处理雷达反射的方法和系统
    1.
    发明公开

    公开(公告)号:CN112240999A

    公开(公告)日:2021-01-19

    申请号:CN202010690550.6

    申请日:2020-07-17

    IPC分类号: G01S7/41

    摘要: 本公开涉及处理雷达反射的方法和系统。一种处理雷达反射的计算机实现方法包括由计算机硬件组件执行的以下步骤:由至少一个雷达传感器接收雷达反射;确定目标角度,在该目标角度,由至少一个雷达传感器接收与潜在目标有关的雷达反射;以及确定由至少一个雷达传感器在目标角度周围的预定角域内接收的雷达反射的能量。

    用于对象检测的方法和系统
    2.
    发明公开

    公开(公告)号:CN115082867A

    公开(公告)日:2022-09-20

    申请号:CN202210222984.2

    申请日:2022-03-07

    发明人: 苏煜 M·舒尔勒

    摘要: 用于对象检测的方法和系统。提供了一种用于对象检测的计算机实现方法,所述方法包括由计算机硬件组件执行的以下步骤:基于输入数据来确定第一池化层的输出;基于第一池化层的输出,确定被直接设置在第一池化层之后的扩张卷积层的输出;基于扩张卷积层的输出,确定被直接设置在扩张卷积层之后的第二池化层的输出;以及至少基于扩张卷积层的输出或者第二池化层的输出来执行对象检测。

    用于训练机器学习算法的方法和装置

    公开(公告)号:CN115482352A

    公开(公告)日:2022-12-16

    申请号:CN202210596889.9

    申请日:2022-05-30

    IPC分类号: G06T17/20 G06V10/26 G06N20/00

    摘要: 本公开提供了用于训练机器学习算法的方法和装置。一种用于训练机器学习算法的方法,该机器学习算法依赖于由至少一个主要传感器捕获的主要数据。基于由至少一个辅助传感器提供的辅助数据来标识标签。通过基于主要数据并且基于辅助数据确定主要传感器针对标签的感知能力,向各个标签分配关心属性或不关心属性。通过机器学习算法生成针对标签的模型预测。针对模型预测定义损失函数。对于所有标签,允许对损失函数的负贡献。对于具有关心属性的标签,允许对损失函数的正贡献,而对于具有不关心属性的标签,仅在针对相应标签的模型预测的置信度大于阈值时才允许对损失函数的正贡献。