-
公开(公告)号：CN111507166A
公开(公告)日：2020-08-07
申请号：CN202010073576.6
申请日：2020-01-22
Applicant: 斯特拉德视觉公司
IPC: G06K9/00 , G06N3/04 , G06N3/08 , G01S13/86 , G01S13/931
Abstract: 本申请公开了一种通过一起使用照相机和雷达来学习CNN的方法及装置，即使由于不良的拍摄环境，通过照相机获取的拍摄图像的对象描绘率低时，也可以使CNN正常运行，所述方法包括以下步骤：(a)学习装置指示卷积层对多通道集成图像进行卷积运算，从而生成特征图；(b)学习装置指示输出层对特征图进行输出运算，从而生成预测对象信息；以及(c)学习装置使损失层通过使用预测对象信息及与其对应的GT对象信息来生成损失，并通过使用损失进行反向传播，从而学习CNN中至少一部分参数。
-
公开(公告)号：CN111507158A
公开(公告)日：2020-08-07
申请号：CN202010069463.9
申请日：2020-01-21
Applicant: 斯特拉德视觉公司
Abstract: 本发明提供为了利用语义分割检测停车区域的方法和装置。该方法包括如下步骤：步骤(a)，学习装置若获取车辆的周边区域的停车场图像，则(i)将停车场图像输入到分割网络，通过编码器输出卷积特征图，通过解码器对卷积特征图进行反卷积而输出反卷积特征图，并通过屏蔽层对反卷积特征图进行屏蔽而输出分割信息；步骤(b)，将反卷积特征图输入到回归器，从而生成特定可停车区域的顶点相关的相对坐标，并对相对坐标进行回归而生成回归位置信息；以及步骤(c)，使第一损失层参照回归位置信息和与此对应的ROI GT来算出一个以上第一损失，并通过利用第一损失的反向传播使回归器进行学习。
-
公开(公告)号：CN111507156A
公开(公告)日：2020-08-07
申请号：CN202010057857.2
申请日：2020-01-19
Applicant: 斯特拉德视觉公司
Abstract: 本发明涉及一种方法，基于车辆的室内图像的分析，利用乘客的关键点检测车辆占有，包括：步骤(a)，若获取到室内图像，车辆占有检测装置(i)向特征提取网络输入室内图像，对室内图像进行卷积运算，生成特征张量，(ii)向关键点热图及部分亲和字段提取器输入特征张量，生成关键点热图及部分亲和字段，(iii)向关键点检测装置输入关键点热图及部分亲和字段，从各个关键点热图提取关键点，(iv)基于部分亲和字段，对关键点进行分组，由此检测各个乘客的关键点；以及步骤(b)，向座位占有匹配器输入各个乘客的关键点，参照所输入的关键点及座位的预设的感兴趣区域，对座位匹配乘客，从而检测车辆占有。
-
公开(公告)号：CN111507153A
公开(公告)日：2020-08-07
申请号：CN202010036042.6
申请日：2020-01-14
Applicant: 斯特拉德视觉公司
Abstract: 本发明提供一种用分割得分图和聚类图检测车道线的后处理方法以及装置，所述包括以下步骤：计算装置获取由卷积神经网络生成的所述分割得分图和所述聚类图；使后处理模块参考所述分割得分图来检测包含形成所述车道线的像素的车道线元素，参考所述车道线元素、所述分割得分图和所述聚类图来生成种子信息；使所述后处理模块参考所述种子信息生成基本模型，并参考该基本模型生成车道线锚点；使所述后处理模块参考所述车道线锚点生成车道线连通域(blob)；以及使所述后处理模块参考所述车道线连通域检测车道线候选组，通过对所述车道线候选组应用线性拟合运算来生成车道线模型，以检测所述车道线。
-
公开(公告)号：CN111507150A
公开(公告)日：2020-08-07
申请号：CN202010010850.5
申请日：2020-01-06
Applicant: 斯特拉德视觉公司
Abstract: 本发明涉及一种人脸识别方法，该人脸识别方法为利用基于深度神经网络的多重图像块组合的方法，包括以下步骤：在获取到具有第一尺寸的人脸图像的情况下，人脸识别装置通过将所述人脸图像输入到特征提取网络，从而使所述特征提取网络对具有所述第一尺寸的所述人脸图像应用至少一次卷积运算来生成特征图，并且通过对所述特征图应用滑动池化运算来生成多个特征，所述特征提取网络的特征是以使用具有第二尺寸的学习用人脸图像来提取至少一个特征的方式进行学习，所述第二尺寸小于所述第一尺寸；以及所述人脸识别装置通过将所述多个特征输入到学习到的神经聚合网络，从而使所述神经聚合网络聚合所述多个特征并输出用于人脸识别的至少一个最佳特征。
-
Patent Agency Ranking
公开(公告)号：CN111489403A
公开(公告)日：2020-08-04
