-
公开(公告)号：CN116628543A
公开(公告)日：2023-08-22
申请号：CN202310452512.0
申请日：2023-04-25
IPC: G06F18/24 , H04L67/01 , G06N3/098 , G06F18/214
Abstract: 本发明公开了一种基于元学习的不平衡数据联邦学习方法和系统，包括：客户端接收服务端下发的赋权模型参数和全局模型参数，利用本地数据和赋权模型参数得到用作校正数据不平衡的权重，基于权重、本地数据以及全局模型参数更新本地模型参数，其中，赋权模型参数包括类赋权模型参数、样本赋权模型参数，对应的权重包括类权重和样本权重；服务端接收客户端上传的本地模型参数并聚合得到全局模型参数，利用元数据、赋权模型参数以及聚合的全局模型参数得到元全局模型参数，利用元全局模型参数和元数据来更新赋权模型参数，更新的赋权模型参数和聚合的全局模型参数下发至客户端进行下一轮联邦学习。
-
公开(公告)号：CN116572994A
公开(公告)日：2023-08-11
申请号：CN202310836241.9
申请日：2023-07-10
Applicant: 之江实验室
IPC: B60W60/00 , B60W30/095 , B60W50/00
Abstract: 本发明公开了一种车辆速度规划方法，利用自车规划路径和障碍物预测轨迹得到自车和周边障碍物的第一碰撞点，基于第一碰撞点通过历史试验标定过的经验数据得到第一期望速度和第一期望加速度和维持时间，从而能够实现安全、舒适的避开障碍物。如果维持时间比累积时间长，则对障碍物的预测轨迹与实际轨迹的重合度程度进行比较，基于重合度程度比较结果调整进一步减速的速率从而实现对障碍物的安全且舒适的避让，因此，本发明根据自车周围的障碍物对自车正常行驶时的加塞概率，来对自车进行自适应的减速行为，即加塞对自车行进影响的概率越大则减速越快，从而同时保证安全性及舒适性。本发明还公开了车辆速度规划装置和计算机可读存储介质。
-
公开(公告)号：CN116168173B
公开(公告)日：2023-07-18
申请号：CN202310444818.1
申请日：2023-04-24
Applicant: 之江实验室
Abstract: 本申请涉及一种车道线地图生成方法、装置、电子装置和存储介质，其中，该车道线地图生成方法包括：获取车载相机采集到的原始图像；基于原始图像，确定对应的掩膜图像，掩膜图像中包括车道线属性信息；基于掩膜图像，构建相应的栅格地图；基于掩膜图像以及车载相机的内外参数，将车道线属性信息填充至栅格地图中，得到填充后的栅格地图；基于填充后的栅格地图，生成局部车道线地图。通过本申请，解决了现有技术中无法通过视觉空间的图像信息生成车道线地图的问题，实现了根据视觉空间的图像信息生成了车道线地图。
-
公开(公告)号：CN116402936A
公开(公告)日：2023-07-07
申请号：CN202310379686.9
申请日：2023-04-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于八叉树的透明渲染复杂场景深度估计方法和装置，该方法利用八叉树空间划分的收敛性进行场景表面近似，在八叉树代理数据结构的构建阶段，首先对场景进行八叉树划分，将叶子节点中的三角面片集合向节点轴对齐包围盒的各面投影，采样估算非空叶子节点所处空间的场景深度；其次依次应用自底向上和自顶向下的遍历，进行八叉树节点的局部场景深度和全局场景深度估计；最后实时运行时，利用八叉树代理数据结构，执行基于视点的快速查询，检索当前视点下场景最大深度的估值，进行透明效果绘制。本发明计算开销低，可应用于多种类型透明绘制框架，可实时动态适应视点变化，为高质量、顺序无关的复杂数字场景透明渲染提供解决方案。
-
公开(公告)号：CN116310680A
公开(公告)日：2023-06-23
申请号：CN202310238226.4
申请日：2023-03-07
Applicant: 之江实验室
Abstract: 本发明公开了一种基于动态稀疏特征融合的点云场景识别方法，该点云场景识别方法采用多个三维子卷积对下采样点云特征进行细节特征提取，由于该三维子卷积中的卷积核仅有一个维度不为1，从而在提取细节特征过程中，降低了参数量，同时能够基于当前场景信息灵活的配置三维子卷积的数量，在准确提取当前场景下的有用特征的同时提供运算效率，在上采样过程中，对上采样点云特征和对应尺寸的点云编码特征的特征点和特征通道进行权重分配，以优化点云局部特征，进而较为准确的获得当前场景的点云帧。
-
Patent Agency Ranking
公开(公告)号：CN116295354A
公开(公告)日：2023-06-23
