-
公开(公告)号：CN118816855B
公开(公告)日：2025-01-24
申请号：CN202411310043.X
申请日：2024-09-19
Applicant: 之江实验室
Abstract: 本说明书公开了一种无人机组合导航的方法、装置、存储介质及电子设备，当检测到第一目标区域时，无人机组合导航系统中的主控单元通过惯性测量单元和视觉传感器，确定无人机所处的第一位置，确定从第一位置到第一目标区域的第一导航路径，控制无人机按照第一导航路径飞行。在控制无人机按照第一导航路径飞行时，监控无人机的飞行高度，当飞行高度为预设高度时，确定无人机所处的第二位置。通过视觉传感器采集无人机所处环境的环境感知数据，通过嗅觉传感器采集无人机所处环境的嗅觉感知数据。根据嗅觉感知数据，确定第二目标区域。基于环境感知数据，确定从第二位置到第二目标区域的第二导航路径，控制无人机按照第二导航路径飞行。
-
公开(公告)号：CN118840641A
公开(公告)日：2024-10-25
申请号：CN202411327542.X
申请日：2024-09-23
Applicant: 之江实验室
IPC: G06V10/80 , G06V10/26 , G06V10/143 , G06V10/46 , G06T7/194 , G06V10/82 , G06N3/0464
Abstract: 在本说明书提供的一种多波段图像融合方法、装置、存储介质及设备中，获取红外图像与可见光图像，确定初始融合图像，并基于该初始融合图像的温度分布信息，分割得到前景子图和背景子图，再将前景子图的频域特征输入到训练完成的前景生成器得到前景频域特征，将背景子图的频域特征输入到训练完成的背景生成器得到背景频域特征，根据前景频域特征以及背景频域特征确定的融合特征，得到目标融合图像。通过前景生成器以及背景生成器，得到拟合了红外图像中前景信息的前景频域特征和拟合了可见光图像中背景信息的背景频域特征，再根据前景频域特征和背景频域特征确定的融合特征，可得到前景突出以及背景信息丰富的目标融合图像，融合效果好。
-
公开(公告)号：CN118673959A
公开(公告)日：2024-09-20
申请号：CN202411153835.0
申请日：2024-08-21
Applicant: 之江实验室
IPC: G06N3/04 , G06N3/086 , G06V10/764 , G06V10/82
Abstract: 在本说明书提供一种混合精度量化方法、装置、介质及设备，通过确定深度神经网络模型中的各层的量化位宽，对深度神经网络模型进行量化，确定候选量化模型，并将样本分别输入深度神经网络模型以及候选量化模型，确定候选量化模型的量化误差、加速比以及压缩效果，进而确定候选量化模型的适应度，最后，根据预设的进化算法以及候选量化模型的适应度，确定深度神经网络模型的目标量化模型，使得混合精度量化方法能够根据少量无标签样本确定深度神经网络模型的目标量化模型，提高了混合精度量化方法的泛用性。
-
公开(公告)号：CN118603079A
公开(公告)日：2024-09-06
申请号：CN202411086731.2
申请日：2024-08-08
Applicant: 之江实验室
Abstract: 本说明书公开了一种地磁导航的方法、装置、存储介质及电子设备，包括：在载体移动的过程中，按照预设周期，对载体当前所在位置的地磁数据进行采样。再根据在当前周期内采样到的地磁数据，确定当前周期的地磁熵。根据地磁熵，对当前周期的采样频率进行调整。根据调整后的采样频率，继续按照预设周期，对载体所在位置的地磁数据进行采样，直到周期的数量达到预设阈值时，根据在所有周期内采样到的地磁数据，从预设的地磁基准图中，确定载体的位置。通过用于表征地磁场的地磁强度的变化程度的地磁熵，动态调整采样频率，使得采样到地磁数据可以有效捕捉地磁场的细节特征，从而提升了得到的载体的位置的准确度。
-
公开(公告)号：CN118053153B
公开(公告)日：2024-07-05
申请号：CN202410457520.9
申请日：2024-04-16
Applicant: 之江实验室
Abstract: 本说明书公开了一种点云数据的识别方法、装置、存储介质及电子设备。所述点云数据的识别方法包括：获取无人设备采集的待识别点云数据，将待识别点云数据中包含的每个三维点云点投影到指定二维平面上，根据投影到每个扇形栅格区域中的三维点云点，构建待识别点云数据对应的特征矩阵，作为目标特征矩阵，从而可以根据目标特征矩阵和历史点云数据对应的历史特征矩阵之间的相似度，确定待识别点云数据对应的地点是否为历史访问地点的识别结果，以提升点云数据的识别效率。
-
Patent Agency Ranking
公开(公告)号：CN118015316A
公开(公告)日：2024-05-10
申请号：CN202410410287.9
申请日：2024-04-07
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/774 , G06V10/82 , G06V20/17
Abstract: 本说明书公开了一种图像匹配模型训练的方法、装置、存储介质、设备，获取由第一基准图像和第一待匹配图像组成的第一样本组，将第一样本组输入预先训练的教师模型，确定第一基准图像与第一待匹配图像的匹配度，作为伪标注，将第一样本组输入图像匹配模型，确定第一基准图像与第一待匹配图像的当前匹配度，图像匹配模型的复杂度小于教师模型的复杂度，根据当前匹配度与伪标注的差异，对图像匹配模型进行训练，本方法利用预先训练的复杂度较高、输出结果精准的教师模型，使得复杂度较低、运算速度较快的图像匹配模型可以学习到教师模型的策略，最终训练得到运算速度快、输出结果精准的图像匹配模型，可应对时限短、批量大的图像定位匹配任务。
