-
公开(公告)号：CN113392682B
公开(公告)日：2024-08-02
申请号：CN202010175523.5
申请日：2020-03-13
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种车道线识别装置及方法、电子设备。所述装置包括：第一检测单元，其用于在车载摄像设备取得的至少一帧图像的预定区域中，使用第一神经网络检测所述图像中的车道线，得到所述车道线的第一检测结果；第二检测单元，其用于在所述图像的所述预定区域中，使用第二神经网络检测所述图像中的路边参考物、对向车辆以及道路方向标志中的至少一个，得到所述路边参考物、所述对向车辆以及所述道路方向标志中的至少一个的第二检测结果；以及第一确定单元，其用于根据所述第一检测结果和所述第二检测结果，确定所述图像中的道路中线和/或道路边线。
-
公开(公告)号：CN111988609B
公开(公告)日：2024-07-16
申请号：CN201910429870.3
申请日：2019-05-22
Applicant: 富士通株式会社
IPC: H04N19/136 , H04N19/42 , H04N19/44 , H04N19/91 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本申请实施例提供了一种图像编码装置、概率模型生成装置和图像解码装置，图像编码装置包括：第一特征提取单元，其对输入图像进行特征提取，得到N个通道的特征图；第二特征提取单元，其对调整了K次大小的输入图像进行特征提取，分别得到N个通道的特征图；第一连接单元，其将来自所述第一特征提取单元的N个通道的特征图与来自所述第二特征提取单元的K×N个通道的特征图连接并输出。由此，可以准确地提取图像的特征并获得更具竞争性的潜在表示。
-
公开(公告)号：CN111986278B
公开(公告)日：2024-02-06
申请号：CN201910429115.5
申请日：2019-05-22
Applicant: 富士通株式会社
IPC: H04N19/13 , H04N19/136 , H04N19/172 , H04N19/169 , H04N19/91 , G06T9/00
Abstract: 本申请实施例提供了一种图像编码方法、装置和图像压缩系统，图像编码装置包括：第一特征提取单元，其对输入图像进行特征提取，得到N个通道的特征图；加权单元，其对各个通道的特征图分配权重；以及第二特征提取单元，其对所述加权单元处理后的特征图进行降维处理，得到M个通道的特征图输出，M小于N。由此，通过对不同的特征图乘以一个权重来获得对应的重要性，然后通过所述第二特征提取单元将加权单元处理后的特征图降维，减少解码时间。
-
公开(公告)号：CN117409472A
公开(公告)日：2024-01-16
申请号：CN202210783193.7
申请日：2022-07-05
Applicant: 富士通株式会社
Abstract: 本申请实施例提供一种姿态估计装置和方法以及电子设备。该姿态估计装置包括：提取单元，其提取图像中的特征；维度变换单元，其对提取的所述特征进行升维处理，并对所述升维处理后的结果进行降维处理；以及估计单元，其基于所述降维处理后的结果进行姿态估计，并输出姿态估计的结果。通过对提取出的图像特征进行升维处理，然后进行降维处理，该升维处理能够增加特征的数量，从而使得网格的信息更加精确，能够得到更为精确的姿态估计结果。
-
公开(公告)号：CN109784487B
公开(公告)日：2023-04-28
申请号：CN201711128574.7
申请日：2017-11-15
Applicant: 富士通株式会社
IPC: G06V20/52 , G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供一种用于事件检测的深度学习网络、该网络的训练装置及方法，该深度学习网络包括：数据层，其用于读取输入数据；卷积层，其用于从数据层读取的输入数据中提取特征；至少两个事件分类器，其用于根据卷积层提取的特征，相互独立的进行不同事件的检测，分别输出不同事件的检测结果。由于该深度学习网络具有至少两个相互独立的、进行不同事件的检测的事件分类器，各个事件分类器能够独立的进行检测并输出检测结果，从而能够保证事件检测结果的准确性和完整性，并且，由于各个事件分类器只需要检测一种事件，该深度学习网络在训练时所需的时间较短，且训练出的该深度学习网络的检测精度较高。
