-
公开(公告)号:CN114494335B
公开(公告)日:2024-07-26
申请号:CN202210102817.4
申请日:2022-01-27
申请人: 西安交通大学 , 宁波市舜安人工智能研究院
摘要: 本发明公开了一种基于时空上下文的视频全景分割方法,包括以下步骤:将待全景分割的视频处理为连续的图像序列;获取图像序列间的光流;获取图像序列中每幅图像的图像全景分割结果;基于光流所蕴含的视频时间上下文信息和图像序列所蕴含的空间上下文信息,对图像序列中每幅图像的图像全景分割结果进行分割边缘精细化优化,获得优化后的图像全景分割结果;基于光流所蕴含的视频时间上下文信息和优化后的图像全景分割结果,将图像序列中出现的每个物体进行一致性关联,获得视频全景分割结果。本发明的视频全景分割方法,可获得更准确的视频全景分割结果。
-
公开(公告)号:CN117192986A
公开(公告)日:2023-12-08
申请号:CN202311165662.X
申请日:2023-09-11
申请人: 西安交通大学 , 宁波市舜安人工智能研究院
IPC分类号: G05B13/04
摘要: 本发明公开了一种基于自适应课程残差分层强化学习轨迹规划方法及系统,所述方法利用模糊逻辑集成自动驾驶车辆的空间位置和动态特性;将基于规则的方法与深度强化学习相结合形成CR‑HRL决策框架,利用模糊逻辑将自动驾驶车辆的空间位置和动态特性作为输入CR‑HRL决策框架,根据训练过程自适应地调整基于规则和深度强化学习的输出比例,输出高层行为决策结果和目标速度;根据高层行为决策结果和目标速度生成安全舒适的规划轨迹;本发明使用基于规则的安全规划模型作为CR‑HRL的软指导,利用深度强化学习算法生成残差策略作为补充,得到安全和高效平衡的策略,在模拟器SUMO和ROS中的RL分别进行训练和测试,验证了方法的有效性,将模型成功地应用于实际,验证了模型的泛化能力。
-
公开(公告)号:CN113569755B
公开(公告)日:2023-08-22
申请号:CN202110866978.6
申请日:2021-07-29
申请人: 西安交通大学 , 宁波市舜安人工智能研究院
IPC分类号: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/764
摘要: 本发明公开了一种基于对偶关系网络的时序动作定位方法、系统、设备及介质,所述方法包括以下步骤:将待时序动作定位的原始视频序列分解为若干个视频片段并编码,获得编码后的视频特征序列;基于编码后的视频特征序列,获得候选的动作提案集合;利用预训练好的对偶关系网络对所述候选的动作提案集合中的每个提案进行信息更新,获得提案信息更新后的动作提案集合;基于所述提案信息更新后的动作提案集合,获得时序动作定位结果。本发明中,首次提出建模并推理动作提案之间的关系以及动作提案与全局上下文之间的关系,以丰富和补充动作提案表征,进而准确地分类动作和精确地检测动作边界。
-
公开(公告)号:CN116469163A
公开(公告)日:2023-07-21
申请号:CN202310324640.7
申请日:2023-03-29
申请人: 西安交通大学 , 宁波市舜安人工智能研究院
IPC分类号: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/82 , G06N3/09 , G06V10/774
摘要: 本发明公开了一种全监督时序动作定位方法、系统、设备及介质,属于计算机视觉与模式识别技术领域;所述全监督时序动作定位方法包括以下步骤:获取待时序动作定位的编码后视频特征序列,并利用骨干网络提取获得编码后视频特征序列的特征;基于获得的编码后视频特征序列的特征,利用训练好的时序动作定位模型进行预测,获得分类结果和定位结果。本发明公开的全监督时序动作定位方法,具体是一种基于联合优化的全监督时序动作定位方法,其利用基于联合优化的方法提出了IoU感知的目标函数以及对齐权重分配策略来对分类头和定位头进行对齐,能够有效地提升全监督时序动作定位检测器的性能。
-
公开(公告)号:CN116434112A
公开(公告)日:2023-07-14
申请号:CN202310322967.0
申请日:2023-03-29
申请人: 西安交通大学 , 宁波市舜安人工智能研究院
IPC分类号: G06V20/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0895
摘要: 本发明公开了一种弱监督视频异常检测方法、系统、设备及介质,所述弱监督视频异常检测方法包括以下步骤:获取待检测的视频帧特征序列;基于获取的所述待检测的视频帧特征序列,利用预先训练好的异常检测模型进行视频异常检测,获得视频异常检测结果。本发明提供的技术方案中,利用基于异常占比的多实例学习损失函数和异常占比引导下的多阶段自训练框架,能够对视频中存在的异常(包括简单异常帧和难异常帧)进行准确检测。
-
公开(公告)号:CN113705000A
公开(公告)日:2021-11-26