申请号：CN202310320547.9
申请日：2023-03-24
Applicant: 之江实验室
Abstract: 本申请涉及一种无人车主动全局定位方法和系统，其中，该方法包括：构建先验地图，将先验地图进行场景分割，得到目标拓扑特征地图；将获取的当前观测全局描述子和当前观测特征信息，与目标拓扑特征地图进行匹配，得到候选位姿；计算候选位姿的邻近场景之间的差异度，将差异度最大的邻近场景作为无人车运动的全局目标；根据全局目标和候选位姿，获取虚拟观测数据并计算对应的信息增益，获取信息增益最大的虚拟观测数据，作为无人车运动的局部目标；根据局部目标进行最短路径规划，用于控制无人车运动进行主动全局定位。通过本申请，解决了无人车全局定位系统响应速度较慢和定位精度较低问题，提高了无人车主动全局定位的响应速度和定位准确性。
-
公开(公告)号：CN116184357A
公开(公告)日：2023-05-30
申请号：CN202310218573.0
申请日：2023-03-07
Applicant: 之江实验室
IPC: G01S7/48
Abstract: 本申请涉及一种地面点云数据处理方法、装置、电子装置和存储介质，其中，该地面点云数据处理方法包括：通过激光雷达采集原始点云数据，得到地面点云数据；根据车辆位姿将激光雷达坐标系下的地面点云数据转换为地图坐标系下的第一点云数据；根据车辆的行驶方向，从第一点云数据中获取搜索种子；根据搜索种子和高程变化阈值，将第一点云数据分为道路点云数据和障碍物点云数据；根据点云数据强度阈值对道路点云数据进行二分聚类，得到前景点云数据和背景点云数据。通过本申请，解决了相关技术中存在复杂路况下采集的点云数据处理存在噪声大，导致点云数据目标识别不精确的问题，实现了精确高效过滤路面点云数据的技术效果。
-
公开(公告)号：CN116154779A
公开(公告)日：2023-05-23
申请号：CN202310439438.9
申请日：2023-04-23
Applicant: 之江实验室
Abstract: 本发明公开了一种基于预训练模型的最优潮流计算方法和装置，属于智能电网和人工智能相结合的技术领域，包括：在对用于根据有功功率和电压幅值预测无功功率和电压相角的预训练模型进行参数优化的基础上，利用优化后预训练模型构建最优潮流计算模型，即使用优化后预训练模型约束最优潮流计算模型基于负载功率样本和最优潮流计算标签的训练过程，这样使得最优潮流计算模型能够在保证求解有效性的同时快速地进行最优潮流计算求解，更好地满足新型电力系统的需求。
-
公开(公告)号：CN115496077A
公开(公告)日：2022-12-20
申请号：CN202211442584.9
申请日：2022-11-18
Applicant: 之江实验室
IPC: G06F40/30 , G06F40/126 , G06F40/242 , G06K9/62 , G06Q50/00
Abstract: 本发明公开一种基于模态观察和评分的多模态情感分析方法和装置，该方法包括：步骤一，获取不同模态原始数据，针对不同模态特点提取模态特征表示；步骤二，使用模态观察模块对各模态信息进行初步融合，获得模态融合权重和模态学习权重；步骤三，基于模态融合权重和单模态特征表示，构建多模态特征表示和多模态代理特征表示；步骤四，使用模态评分模块对多模态特征表示和多模态代理特征表示进行情感打分，结合模态学习权重，基于多任务学习框架完成情感分析模型的训练。本发明不仅能够完成多模态情感分析任务，也能够完成各个单模态情感分析任务，能够做到一次训练、多处使用，从而减轻训练负担，大大提升使用效率和多模态情感分析效果。
-
公开(公告)号：CN115201615B
公开(公告)日：2022-12-20
申请号：CN202211118553.8
申请日：2022-09-15
Applicant: 之江实验室
Abstract: 本发明涉及智能电网领域，提出了一种基于物理约束神经网络的非侵入式负荷监测方法及装置，包括如下步骤：步骤1、获取建筑某一时段内的总负荷数据和设备负荷数据，利用滑动窗口方法进行切割以构造训练数据；步骤2、设计深度学习神经网络模型，对总负荷数据中所包含的设备负荷特性进行学习，输出设备负荷预测；步骤3、基于物理约束学习框架，对深度学习神经网络模型通过迭代优化训练损失进行训练，得到训练好的物理约束神经网络模型；步骤4、根据物理约束神经网络模型的输出结果，监测建筑内各设备的用电情况。本发明可充分提取用电设备的运行特征，在不增加额外开销的前提下提升负荷辨识的准确性。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.03 seconds)
