-
公开(公告)号：CN114973138B
公开(公告)日：2024-03-29
申请号：CN202210617878.4
申请日：2022-06-02
申请人： 松立控股集团股份有限公司
IPC分类号： G06V20/52 , G06N3/0464 , G06N3/08 , G06T7/10 , G06V10/774 , G06V20/00
摘要： 本发明属于路面异常物体检测技术领域，涉及一种基于高位相机的路面异常物体检测方法，先构建数据集，再基于编码器‑解码器结构的图像分割网络，固定编码器得到的特征，并重新利用解码器对提取的特征进行图像重建，利用分割结果和重建的结果联合送入卷积网络提取特征凸显道路中的异常物体，然后利用时间段信息判断该物体是异常的还是已经处理掉的异常物体，提高了异常物体检测的精度。
-
公开(公告)号：CN117197002A
公开(公告)日：2023-12-08
申请号：CN202311464370.6
申请日：2023-11-07
申请人： 松立控股集团股份有限公司
IPC分类号： G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及图像复原技术领域，特别涉及一种基于感知扩散的图像复原方法，先根据高清图像和待复原图像组成的图像对，采用偏置估计网络和深度估计网络进行深度感知偏置投影，得到聚合偏置；再采用上下文网络提取层次化特征作为扩散条件，然后根据聚合偏置和扩散条件，使用图像复原网络生成复原图像；最后再采用扩散网络，基于前向扩散和后向扩散优化图像复原网络模型，采用深度感知偏置投影层显式检测噪声情况，优先合成近处物体，更好地处理了噪声问题，通过引入深度图并结合偏置信息，更好地区分距离近的对象和远的对象，在复原过程中更好地处理物体缺失和模糊，基于感知扩散技术能够更好地适应图像复原任务，提高复原质量。
-
公开(公告)号：CN116958937A
公开(公告)日：2023-10-27
申请号：CN202310953131.0
申请日：2023-08-01
申请人： 松立控股集团股份有限公司
摘要： 本发明属于车辆姿态估计技术领域，涉及一种基于渐进式下采样策略与融合解码器的车辆姿态估计方法，将构建的数据集中的车辆图像输入渐进式补丁嵌入模块进行序列化处理，再通过Transformer模块提取全局图像特征后输入融合解码器进行上采样；然后对上采样后的特征图的每个通道求取最大响应值，若通道上的最大响应值高于事先设定的阈值，即得到关键点的坐标，再等比例缩放到原始车辆图像的尺寸得到关键点输出坐标，从而生成关键点热图，完成车辆姿态估计；使用渐进式补丁嵌入模块缓解了序列化过程中特征信息损失的问题，同时融合解码器将双线性插值与卷积相结合能上采样出更加精细化的热图，使姿态估计结果更准确。
-
公开(公告)号：CN116757454A
公开(公告)日：2023-09-15
申请号：CN202311047061.9
申请日：2023-08-21
申请人： 松立控股集团股份有限公司
IPC分类号： G06Q10/0631 , G07C1/20 , G07B15/02 , G06N3/006
摘要： 本发明涉及巡检配置优化技术领域，特别涉及一种基于蚁群优化算法的智能巡检配置优化方法及系统，先收集车场的运营数据，再建立巡检员配置优化模型，然后采用蚁群优化算法对巡检员配置优化模型进行求解，并评估最优方案的追缴额、收缴率、欠费金额指标，根据评估结果对巡检员数量配置方案进行调整和优化；最后将优化的巡检员配置方案应用到实际的巡检员调度中，实现巡检员的合理分配和调度，可以智能的找出巡检的最优配置，提高巡检效率，优化巡检员整体数量，最大化追缴额。
-
公开(公告)号：CN115393684A
公开(公告)日：2022-11-25
申请号：CN202211321720.9
申请日：2022-10-27
申请人： 松立控股集团股份有限公司
IPC分类号： G06V10/80 , G06V10/82 , G06V10/774 , G06T7/00 , G06V10/764
摘要： 本发明属于目标检测技术领域，涉及一种基于自动驾驶场景多模态融合的抗干扰目标检测方法，采用可见光和近红外图像互补多模态结合的探测手段，从特征层面多模态数据进行充分利用，针对近红外和可见光的不同表观特征，设计不同的主干网络分别用于提取可见光和近红外图像的基础特征，用于提取基础特征；并针对两组图像信息丰富程度不一、学习困难程度不一致的问题，在不同的分支使用学习速率约束模块，用于控制不同模态分支的更新速率；然后使用模态融合模块将两组特征进行融合，实现相似特征和互补特征的保留，即求同存异，实现两个模态的信息的充分利用，检测精度高，降低了在复杂干扰场景的检测漏检率。
