-
公开(公告)号：CN111507469B
公开(公告)日：2023-10-13
申请号：CN202010045709.9
申请日：2020-01-16
Applicant: 斯特拉德视觉公司
IPC: G06N3/0985 , G06F18/2415 , G06N3/0464
Abstract: 本发明提供为了减少运算时间而对自动标注并自动评价待利用于学习神经网络的训练图像的自动标注装置的超参数(hyperparameter)进行优化的方法。上述方法的特征在于，包括：步骤(a)，优化装置使上述自动标注装置生成具有固有自动标签的原始图像和具有固有真标签及自动标签的验证图像，从而将上述具有固有自动标签的原始图像分类为简单原始图像和复杂原始图像，将上述具有固有真标签及自动标签的验证图像分类为简单验证图像和复杂验证图像；步骤(b)，计算上述自动标注装置的当前可信度，生成样品超参数组，计算上述自动标注装置的样品可信度，对预设超参数组进行优化。通过强化学习的策略梯度算法(policy gradient algorithm)来执行上述方法。
-
公开(公告)号：CN111507335B
公开(公告)日：2023-10-13
申请号：CN202010045702.7
申请日：2020-01-16
Applicant: 斯特拉德视觉公司
IPC: G06V10/25 , G06V20/70 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提供用于获得高精密度的对待利用于学习神经网络的训练图像进行自动标注(auto‑labeling)的方法，包括：步骤(a)，自动标注装置使元感兴趣区域(ROI，Region Of Interest)检测网络输出特征地图，获得特定训练图像上的对象根据各个位置进行分组的n个当前元感兴趣区域；以及步骤(b)，自动标注装置通过在特定训练图像上对与n个当前元感兴趣区域相对应的区域进行裁剪(crop)来生成n个加工图像，使对象检测网络分别输出具有分别与n个加工图像有关的各个边界框的n个所自动标注的加工图像，通过合并n个所自动标注的加工图像来生成所自动标注的特定训练图像。方法可利用使用策略梯度算法(policy gradient algorithm)的强化学习、在线学习、连续学习及超参数学习来执行。
-
公开(公告)号：CN111738046B
公开(公告)日：2024-08-02
申请号：CN202010061002.7
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，对用于基于深度学习的装置的学习的虚拟世界模拟器的物理引擎进行标定，包括：步骤(a)，若获取到与虚拟环境上的虚拟当前状态相对应的虚拟当前帧信息，则标定装置执行(i)向基于深度学习的装置发送虚拟当前帧信息，输出虚拟动作信息，(ii)向物理引擎发送虚拟当前帧信息和虚拟动作信息，输出与虚拟当前帧信息和虚拟动作信息相对应的虚拟下一帧信息，(iii)向真实状态网络发送虚拟当前帧信息和虚拟动作信息，输出预测的真实下一帧信息，真实状态网络经学习对真实动作信息响应而输出多个预测下一帧信息；以及步骤(b)，对上一标定参数进行标定，生成当前标定参数。
-
公开(公告)号：CN111508222B
公开(公告)日：2022-08-12
申请号：CN202010046100.3
申请日：2020-01-16
Applicant: 斯特拉德视觉公司
IPC: G08G1/005 , G08G1/16 , H04M1/72448 , H04M1/72457
Abstract: 本发明涉及提供保护使用智能手机的行人的尖端行人辅助系统的方法。上述方法包括：上述智能手机使得位置跟踪单元，获取包括上述行人的位置信息及速度信息、上述智能手机的位置信息及速度信息的第一信息的步骤；使得检测单元，参照利用与上述智能手机联动的智能手机摄像头获取的图像以及上述第一信息，获取包括与上述行人邻近的危险区域的危险状态和危险对象的位置信息及速度信息的第二信息的步骤；以及使得控制单元，参照上述第一信息及上述第二信息计算上述行人的行走安全度后，通过上述智能手机向上述行人发送危险提醒。并且，上述方法可以用于监视领域或军事领域。
-
公开(公告)号：CN111738046A
公开(公告)日：2020-10-02
申请号：CN202010061002.7
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，对用于基于深度学习的装置的学习的虚拟世界模拟器的物理引擎进行标定，包括：步骤(a)，若获取到与虚拟环境上的虚拟当前状态相对应的虚拟当前帧信息，则标定装置执行(i)向基于深度学习的装置发送虚拟当前帧信息，输出虚拟动作信息，(ii)向物理引擎发送虚拟当前帧信息和虚拟动作信息，输出与虚拟当前帧信息和虚拟动作信息相对应的虚拟下一帧信息，(iii)向真实状态网络发送虚拟当前帧信息和虚拟动作信息，输出预测的真实下一帧信息，真实状态网络经学习对真实动作信息响应而输出多个预测下一帧信息；以及步骤(b)，对上一标定参数进行标定，生成当前标定参数。
-
Patent Agency Ranking