申请号:CN202110997109.7
申请日:2021-08-27
申请人: 西安交通大学 , 宁波市舜安人工智能研究院
摘要: 本发明公开一种基于仿真场景的自动驾驶教育小车测试方法及系统,方法具体为:基于高精度语义地图搭建仿真场景,在所述仿真场景中配置仿真教育小车和动态障碍物;搭建硬件设备,硬件设备包括可视化设备以及真实教育小车,真实教育小车能够在所述可视化设备行使;硬件设备与仿真场景信息交互,真实教育小车和仿真教育小车同步行驶,该方法向自动驾驶算法提供仿真中绝对精确的位置、障碍物以及传感器信息,避免了场外干扰带来的实验困难问题;其次,用户可以自己设计测试场景(路网、交通流、红绿灯等),教学内容更为丰富、灵活,降低平台搭建的成本;最后,该方法中真实的教育小车仅在小范围运动,大大提高了实践教学的安全性。
-
公开(公告)号:CN114708523B
公开(公告)日:2024-08-20
申请号:CN202210101257.0
申请日:2022-01-27
申请人: 西安交通大学 , 宁波市舜安人工智能研究院
IPC分类号: G06V20/40 , G06V40/20 , G06V10/44 , G06V10/62 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/766 , G06N3/0455 , G06N3/0464
摘要: 本发明公开了一种基于集合预测的时序动作定位方法、系统、设备及介质,所述方法包括以下步骤:获取编码后的视频特征序列;进行混合位置编码,获得混合位置编码后的视频特征序列;输入预训练好的Transformer编码器,获得全局融合后的视频特征序列;输入预训练好的分类网络,获得关键视频片段以及每个视频片段的分类分数;输入预训练好的动作定位网络,获得动作实例的开始和结束边界偏移量;输入预训练好的背景定位网络,获得背景实例的两个边界的偏移量。本发明能够避免大量类不可知的动作提案的生成,最终可提高推理速度同时实现优异的时序动作定位性能。
-
公开(公告)号:CN117152414A
公开(公告)日:2023-12-01
申请号:CN202311115180.3
申请日:2023-08-31
申请人: 西安交通大学 , 宁波市舜安人工智能研究院
IPC分类号: G06V10/25 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/20 , G06V10/24 , G06V10/22
摘要: 本发明公开一种基于尺度注意力辅助学习方法的目标检测方法及系统,通过明确强调特征表示的尺度敏感注意力,来增强复杂交通场景中的检测准确性,引入了一个辅助尺度估计网络,利用骨干网络的多尺度特征,并通过高斯热图进行监督,采用联合优化策略,同时学习辅助网络和物体检测器,从而促进对物体尺度变化敏感的特征,增强网络训练过程中主干网络对于多尺度信息的注意力,提高了模型对于图像中尺度信息的表达能力,在后续特征融合与预测阶段,在训练完成后的推理阶段,将尺度感知网络移除,使用标准的提取特征、特征融合、检测范式完成检测任务,在提升模型检测效果的同时不增加额外的计算负担,辅助网络设计中存在多种优化途径。
-
公开(公告)号:CN116363755A
公开(公告)日:2023-06-30
申请号:CN202310330722.2
申请日:2023-03-29
申请人: 西安交通大学 , 宁波市舜安人工智能研究院
IPC分类号: G06V40/20 , G06V20/40 , G06V10/774
摘要: 本发明公开了一种半监督时序动作定位方法、系统、设备及介质,所述半监督时序动作定位方法包括以下步骤:获取待时序动作定位原始视频序列的编码后视频特征序列;基于获取的所述编码后视频特征序列,利用预先训练好的时序动作检测模型进行时序动作检测,获得时序动作定位结果;其中,所述时序动作定位结果包括动作的开始时间、结束时间和类别。本发明提供的方法具体是一种基于噪声伪标签学习的半监督时序动作定位方法,能够有效利用未标注数据提升半监督时序动作定位的性能。
-
公开(公告)号:CN116343337A
公开(公告)日:2023-06-27
申请号:CN202310328068.1
申请日:2023-03-29
申请人: 西安交通大学 , 宁波市舜安人工智能研究院
IPC分类号: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06V10/74
摘要: 本发明公开了一种基于骨骼坐标点的动作识别方法、系统、设备及介质,所述基于骨骼坐标点的动作识别方法包括以下步骤:获取待动作识别的骨骼坐标点视频序列;其中,所述骨骼坐标点视频序列包括查询序列和支撑序列;基于获取的所述骨骼坐标点视频序列,利用预先训练好的动作识别模型进行动作识别,获得动作识别分类结果。本发明提供的技术方案,具体是一种基于并行时空交互对齐的小样本骨骼动作识别方法,能够有效的比较查询样本和每类支撑样本的相似性,且能够准确进行小样本的动作分类。
-
-
-
-
-
-
-
-
-