-
Patent Agency Ranking
公开(公告)号：CN115578784A
公开(公告)日：2023-01-06
申请号：CN202110755839.6
申请日：2021-07-05
Applicant: 富士通株式会社
Abstract: 本申请实施例提供一种人体动作识别装置以及方法。所述方法包括：对视频帧进行人体检测以获得人体框；根据人体框进行动作识别以获得人体动作；基于人体检测的结果提取手臂的关键点，并进行手臂检测以获得手臂框；根据手臂框进行动作识别以获得手臂动作；以及将人体动作的识别结果和手臂动作的识别结果进行融合，获得视频帧的动作识别结果。由此，将人体框和手臂框的动作识别结合起来，对于视频中的人体部分动作(例如细微动作)也可以获得较好的识别结果。
-
公开(公告)号：CN115457648A
公开(公告)日：2022-12-09
申请号：CN202110643827.4
申请日：2021-06-09
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种动作检测方法、动作检测装置和电子设备。该动作检测装置包括：特征生成部，其对待处理的图像数据进行卷积神经网络编码，生成特征图；特征提取部，其根据所述特征图生成全局特征和局部特征，其中，所述全局特征是对所述特征图进行空间维度和时间维度的池化得到的特征；以及动作识别部，其根据所述全局特征和所述局部特征对所述待处理的图像数据中的目标的动作进行识别。由此，能够提高动作检测的可靠性。
-
公开(公告)号：CN113392680A
公开(公告)日：2021-09-14
申请号：CN202010175094.1
申请日：2020-03-13
Applicant: 富士通株式会社
Abstract: 本申请实施例提供一种道路识别装置及方法、电子设备。对于车载摄像设备取得的图像，使用第一神经网络检测图像中的车道线，得到车道线的第一检测结果；使用第二神经网络检测图像中的车辆和/或道路方向标志，得到车辆的第二检测结果和/或道路方向标志的第三检测结果；根据车辆的第二检测结果，对车辆的显示方向进行分类，得到车辆的显示方向的第一分类结果，和/或，根据道路方向标志的第三检测结果，对道路方向标志的方向进行分类，得到道路方向标志的方向的第二分类结果；以及根据车辆的显示方向的第一分类结果和道路方向标志的方向的第二分类结果中的至少一个以及车道线的第一检测结果，识别图像中的前向车道和/或反向车道。
-
公开(公告)号：CN109460812B
公开(公告)日：2021-09-14
申请号：CN201710794559.X
申请日：2017-09-06
Applicant: 富士通株式会社
Abstract: 本发明实施例提供一种神经网络的中间信息分析装置、优化装置、特征可视化装置及方法、电子设备，通过降维算法对神经网络中长短期记忆层输出的隐藏状态进行简化，并根据简化后的隐藏状态、神经网络的输入数据以及神经网络的输出结果分析该神经网络的中间信息，根据该中间信息，能够从本质上分析该神经网络的原理，从而能够针对具有长短期记忆层的神经网络的各种应用进行优化和改善；根据该中间信息对该神经网络的参数进行优化，能够有效提高该神经网络的应用效果，另外根据该中间信息能够实现该隐藏状态包含的特征的可视化，有利于对于具有长短期记忆层的神经网络的研究和学习。
-
公开(公告)号：CN113269007A
公开(公告)日：2021-08-17
申请号：CN202010092661.7
申请日：2020-02-14
Applicant: 富士通株式会社
Abstract: 本申请实施例提供一种道路监控视频的目标跟踪装置以及方法。所述方法包括：对道路感兴趣区域的实时监控视频进行目标检测，以获得一个或多个目标的检测信息；将所述一个或多个目标的检测信息与用于目标跟踪的跟踪信息进行匹配；根据匹配结果对所述跟踪信息进行更新；以及根据所述检测信息和/或所述跟踪信息对所述感兴趣区域的道路信息进行更新。由此，能够实现快速的目标跟踪，针对实时道路监控视频解决比例变化和/或遮挡问题。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.031 seconds)
