-
公开(公告)号：CN115830633B
公开(公告)日：2023-07-25
申请号：CN202211484307.4
申请日：2022-11-24
Applicant: 之江实验室
IPC: G06V40/10 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种基于多任务学习残差神经网络的行人重识别方法，包括：从公开数据集中获取场景的图片与行人的信息，根据标注的人物位置信息，生成人物的裁剪图与对应人物的身份信息；构建多任务学习残差神经网络；构建“分类‑检索‑二元分类”联合损失函数；基于数据集训练好多任务学习残差神经网络和“分类‑检索‑二元分类”联合损失函数；基于待识别的人物裁剪图，经过训练好的多任务学习残差神经网络获得人物视觉特征向量；基于人物视觉特征向量，经过特征匹配算法，得到人物在人物库中对应的人物信息。本发明还包括一种基于多任务学习残差神经网络的行人重识别系统。本发明解决了由于非结构环境下，人物遮挡、衣服相似的行人重识别的问题。
-
Patent Agency Ranking
公开(公告)号：CN117853649A
公开(公告)日：2024-04-09
申请号：CN202311624789.3
申请日：2023-11-30
Applicant: 之江实验室
Abstract: 本发明公开了一种基于SFM和渲染技术的图像‑位姿数据库生成方法及装置，该方法包括：使用图像采集设备采集多组图像，并进行三维重建，获取图像的位姿；采用图像渲染方法对图像位姿进行迭代优化，生成三维模型的渲染图像，获取真实图像和渲染图像的匹配结果以及真实图像和三维模型的匹配结果，进行PnP算法位姿求解得到优化位姿；构建图像‑位姿数据库。本发明仅使用普通相机和软件算法层面的三维重建和渲染技术，实现了低成本全自动构建高精度的采集图像‑位姿数据库；可用于视觉定位算法的运行和评估，对机器人、自动驾驶等领域具有重要意义；降低了硬件成本和人力资源投入，为视觉定位算法研究和应用提供了有力支持。
-
公开(公告)号：CN117226854B
公开(公告)日：2024-02-02
申请号：CN202311505956.2
申请日：2023-11-13
Applicant: 之江实验室
Abstract: 本说明书公开了一种夹取任务的执行方法、装置、存储介质及电子设备。所述方法包括：获取包含有目标物的图像数据，并确定目标物对应的轮廓信息以及目标物所处环境的环境信息；根据轮廓信息，确定目标物中包含的每个部件所对应的位姿信息、形体信息以及语义信息；根据环境信息、位姿信息、形体信息、语义信息以及每种夹取姿态对应的预设夹取姿态信息，确定通过不同夹取姿态夹取目标物中每种部件时的夹取损失值；根据夹取损失值，在各夹取姿态中确定出目标夹取姿态，以及在目标物的各部件中确定出目标部件，并按照目标夹取姿态执行针对目标部件的夹取任务。
-
公开(公告)号：CN115880685A
公开(公告)日：2023-03-31
申请号：CN202211577601.X
申请日：2022-12-09
Applicant: 之江实验室
IPC: G06V20/64 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 一种基于votenet模型的三维目标检测方法，包括：构建votenet模型；针对感兴趣目标构建用于训练votenet模型的点云数据集；构建用于训练votenet模型的基于双层嵌套三维矩形框空间划分的种子点位移损失函数；基于votenet模型原方法构建用于训练votenet模型的其他损失函数，包括前景背景分类损失函数、中心偏移量损失函数、尺寸偏移量损失函数以及朝向角偏移量损失函数；基于构建的点云数据集和损失函数训练votenet模型；使用RGB‑D相机获取待检测场景的点云数据；基于待检测场景的点云数据，经过votenet模型，输出感兴趣目标的三维目标检测结果。本发明可以在不增加模型推理延时的前提下，有效降低三维目标检测结果的虚警率。
-
公开(公告)号：CN115861387A
公开(公告)日：2023-03-28
申请号：CN202211599044.1
申请日：2022-12-14
Applicant: 之江实验室
Abstract: 本申请涉及一种机器人目标跟踪方法、装置、机器人及存储介质，该方法包括：对第一图像和第二图像进行目标检测，得到至少一个第一对象和至少一个第二对象；第一图像基于第一相机采集，第二图像基于第二相机采集，第二相机的视野范围大于第一相机的视野范围，且与第一相机的视野范围存在交叠；提取各第一对象、第二对象在第一图像、第二图像中的图像特征和位置特征；基于图像特征和位置特征确定第一对象和第二对象中处于交叠视野范围内的目标对象；将目标对象所对应的图像特征融合后得到第三图像特征，基于第三图像特征跟踪目标对象，扩展了目标对象的跟踪视野，解决了相关技术中存在的机器人难以实现对被跟踪目标整体运动过程跟踪的问题。
-
公开(公告)号：CN115830633A
公开(公告)日：2023-03-21
申请号：CN202211484307.4
申请日：2022-11-24
Applicant: 之江实验室
IPC: G06V40/10 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种基于多任务学习残差神经网络的行人重识别方法，包括：从公开数据集中获取场景的图片与行人的信息，根据标注的人物位置信息，生成人物的裁剪图与对应人物的身份信息；构建多任务学习残差神经网络；构建“分类‑检索‑二元分类”联合损失函数；基于数据集训练好多任务学习残差神经网络和“分类‑检索‑二元分类”联合损失函数；基于待识别的人物裁剪图，经过训练好的多任务学习残差神经网络获得人物视觉特征向量；基于人物视觉特征向量，经过特征匹配算法，得到人物在人物库中对应的人物信息。本发明还包括一种基于多任务学习残差神经网络的行人重识别系统。本发明解决了由于非结构环境下，人物遮挡、衣服相似的行人重识别的问题。
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
