-
公开(公告)号：CN114429603A
公开(公告)日：2022-05-03
申请号：CN202210068739.0
申请日：2022-01-20
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种轻量级视频语义分割方法、系统、设备及存储介质，利用图像域与特征域共享扭曲模式的特性，将关键帧图像与语义特征进行联合传播，并设计了扭曲感知网络，通过对传播帧与当前帧进行对比识别扭曲区域。基于扭曲区域的识别结果，设计了特征矫正网络，从当前帧提取传播特征中扭曲缺失的必要信息，对传播特征的扭曲区域进行替换，而在其他区域上保留原有的传播特征，从而实现准确的传播特征矫正。
-
公开(公告)号：CN108898221B
公开(公告)日：2021-12-14
申请号：CN201810601576.1
申请日：2018-06-12
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种状态特征和后继特征的联合策略学习方法，包括：通过学习从输入状态到即时奖励的映射，获得表征输入状态的状态特征；通过学习从状态特征到价值评估函数的映射，获得后继特征；获得的状态特征与后继特征处于不同的时间分辨率上，将状态特征与后继特征融合后，再采用多种多样方式的策略学习网络对融合结果进行学习。与传统的Agent网络相比，本发明更高效的利用了样本信息，与其他算法相比，学习速度明显加快，网络也能更快的收敛且获得较好的学习效果。
-
公开(公告)号：CN108764453B
公开(公告)日：2021-10-01
申请号：CN201810586046.4
申请日：2018-06-08
Applicant: 中国科学技术大学
IPC: G06N3/00
Abstract: 本发明提供了面向多智能体同步博弈的建模方法及动作预测系统，所述建模方法包括：获取同步博弈问题的状态集与动作集；根据所述同步博弈问题的特性，设计博弈特征与特征编码方法；根据所述博弈特征与特征编码方法，对所述状态集与动作集进行数据预处理，得到基础特征图与动作决策图；基于深度神经网络建立多尺度特征融合的同步博弈策略模型；根据所述基础特征图与动作决策图，对所述同步博弈策略模型进行逐层训练，得到训练好的同步博弈策略模型，在提升同步博弈策略模型博弈能力的同时，更使其具备较强的实时性。基于所述同步博弈策略模型实现的动作预测系统，准确度高、实时性强，具有很好的实际应用价值。
-
公开(公告)号：CN112633535A
公开(公告)日：2021-04-09
申请号：CN202110046360.5
申请日：2021-01-14
Applicant: 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院 , 中国科学技术大学先进技术研究院
IPC: G06Q10/00 , G06T17/00 , G06F30/20 , G06F30/10 , G06K9/00 , G06T7/00 , G06T7/33 , G06N3/04 , G06N3/08 , G07C1/20 , G01N21/88
Abstract: 本发明公开了一种基于无人机图像的光伏电站智能巡检方法及系统，系统包括无人机数据导入模块、巡检数据解析模块、深度学习算法模块、数字光伏电站模块、巡检结果管理模块和巡检回放模块；本发明通过在多模态巡检图像数据上引入深度学习算法，实现更加精确的光伏缺陷检测；通过建立数字光伏电站，实现光伏电站总体布局的表达和巡检过程的回放；通过虚拟场景图像与真实采集图像的配准，实现真实场景中光伏板位置与编号的获取；通过回放功能直观展示单批次巡检过程与结果，实现了光伏板缺陷的精确检测；构建巡检回放功能，通过巡检过程可视化，便于运维人员的直观调试和巡检管理，大幅提升光伏电站的自动化运维水平，有效提高光伏电站的巡检效率。
-
公开(公告)号：CN112132013A
公开(公告)日：2020-12-25
申请号：CN202011002420.5
申请日：2020-09-22
Applicant: 中国科学技术大学
Abstract: 本发明涉及一种车辆关键点检测方法及系统，所述方法包括图像预处理、车辆关键点标记、车辆关键点检测网络构建、车辆关键点检测网络训练与使用，本发明将车辆的关键点分为简单关键点和困难关键点，先检测简单关键点，后检测困难关键点。为了更加精准定位车辆的困难关键点，充分地利用浅层特征与深层特征的信息，本发明采用自下而上的方式进行特征融合。最后，为了对定位偏差较大的关键点进行校正，使关键点的检测效果更加精准，本发明还增加了关键点偏移预测分支来预测关键点到车辆中心点的偏移。
-
Patent Agency Ranking
公开(公告)号：CN112016556A
公开(公告)日：2020-12-01
申请号：CN202010851716.8