-
公开(公告)号：CN115171079A
公开(公告)日：2022-10-11
申请号：CN202211092215.1
申请日：2022-09-08
申请人： 松立控股集团股份有限公司
IPC分类号： G06V20/58 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明属于车辆检测技术领域，尤其涉及一种基于夜间场景的车辆检测方法，先将夜间图像增强和车辆检测任务统一在一个端到端的联合优化框架中，夜间图像增强使用动态滤波网络来生成特定于样本的卷积核，该卷积核针对不同夜间图像样本，增强时使用不同增强方法来约束每个增强子网络，以便动态增强网络可以根据输入图像样本自适应地选择更有效的增强方法，检测阶段基于增强图像使用简洁的单阶段检测方法，提升检测效率，可用于实现在夜间场景下的车辆检测任务，通过将动态夜间图像增强网络和车辆检测任务有机结合在一起，提升网络对应对不同类型夜间图像退化问题的能力，进而提升检测器的整体性能。
-
公开(公告)号：CN114999002A
公开(公告)日：2022-09-02
申请号：CN202210929946.0
申请日：2022-08-04
申请人： 松立控股集团股份有限公司
摘要： 本发明属于行为识别技术领域，涉及一种融合人体姿态信息的行为识别方法，先提取人体的外框，再估计出人体关键点热图，取视频中的多帧RGB信息和人体关键点热图作为输入送入行为识别网络，最终得到行为的识别结果，该方法稳定性强，克服了图卷积神经网络的识别能力很受骨骼点坐标点平移的影响，另外融合了图像前后帧的信息与人体关键点信息，信息的融合帮助提升动作识别的性能。
-
公开(公告)号：CN115171079B
公开(公告)日：2023-04-07
申请号：CN202211092215.1
申请日：2022-09-08
申请人： 松立控股集团股份有限公司
IPC分类号： G06V20/58 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明属于车辆检测技术领域，尤其涉及一种基于夜间场景的车辆检测方法，先将夜间图像增强和车辆检测任务统一在一个端到端的联合优化框架中，夜间图像增强使用动态滤波网络来生成特定于样本的卷积核，该卷积核针对不同夜间图像样本，增强时使用不同增强方法来约束每个增强子网络，以便动态增强网络可以根据输入图像样本自适应地选择更有效的增强方法，检测阶段基于增强图像使用简洁的单阶段检测方法，提升检测效率，可用于实现在夜间场景下的车辆检测任务，通过将动态夜间图像增强网络和车辆检测任务有机结合在一起，提升网络对应对不同类型夜间图像退化问题的能力，进而提升检测器的整体性能。
-
公开(公告)号：CN115424187B
公开(公告)日：2023-03-24
申请号：CN202211381250.5
申请日：2022-11-07
申请人： 松立控股集团股份有限公司
IPC分类号： G06V20/40 , G06V20/52 , G06V10/80 , G06V10/774 , G06V10/74
摘要： 本发明属于辅助驾驶技术领域，尤其涉及一种多角度相机协同重要性排名约束的辅助驾驶方法，通过多角度相机拍摄的视频内容，充分利用物体级关系约束，输出物体级重要性排名，能够将周围环境中存在的人、车辆等进行重要性排名，从而依据重要性程度排名的提醒驾驶员注意，实现辅助驾驶的智能化，不仅能够实现单一车辆的驾驶辅助，同时能够实现智能化监控，而且本发明提出的重要性排名技术能用于智慧工厂中安全生产，针对智慧工厂中重要的事件提醒工人注意。
-
公开(公告)号：CN115761660A
公开(公告)日：2023-03-07
申请号：CN202211068312.7
申请日：2022-09-02
申请人： 松立控股集团股份有限公司
IPC分类号： G06V20/56 , G06V10/82 , G06V10/774 , G06V10/40
摘要： 本发明属于目标检测技术领域，涉及一种基于自动驾驶场景的抗遮挡目标检测方法，引入了多重距离测量的概念对边界框回归损失函数进行了优化，改善了模型对于密集遮挡目标的检测鲁棒性；同时引入了软距离交并比‑非极大抑制策略，预测框筛选过程中遵循预测距离交并比越大，置信度得分越低的原则筛除候选框，该策略考虑预测框中心点的重合度以及对置信度较低的预测框进行置信度衰减处理，不至于去除过多的重叠物体的预测框，可以缓解目标互相遮挡的情况，不仅可以用来进行自动驾驶场景的目标检测任务，还可以用于其他拥挤场景的目标检测任务，极大的降低了在拥挤场景时检测漏检率。
-
-
-
-
-
-
-
-
-
搜索结果
66 条记录 (耗时 0.034 秒)
