-
公开(公告)号：CN118864802A
公开(公告)日：2024-10-29
申请号：CN202411345362.4
申请日：2024-09-25
Applicant: 中国科学院自动化研究所
Abstract: 本申请公开了一种车辆重识别模型的训练方法及装置和车辆重识别方法。训练方法包括：获取预设属性引导的预提示词、预设样本学习提示词、第一预设车辆重识别数据集和基于预设标注的第二预设车辆重识别数据集；将预设属性引导的预提示词、预设样本学习提示词和第一预设车辆重识别数据集输入到预设多模态大语言模型中，生成第一车辆图像‑描述对数据集；利用第一车辆图像‑描述对数据集对车辆重识别模型进行第一阶段的训练，得到训练后的车辆重识别模型；利用第二预设车辆重识别数据集对训练后的车辆重识别模型进行第二阶段的训练，得到最终的车辆重识别模型，在每个阶段的训练过程中使与车辆图像对应的特征和与相应描述对应的特征之间的距离最小化。
-
公开(公告)号：CN112446905B
公开(公告)日：2021-05-11
申请号：CN202110126538.7
申请日：2021-01-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于实时定位与建图、计算机视觉技术领域，具体涉及一种基于多自由度传感关联的三维实时全景监控方法、系统、装置，旨在解决现有监控技术无法实现大范围三维全景视频监控，监控效率低、效果差的问题。本系统方法包括获取N种不同自由度的传感器的实时观测数据，构建各传感器对应的三维语义地图，作为局部地图；对各传感器产生的局部地图进行整合，得到全景地图，作为第一地图；通过RANSAC算法获取各传感器在第一地图中对应估计的外参矩阵；计算真实的外参矩阵与估计的外参矩阵的误差，对第一地图进行更新，得到待监控场景当前时刻最终获取的全景地图。本发明实现大范围内三维全景视频监控，提高了监控效率，保证了监控的质量与效果。
-
公开(公告)号：CN110084245B
公开(公告)日：2020-12-25
申请号：CN201910273048.2
申请日：2019-04-04
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机及机器学习领域，具体涉及了一种基于视觉注意机制强化学习弱监督图像检测方法、系统，旨在解决现有的图像检测方法需要大量有明确标签的训练数据，且标记费时费力的问题。本发明方法包括：获取具有弱监督标记的图像作为输入图像；采用特征提取网络提取输入图像的特征；依据对应的弱监督标记，计算并排序，获得排序后的自顶向下的特征表示；将其输入深度Q网络，计算擦除动作序列；将擦除动作序列作用于输入图像进行擦除操作，直到预设的停止动作，将获得的图像作为检测结果。本发明使用自顶向下的信息通过决策神经网络从动作空间中得到最优动作策略，能有效地模仿人类的视觉机理，通过迭代方式聚焦显著区域。
-
公开(公告)号：CN103841327B
公开(公告)日：2017-04-26
申请号：CN201410067394.2
申请日：2014-02-26
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于原始图像的四维光场解码预处理方法，该方法包括以下步骤：利用光场成像装置采集场景原始图像；对于原始图像进行标定，得到原始图像的中心坐标集；利用标定信息对原始图像进行重采样处理，获得子孔径图像阵列；对子孔径图像阵列中的边缘子孔径图像进行去渐晕处理，获得去渐晕后的子孔径图像阵列；利用去渐晕后的子孔径图像阵列完成四维光场解码，得到四维光场的参数化表示。本发明在标定和去渐晕两个关键预处理步骤上突破了传统预处理方法对白图像的依赖限制，提高了光场成像应用灵活性，有助于扩大光场成像的普及应用范围，对促进光场成像应用发展具有积极意义。
-
公开(公告)号：CN109800717B
公开(公告)日：2021-02-02
申请号：CN201910060129.4
申请日：2019-01-22
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
Abstract: 本发明涉及一种基于强化学习的行为识别视频帧采样方法及系统，所述行为识别视频帧采样方法包括：从待测试视频提取待测视频帧序列，并从待测视频帧序列中均匀采样T帧待测图像；基于行为识别的基础模型及各帧待测图像，确定对应帧待测图像的待测特征向量和待测行为预测；针对每帧待测图像，将待测特征向量和待测行为预测级联，得到待测状态序列；根据基于长短时记忆网络的智能体及待测状态序列，确定每帧待测图像的待测重要性得分；按照待测重要性得分的大小，从各帧待测图像中选取多帧待测视频的关键帧；根据各关键帧的待测行为预测，得到待测视频的行为预测；根据待测视频的行为预测，确定识别结果，从而降低无关帧带来的负面影响，降低噪声。
-
Patent Agency Ranking
公开(公告)号：CN110084245A
公开(公告)日：2019-08-02
申请号：CN201910273048.2