申请号：CN202010016992.2
申请日：2020-01-08
Applicant: 斯特拉德视觉公司
Abstract: 本发明涉及利用GAN来生成虚拟特征图的方法及装置，具体地涉及利用虚拟行驶环境中使用的可应用于域自适应的包括生成网络及鉴别网络的GAN来从具备与从真实图像导出的真实特征图相同或类似的特性的虚拟图像导出虚拟特征图的学习方法，该学习方法的特征在于，其包括如下步骤：(a)学习装置使生成网络对输入图像应用卷积运算而生成具备与真实特征图相同或类似的特性的输出特征图；及(b)使第1损失单元参照与输出特征图对应的通过鉴别网络而生成的评价分值来生成损失，通过使用于运行时输入变换的上述方法，能够减少虚拟与现实之间的差异和注释费用。
-
公开(公告)号：CN111488901A
公开(公告)日：2020-08-04
申请号：CN201911291510.8
申请日：2019-12-16
Applicant: 斯特拉德视觉公司
Abstract: 本发明提供一种在CNN中利用第1至第n模块而从输入图像提取特征的方法，其特征在于，包括：学习装置使第k模块的第1卷积层，将第1_1特征图至第k_1特征图或由其经既定运算的各个特征图逐要素合算，使第k模块的第2卷积层生成第k_2特征图的步骤；使池化层，在从第n模块输出的第n_2特征图或由其经既定运算的特征图上对ROI区域进行池化，将生成的池化特征图输入到特征分类器的步骤；使损失层参照特征分类器的输出值和与其对应的GT而算出损失的步骤，该方法可以优化硬件，提高CNN处理量，本发明的学习方法及测试方法可以适当地就用于小型网络、移动装置等，能够满足关键绩效指标。
-
公开(公告)号：CN111488871A
公开(公告)日：2020-08-04
申请号：CN201911055354.5
申请日：2019-10-31
Applicant: 斯特拉德视觉公司
Abstract: 本发明提供可转换模式的基于R-CNN的用于监视的方法和装置。提供一种基于R-CNN(Region-based Convolutional Neural Network)的对象检测器(Object Detector)的学习方法，包括信号灯等的对象的纵横比和尺度可以根据例如距对象检测器的距离、对象的形状等特性来确定，学习方法的特征在于，包括如下步骤：学习装置使区域建议网络生成候选感兴趣区域的步骤；使池化层输出特征向量的步骤；以及通过反向传播学习FC层和卷积层的步骤，在本方法中，池化处理可以利用由雷达、激光雷达(Lidar)或其他传感器获得的距离信息和对象信息并按照对象的实际比例和实际尺寸来执行，学习方法和测试方法在特定位置的同一视图中具有相似的大小，因此可以用于监视。
-
公开(公告)号：CN111488787A
公开(公告)日：2020-08-04
申请号：CN202010010267.4
申请日：2020-01-06
Applicant: 斯特拉德视觉公司
Abstract: 本发明提供一种检验神经网络的参数的完整性并节约计算资源的方法，包括以下步骤：在获取到关于与影像的第(t-i2)帧及第(t-i1)帧分别对应的第(t-2)图像及第(t-1)图像中的每个的信息的情况下，计算装置使背景预测单元通过参照关于第(t-2)图像及第(t-1)图像中的每个的信息，生成第t图像的第t背景预测信息；在获取第t图像的情况下，计算装置使图案插入单元通过参照第t背景预测信息，将测试图案插入第t图像中，来生成至少一个检验用输入；计算装置使所述神经网络通过将卷积运算应用于检验用输入而生成至少一个检验用输出；以及计算装置使检验单元通过参照检验用输出及与测试图案对应的至少一个参照用输出，判断神经网络的完整性。
-
公开(公告)号：CN111488782A
公开(公告)日：2020-08-04
申请号：CN201910991241.X
申请日：2019-10-18
Applicant: 斯特拉德视觉公司
Abstract: 本发明是一种利用拉普拉斯金字塔网络检测道路障碍物的方法和装置。本发明提供一种在用于满足四级和五级无人驾驶所需的道路障碍物及交通标志等的边缘的检测中，利用学习装置提高分割性能的学习方法。将图像内的文本部分作为边缘部分加以强调，不仅可以准确检测地标及道路标志，还可以准确检测交通标志。所述学习方法包括：步骤(a)所述学习装置使k个卷积层包含h个屏蔽层所对应的h个编码特征图，生成k个编码特征图；步骤(b)使k个反卷积层(i)利用自所述h个屏蔽层所对应的h个解码特征图及h个带通特征图，(ii)并利用分别输入到k-h个反卷积层的特征图；步骤(c)调节所述反卷积层及所述卷积层的参数，生成k个解码特征图。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.049 seconds)
