆周围障碍物的特征；S4、设定车辆速度阈值，根据步骤S2中多模态传感器预处理后得到的驾驶车辆速度，当车速高于设置的阈值时，增加步骤S1多模态传感器采集频率，当车速低于设置的阈值时，减小步骤S1多模态传感器采集频率；S5、根据步骤S4中车辆速度与速度阈值的关系选择使用数据层融合策略对数据进行融合或者选择特征层融合策略对数据进行融合。
-
-
-
Search Results
4
records
(took 0.016 seconds)