-
公开(公告)号：CN117649613B
公开(公告)日：2024-04-26
申请号：CN202410128325.1
申请日：2024-01-30
Applicant: 之江实验室
IPC: G06V20/13 , G06V10/764 , G06V10/77 , G06V10/80
Abstract: 本说明书公开了一种光学遥感图像优化方法、装置、存储介质及电子设备。所述光学遥感图像优化方法包括：获取第一目标图像以及第一目标图像对应的第二目标图像，其中，第一目标图像为光学遥感图像，第二目标图像为合成孔径雷达SAR图像，对第一目标图像进行图像检测，以从第一目标图像中确定出部分存在图像信息缺失的图像区域，作为目标区域，根据第一目标图像的风格特征，对第二目标图像进行图像调整，得到调整后的第二目标图像，将目标区域内的第一目标图像替换为目标区域内调整后的第二目标图像，以将第二目标图像融合到第一目标图像中，得到优化后第一目标图像。进而可以将优化后的第一目标图像通过去云雾网络处理得到去云雾后恢复的图像。
-
公开(公告)号：CN117870654A
公开(公告)日：2024-04-12
申请号：CN202410048959.6
申请日：2024-01-11
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于点云配准的地磁导航方法、装置、介质及设备。所述方法包括：将目标区域的全局地磁矢量数据转换为点云，得到目标点云数据；实时采集目标载体历史轨迹上各采样点的地磁矢量数据并转换为点云，得到待匹配点云数据；对目标点云数据以及待匹配点云数据进行特征提取，得到目标点特征以及待匹配点特征；根据目标点特征以及待匹配点特征，构建目标点云数据与待匹配点云数据之间的初始匹配集合；将初始匹配集合输入点云匹配模型，确定目标点云数据中每个点与待匹配点云数据中每个点相匹配置信度；根据置信度对局部地磁矢量数据与全局地磁矢量数据进行匹配，根据匹配结果进行地磁导航。
-
公开(公告)号：CN117173438B
公开(公告)日：2024-02-27
申请号：CN202311134283.4
申请日：2023-09-04
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/084 , G06N3/0895 , G06N3/0475 , G01C21/20 , G01C21/00
Abstract: 本说明书公开了一种深度耦合多源传感特性的景象匹配方法，针对不同类型的传感器分别采集的每个类型的实时景象，通过该类型的差异特征提取模型，得到该类型的而精细特征图，进而基于各类型的精细特征图，通过差异计算及生成器，抽象化不同类型的精细特征图的特征信息分离出可用精细特征，实现细粒度特征寻优，生成寻优实时图，进而基于寻优实时图和预存的寻优基准图进行多尺度景象匹配，得到匹配结果。可见，通过抽象不同类型的精细特征图的特征信(56)对比文件袁定兴.异源图像匹配的参考图制备与匹配方法研究《.中国优秀硕士学位论文全文数据库信息科技辑》.2023,(第1期),第I138-1538页.杜文超等.基于SAR图像的快速景象匹配方法《.雷达科学与技术》.2014,第12卷(第1期),第39-43页.Yongxian Zhang等.Air-Ground Multi-Source Image Matching Based on High-Precision Reference Image《.remotesensing》.2022,第14卷(第3期),第1-21页.
-
公开(公告)号：CN117058525B
公开(公告)日：2024-02-06
申请号：CN202311293164.3
申请日：2023-10-08
Applicant: 之江实验室
Abstract: 本说明书公开了一种模型的训练方法、装置、存储介质及电子设备，首先可获取待训练的图像处理模型中网络层的连接权重，并根据连接权重，确定所述待训练的图像处理模型中的成熟连接权重以及非成熟连接权重。然后，获取样本图像以及样本图像对应的标注，并根据样本图像以及样本图像对应的标注，分别调整成熟连接权重以及非成熟连接权重，得到训练完成的图像处理模型。最后，根据得到的训练完成的图像处理模型中的各连接权重，确定训练完成的图像处理模型中的非成熟连接权重并剪枝，得到最终的图像处理模型。该方法在实现模型压缩的同时，兼(56)对比文件缪及.卷积神经网络剪枝和量化方法研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2020,第2020年卷(第2期),I140-216.凌象政.循环神经网络压缩方法研究《.中国优秀硕士学位论文全文数据库 信息科技辑》.2022,第2022年卷(第1期),I140-576.Alex Renda等.Comparing Rewinding andFine-tuning in Neural Network Pruning.《Arxiv》.2020,1-31.Shiwei Liu等.Sparse Training viaBoosting Pruning Plasticity withNeuroregeneration《.35th Conference onNeural Information Processing Systems(NeurIPS 2021)》.2021,1-15.
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.025 seconds)
