基于深度学习的车道线检测方法、装置、终端及存储介质

    公开(公告)号:CN111539402B

    公开(公告)日:2020-10-20

    申请号:CN202010666326.3

    申请日:2020-07-13

    发明人: 韩浩瀚

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明涉及人工智能技术领域,提供一种基于深度学习的车道线检测方法、装置、终端及存储介质,包括:基于构建的训练数据集训练参数共享的车道线检测模型;获取车道线图像并将车道线图像输入至所述车道线检测模型中进行特征提取;获取所述车道线检测模型的最后一层下采样层输出的特征图;对所述特征图进行局部非极大抑制计算得到第一目标特征图;根据所述第一目标特征图生成第二目标特征图;通过所述车道线检测模型的上采样层对所述第二目标特征图进行分割得到掩码图;根据所述掩码图分割出车道线。本发明能够应用于智慧交通领域,提高车道线图像中车道线的分割准确率。此外,本发明还涉及区块链技术,车道线检测模型可存储于区块链节点中。

    基于人工智能的数据处理方法、装置、设备及介质

    公开(公告)号:CN112116912B

    公开(公告)日:2024-05-24

    申请号:CN202011006315.9

    申请日:2020-09-23

    发明人: 韩浩瀚

    摘要: 本发明涉及人工智能技术领域,尤其涉及一种基于人工智能的数据处理方法、装置、设备及存储介质。该基于人工智能的数据处理方法包括获取用户语音数据,并基于用户语音数据进行特征提取,获取用户声纹特征;获取采用用户声纹特征对多层神经网络进行训练所得到的原始识别模型以及对应的模型输出值;根据模型输出值,计算原始识别模型的当前损失值;根据当前损失值确定目标变化量;基于目标变化量,采用线性更新算法对线性单元进行更新,以及基于目标变化量,采用非线性更新算法对非线性单元进行更新,获取用户标识对应的目标识别模型。本发明还涉及区块链技术,用户语音数据存储于区块链中。本发明可有效提高模型更新的准确率。

    基于卷积神经网络的图像处理方法、装置、设备及介质

    公开(公告)号:CN111798520A

    公开(公告)日:2020-10-20

    申请号:CN202010931980.2

    申请日:2020-09-08

    发明人: 韩浩瀚

    摘要: 本申请涉及人工智能技术,具体公开了一种基于卷积神经网络的图像处理方法、装置、设备及介质。其中方法包括:确定当前卷积层接收的图像输入数据,以及确定当前卷积层的第一卷积核;将第一卷积核和图像输入数据输入至预设正交网络,以使预设正交网络输出位姿数据,其中,位姿数据包括图像输入数据中的目标特征的位姿参数;根据位姿数据和第一卷积核确定第二卷积核;将图像输入数据和第二卷积核进行卷积运算,以得到第一输出数据;根据第一输出数据和位姿数据确定当前卷积层的输出数据。本申请实施例可以提高图像识别的效率,适用于智慧交通领域,从而可进一步推动智慧城市的建设,本申请还涉及区块链技术。

    基于深度学习的车道线检测方法、装置、终端及存储介质

    公开(公告)号:CN111539402A

    公开(公告)日:2020-08-14

    申请号:CN202010666326.3

    申请日:2020-07-13

    发明人: 韩浩瀚

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明涉及人工智能技术领域,提供一种基于深度学习的车道线检测方法、装置、终端及存储介质,包括:基于构建的训练数据集训练参数共享的车道线检测模型;获取车道线图像并将车道线图像输入至所述车道线检测模型中进行特征提取;获取所述车道线检测模型的最后一层下采样层输出的特征图;对所述特征图进行局部非极大抑制计算得到第一目标特征图;根据所述第一目标特征图生成第二目标特征图;通过所述车道线检测模型的上采样层对所述第二目标特征图进行分割得到掩码图;根据所述掩码图分割出车道线。本发明能够应用于智慧交通领域,提高车道线图像中车道线的分割准确率。此外,本发明还涉及区块链技术,车道线检测模型可存储于区块链节点中。

    基于人工智能的数据处理方法、装置、设备及介质

    公开(公告)号:CN112116912A

    公开(公告)日:2020-12-22

    申请号:CN202011006315.9

    申请日:2020-09-23

    发明人: 韩浩瀚

    摘要: 本发明涉及人工智能技术领域,尤其涉及一种基于人工智能的数据处理方法、装置、设备及存储介质。该基于人工智能的数据处理方法包括获取用户语音数据,并基于用户语音数据进行特征提取,获取用户声纹特征;获取采用用户声纹特征对多层神经网络进行训练所得到的原始识别模型以及对应的模型输出值;根据模型输出值,计算原始识别模型的当前损失值;根据当前损失值确定目标变化量;基于目标变化量,采用线性更新算法对线性单元进行更新,以及基于目标变化量,采用非线性更新算法对非线性单元进行更新,获取用户标识对应的目标识别模型。本发明还涉及区块链技术,用户语音数据存储于区块链中。本发明可有效提高模型更新的准确率。