申请日：2020-08-21
Applicant: 中国科学技术大学
Inventor： 王子磊
Abstract: 本发明公开了一种多类型车牌识别方法，包括：通过对待识别的车牌图像进行特征提取，获得对应的特征图；对特征图进行语义信息及位置信息提取；采用注意力机制融合语义信息和位置信息，通过共享分类器实现对车牌字符串的预测。该方法：一方面，通过显式地建模车牌字符位置信息，可以高效获取字符的位置信息进而利用位置信息进行字符识别，而无需按车牌类型分别处理；另一方面，采用注意力机制融合语义信息和位置信息，无需手动处理语义信息，避免任何繁琐的后处理步骤，算法效率高，鲁棒性强；最终，通过共享分类器，提高数据利用率且只需进行一次识别过程，有利于缓解数据不平衡问题。
-
公开(公告)号：CN111008600A
公开(公告)日：2020-04-14
申请号：CN201911241946.6
申请日：2019-12-06
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种车道线检测方法，包括：构建车道线回归检测网络，通过对输入图像进行处理，获得输入图像中车道线起始位置图和车道线曲线参数图；对一系列车道线图像进行预处理，得到训练数据集；采用分类回归融合训练方法训练车道线回归检测网络，得到车道线回归检测模型；对于待检测图像，通过车道线回归检测模型获得车道线起始位置图和车道线曲线参数图，进而获得完整车道线。该方法直接预测车道线曲线参数，无需繁琐的后处理步骤，解决了现有方法在进行车道线检测时对环境干扰过于敏感而导致的检测鲁棒性差、效率低下等问题，使得车道线检测算法可应用于交通监控等复杂场景下。
-
公开(公告)号：CN108805083A
公开(公告)日：2018-11-13
申请号：CN201810607804.6
申请日：2018-06-13
Applicant: 中国科学技术大学
CPC classification number: G06K9/00335 , G06K9/6256
Abstract: 本发明公开了一种单阶段的视频行为检测方法，其包括：在训练阶段，基于卷积神经网络构建多尺度行为片段回归网络；将训练视频和帧级真实行为标签作为输入，使用多任务学习的端到端优化方法训练多尺度行为片段回归网络，获得训练好的多尺度行为片段回归网络模型；在使用阶段，当新视频输入时，通过时间维度滑窗生成与训练视频具有相同长度的输入帧序列，使用训练好的多尺度行为片段回归网络模型，预测输入帧序列的行为类别和对应的时间位置；再使用非极大值抑制对预测结果进行处理，产生最终的行为检测结果。该方法可以提高检测性能与检测效率。
-
公开(公告)号：CN107239778A
公开(公告)日：2017-10-10
申请号：CN201710432232.8
申请日：2017-06-09
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种高效准确的车牌识别方法，包括：对输入的车牌图片进行车牌紧致化处理，获得紧致的车牌图片；使用预先训练好的全卷积神经网络模型进行车牌整体识别，获得紧致的车牌图片中每一像素点字符类别的预测结果，形成标签得分矩阵；对标签得分矩阵进行分析，获得最终的车牌字符串信息。该方法无需进行字符分割，避免了现有方法在分割字符时鲁棒性差的问题；其次，本发明使用全卷积神经网络进行车牌识别，只需进行一次识别过程，算法效率高，且在识别过程中结合了车牌完整的上下文信息，大大提高了识别的准确度和鲁棒性；最后，本发明在进行标签矩阵分析时，针对不同的车牌和不同的字符进行差异化处理，进一步提高了算法的鲁棒性和适用性。
-
公开(公告)号：CN107071578A
公开(公告)日：2017-08-18
申请号：CN201710373843.X
申请日：2017-05-24
Applicant: 中国科学技术大学
IPC: H04N21/466 , H04N21/475 , H04N21/482 , H04N21/45 , H04N21/258
Abstract: 本发明公开了一种IPTV节目推荐方法，包括：根据用户的观看日志，构建用户收视矩阵；对用户收视矩阵依次进行低秩去噪、周期性压缩与观看模式提取，从而获得用户的周期性观看场景；将周期性观看场景中的每一观看模式作为一兴趣用户，并构建所有兴趣用户的评分矩阵；对当前观看模式进行识别，从而确定当前兴趣用户，再采用联合推荐策略，从历史影料库和当前直播的节目中推荐用户感兴趣的节目，生成推荐列表推送给用户。该方法能够较好地处理IPTV终端的多成员情况，提高了推荐的精确度；同时，还采用直播和点播融合的推荐策略，使得用户得到更加全面的推荐内容。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.05 seconds)