公开(公告)号：CN111507888B
公开(公告)日：2024-01-30
申请号：CN202010061065.2
申请日：2020-01-19
Applicant: 斯特拉德视觉公司
IPC: G06T3/04 , G06N3/0464 , G06N3/084
Abstract: 本发明提供为了使监视系统更加准确地识别周围情况并检测危险情况等稀有事件，而利用包括生成神经网络和鉴别神经网络的生成性对抗神经网络，更准确是利用异类传感器融合，生成无法判断合成与否的合成图像的方法。本发明的方法包括：计算装置生成背景图像中的稀有对象的位置候选组，参照候选组分数选择上述稀有对象的上述位置候选组中的特定位置候选组作为上述稀有对象的最佳位置的步骤；将稀有对象图像插入上述最佳位置，生成初始合成图像的步骤；以及调整与上述初始合成图像中包括的各个像素相对应的颜色值，生成上述无法判断合成与否的合成图像的步骤。并且，本发明还可以利用3D地图、GPS、智能手机、V2X通信等，用于行人辅助系统和路径设定。
-
公开(公告)号：CN111507370B
公开(公告)日：2023-10-13
申请号：CN202010056900.3
申请日：2020-01-16
Applicant: 斯特拉德视觉公司
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种方法，优化手动标注抽样过程并减少注解成本的获得用于深度学习网络学习的自动标注图像中用于检查标签的样本图像，其特征在于，包括：样本图像获得装置生成第一图像和第二图像，使得卷积层生成第一特征地图和第二特征地图，使得池化层生成第一池化特征地图和第二池化特征地图，生成拼接的特征地图；使得深度学习分类器获得拼接的上述特征地图，生成等级信息；以及计算异常等级组的异常等级要素的概率，判断自动标注图像是否为复杂图像，选择上述自动标注图像作为用于检查标签的上述样本图像。并且，上述方法可以利用具有多个变形对的鲁棒算法(robust algorithm)执行。并且，通过本发明可以更加准确检测危险情况。
-
公开(公告)号：CN111507335A
公开(公告)日：2020-08-07
申请号：CN202010045702.7
申请日：2020-01-16
Applicant: 斯特拉德视觉公司
Abstract: 本发明提供用于获得高精密度的对待利用于学习神经网络的训练图像进行自动标注(auto-labeling)的方法，包括：步骤(a)，自动标注装置使元感兴趣区域(ROI，Region Of Interest)检测网络输出特征地图，获得特定训练图像上的对象根据各个位置进行分组的n个当前元感兴趣区域；以及步骤(b)，自动标注装置通过在特定训练图像上对与n个当前元感兴趣区域相对应的区域进行裁剪(crop)来生成n个加工图像，使对象检测网络分别输出具有分别与n个加工图像有关的各个边界框的n个所自动标注的加工图像，通过合并n个所自动标注的加工图像来生成所自动标注的特定训练图像。方法可利用使用策略梯度算法(policy gradient algorithm)的强化学习、在线学习、连续学习及超参数学习来执行。
-
公开(公告)号：CN111508222A
公开(公告)日：2020-08-07
申请号：CN202010046100.3
申请日：2020-01-16
Applicant: 斯特拉德视觉公司
Abstract: 本发明涉及提供保护使用智能手机的行人的尖端行人辅助系统的方法。上述方法包括：上述智能手机使得位置跟踪单元，获取包括上述行人的位置信息及速度信息、上述智能手机的位置信息及速度信息的第一信息的步骤；使得检测单元，参照利用与上述智能手机联动的智能手机摄像头获取的图像以及上述第一信息，获取包括与上述行人邻近的危险区域的危险状态和危险对象的位置信息及速度信息的第二信息的步骤；以及使得控制单元，参照上述第一信息及上述第二信息计算上述行人的行走安全度后，通过上述智能手机向上述行人发送危险提醒。并且，上述方法可以用于监视领域或军事领域。
-
公开(公告)号：CN111507888A
公开(公告)日：2020-08-07
申请号：CN202010061065.2
申请日：2020-01-19
Applicant: 斯特拉德视觉公司
Abstract: 本发明提供为了使监视系统更加准确地识别周围情况并检测危险情况等稀有事件，而利用包括生成神经网络和鉴别神经网络的生成性对抗神经网络，更准确是利用异类传感器融合，生成无法判断合成与否的合成图像的方法。本发明的方法包括：计算装置生成背景图像中的稀有对象的位置候选组，参照候选组分数选择上述稀有对象的上述位置候选组中的特定位置候选组作为上述稀有对象的最佳位置的步骤；将稀有对象图像插入上述最佳位置，生成初始合成图像的步骤；以及调整与上述初始合成图像中包括的各个像素相对应的颜色值，生成上述无法判断合成与否的合成图像的步骤。并且，本发明还可以利用3D地图、GPS、智能手机、V2X通信等，用于行人辅助系统和路径设定。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.027 seconds)