申请日：2019-04-04
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机及机器学习领域，具体涉及了一种基于视觉注意机制强化学习弱监督图像检测方法、系统，旨在解决现有的图像检测方法需要大量有明确标签的训练数据，且标记费时费力的问题。本发明方法包括：获取具有弱监督标记的图像作为输入图像；采用特征提取网络提取输入图像的特征；依据对应的弱监督标记，计算并排序，获得排序后的自顶向下的特征表示；将其输入深度Q网络，计算擦除动作序列；将擦除动作序列作用于输入图像进行擦除操作，直到预设的停止动作，将获得的图像作为检测结果。本发明使用自顶向下的信息通过决策神经网络从动作空间中得到最优动作策略，能有效地模仿人类的视觉机理，通过迭代方式聚焦显著区域。
-
公开(公告)号：CN118864802B
公开(公告)日：2024-12-24
申请号：CN202411345362.4
申请日：2024-09-25
Applicant: 中国科学院自动化研究所
Abstract: 本申请公开了一种车辆重识别模型的训练方法及装置和车辆重识别方法。训练方法包括：获取预设属性引导的预提示词、预设样本学习提示词、第一预设车辆重识别数据集和基于预设标注的第二预设车辆重识别数据集；将预设属性引导的预提示词、预设样本学习提示词和第一预设车辆重识别数据集输入到预设多模态大语言模型中，生成第一车辆图像‑描述对数据集；利用第一车辆图像‑描述对数据集对车辆重识别模型进行第一阶段的训练，得到训练后的车辆重识别模型；利用第二预设车辆重识别数据集对训练后的车辆重识别模型进行第二阶段的训练，得到最终的车辆重识别模型，在每个阶段的训练过程中使与车辆图像对应的特征和与相应描述对应的特征之间的距离最小化。
-
公开(公告)号：CN116822151A
公开(公告)日：2023-09-29
申请号：CN202310628583.1
申请日：2023-05-30
Applicant: 中国科学院自动化研究所
IPC: G06F30/20 , G06Q10/0639 , G06F111/04 , G06F111/08
Abstract: 本发明提供一种基于闭环任务模型的自主性评价方法、装置、设备及介质，其中方法包括：获取闭环任务模型；对闭环任务模型的各评价环节的链状关系进行建模，并基于链状关系，获取概率图模型；基于概率图模型，得到各评价环节对应的自主性评分；对各评价环节对应的自主性评分进行整合，得到无人系统的目标自主性评分。本发明提供的方法、装置、设备及介质，基于闭环任务模型的各评价环节的链状关系获取概率图模型，基于概率图模型，得到各评价环节对应的自主性评分，对自主性评分进行整合，得到无人系统的目标自主性评分，由此，对无人系统的自主性评价进行显示建模，提高无人系统的自主性评价的准确性，也提高了无人系统的自主性评价的效率。
-
公开(公告)号：CN116758318A
公开(公告)日：2023-09-15
申请号：CN202310655993.5
申请日：2023-06-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于隐式神经表征的无监督新类别发现方法、装置及设备，其中方法包括：获取待分割图像，并对待分割图像进行分割，得到初始子实例分割集合；基于神经辐射场模型，渲染待分割图像的隐式神经表征，将隐式神经表征作为待分割图像的语义特征，并基于语义特征计算交叉熵，得到待分割图像的熵特征；将语义特征和熵特征进行特征融合，得到融合特征；基于初始子实例分割集合中各个子实例的覆盖范围，从融合特征中提取得到子实例特征集合；对子实例特征集合进行聚类，得到待分割图像的语义分割结果。本发明提供的方法、装置及设备，利用神经辐射场模型实现对3D空间的隐式编码，显著降低了内存消耗，提高了新类别的识别准确率。
-
公开(公告)号：CN111126327B
公开(公告)日：2023-09-15
申请号：CN201911391910.6
申请日：2019-12-30
Applicant: 中国科学院自动化研究所
IPC: G06V20/56 , G06V10/40 , G06V10/762 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种车道线检测方法、系统、车载系统及车辆，所述获取多幅原始图像及对应的标签；根据各原始图像及对应的标签，建立基于标签的特征提取网络；根据特征提取网络，提取各原始图像对应的回归特征图和前后背景分类的特征图；根据回归特征图和前后背景分类的特征图，得到车道线区域的偏差值；根据所述车道线区域的偏差值分离出各车道线；将分离后的各车道线进行拟合处理，得到拟合线；根据当前待检测图像，从各所述拟合线中选择出所述当前待检测图像对应的拟合线，得到检测结果。本发明在整个计算过程中不需要估计密度，从而可大大提高聚类的效率，降低计算量，提高计算机性能，同时提高车道线检测速度。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.098 seconds)