    基于人工智能的车道线检测方法、装置、终端及存储介质

    公开(公告)号:CN111539401B

    公开(公告)日:2020-10-23

    申请号:CN202010666314.0

    申请日:2020-07-13

    发明人: 韩浩瀚

    摘要: 本发明涉及人工智能技术领域,提供一种基于人工智能的车道线检测方法、装置、终端及存储介质,包括:将标注车道线区域的历史车道线图像输入神经网络中进行迭代训练;获取当次迭代结束时每个神经元输出的权值参数;采用广义归一化模型对每个神经元输出的权值参数进行广义归一化得到新的权值参数并作为当次迭代结果,为权值参数,为的各阶上的维度总和,为平衡系数,为新的权值参数;根据当次迭代结果进行下一轮的迭代训练直至满足训练结束条件时得到车道线检测模型;利用车道线检测模型检测待测车道线图像中的车道线。本发明能够应用于智慧交通领域,提高车道线图像中车道线的分割准确率。

    提取语义对齐特征的方法、装置、计算机设备和存储介质

    公开(公告)号:CN111738012A

    公开(公告)日:2020-10-02

    申请号:CN202010409366.X

    申请日:2020-05-14

    发明人: 韩浩瀚

    IPC分类号: G06F40/30 G06N3/04 G06N3/08

    摘要: 本申请涉及人工智能中的分类模型技术领域,提供提取语义对齐特征的方法、装置、计算机设备和存储介质,包括:基于预设的卷积神经网络提取目标图片的特征图,并进行全局最大池化处理得到全局特征向量;其中,定位有全局特征向量的每一个分量在特征图中的索引;根据索引,获取全局特征向量每一个分量的构成元;对所有分量的构成元的网络参数进行大小排序,获取前N个目标网络参数对应的输入向量,作为目标输入向量;将各目标输入向量的分量与全局特征向量组合,得到多粒度语义对齐特征向量。本申请多粒度语义对齐特征向量中结合有效分量,具有多粒度特性。另外,本申请可应用于智慧交通领域中,从而推动智慧城市的建设。

    基于人工智能的车道线检测方法、装置、终端及存储介质

    公开(公告)号:CN111539401A

    公开(公告)日:2020-08-14

    申请号:CN202010666314.0

    申请日:2020-07-13

    发明人: 韩浩瀚

    摘要: 本发明涉及人工智能技术领域,提供一种基于人工智能的车道线检测方法、装置、终端及存储介质,包括:将标注车道线区域的历史车道线图像输入神经网络中进行迭代训练;获取当次迭代结束时每个神经元输出的权值参数;采用广义归一化模型 对每个神经元输出的权值参数进行广义归一化得到新的权值参数并作为当次迭代结果,为权值参数,为 的各阶上的维度总和,为平衡系数,为新的权值参数;根据当次迭代结果进行下一轮的迭代训练直至满足训练结束条件时得到车道线检测模型;利用车道线检测模型检测待测车道线图像中的车道线。本发明能够应用于智慧交通领域,提高车道线图像中车道线的分割准确率。

    提取语义对齐特征的方法、装置、计算机设备和存储介质

    公开(公告)号:CN111738012B

    公开(公告)日:2023-08-18

    申请号:CN202010409366.X

    申请日:2020-05-14

    发明人: 韩浩瀚

    IPC分类号: G06F40/30 G06N3/0464 G06N3/08

    摘要: 本申请涉及人工智能中的分类模型技术领域,提供提取语义对齐特征的方法、装置、计算机设备和存储介质,包括:基于预设的卷积神经网络提取目标图片的特征图,并进行全局最大池化处理得到全局特征向量;其中,定位有全局特征向量的每一个分量在特征图中的索引;根据索引,获取全局特征向量每一个分量的构成元;对所有分量的构成元的网络参数进行大小排序,获取前N个目标网络参数对应的输入向量,作为目标输入向量;将各目标输入向量的分量与全局特征向量组合,得到多粒度语义对齐特征向量。本申请多粒度语义对齐特征向量中结合有效分量,具有多粒度特性。另外,本申请可应用于智慧交通领域中,从而推动智慧城市的建设。

    图像的分辨率处理方法、装置、设备及存储介质

    公开(公告)号:CN113222814A

    公开(公告)日:2021-08-06

    申请号:CN202110433837.5

    申请日:2021-04-22

    发明人: 韩浩瀚 曹锋铭

    摘要: 本发明涉及人工智能领域,公开了一种图像的分辨率处理方法、装置、设备及存储介质,用于基于小波超分辨率框架构建深度学习模型,并对图像进行超分辨率处理,缓解了原图信息的流失,减缓了棋盘效应,抑制了输出图像的椒盐噪声。图像的分辨率处理方法包括:获取待处理图像以及待处理图像对应参数;将待处理图像对应参数导入优化后的深度学习模型中,通过预设的激活函数对待处理图像对应参数进行处理,得到第一图像;对第一图像进行对折相减操作并引入尺度系数矩阵,生成第二图像;判断第二图像的分辨率是否达到预设的标准,得到判断结果,基于判断结果输出目标图像。此外,本发明还涉及区块链技术,目标图像可存储于区块链节点中。