-
公开(公告)号：CN118015316A
公开(公告)日：2024-05-10
申请号：CN202410410287.9
申请日：2024-04-07
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/774 , G06V10/82 , G06V20/17
Abstract: 本说明书公开了一种图像匹配模型训练的方法、装置、存储介质、设备，获取由第一基准图像和第一待匹配图像组成的第一样本组，将第一样本组输入预先训练的教师模型，确定第一基准图像与第一待匹配图像的匹配度，作为伪标注，将第一样本组输入图像匹配模型，确定第一基准图像与第一待匹配图像的当前匹配度，图像匹配模型的复杂度小于教师模型的复杂度，根据当前匹配度与伪标注的差异，对图像匹配模型进行训练，本方法利用预先训练的复杂度较高、输出结果精准的教师模型，使得复杂度较低、运算速度较快的图像匹配模型可以学习到教师模型的策略，最终训练得到运算速度快、输出结果精准的图像匹配模型，可应对时限短、批量大的图像定位匹配任务。
-
公开(公告)号：CN117870654A
公开(公告)日：2024-04-12
申请号：CN202410048959.6
申请日：2024-01-11
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于点云配准的地磁导航方法、装置、介质及设备。所述方法包括：将目标区域的全局地磁矢量数据转换为点云，得到目标点云数据；实时采集目标载体历史轨迹上各采样点的地磁矢量数据并转换为点云，得到待匹配点云数据；对目标点云数据以及待匹配点云数据进行特征提取，得到目标点特征以及待匹配点特征；根据目标点特征以及待匹配点特征，构建目标点云数据与待匹配点云数据之间的初始匹配集合；将初始匹配集合输入点云匹配模型，确定目标点云数据中每个点与待匹配点云数据中每个点相匹配置信度；根据置信度对局部地磁矢量数据与全局地磁矢量数据进行匹配，根据匹配结果进行地磁导航。
-
公开(公告)号：CN117173438B
公开(公告)日：2024-02-27
申请号：CN202311134283.4
申请日：2023-09-04
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/084 , G06N3/0895 , G06N3/0475 , G01C21/20 , G01C21/00
Abstract: 本说明书公开了一种深度耦合多源传感特性的景象匹配方法，针对不同类型的传感器分别采集的每个类型的实时景象，通过该类型的差异特征提取模型，得到该类型的而精细特征图，进而基于各类型的精细特征图，通过差异计算及生成器，抽象化不同类型的精细特征图的特征信息分离出可用精细特征，实现细粒度特征寻优，生成寻优实时图，进而基于寻优实时图和预存的寻优基准图进行多尺度景象匹配，得到匹配结果。可见，通过抽象不同类型的精细特征图的特征信(56)对比文件袁定兴.异源图像匹配的参考图制备与匹配方法研究《.中国优秀硕士学位论文全文数据库信息科技辑》.2023,(第1期),第I138-1538页.杜文超等.基于SAR图像的快速景象匹配方法《.雷达科学与技术》.2014,第12卷(第1期),第39-43页.Yongxian Zhang等.Air-Ground Multi-Source Image Matching Based on High-Precision Reference Image《.remotesensing》.2022,第14卷(第3期),第1-21页.
-
公开(公告)号：CN117058525B
公开(公告)日：2024-02-06
申请号：CN202311293164.3
申请日：2023-10-08
Applicant: 之江实验室
Abstract: 本说明书公开了一种模型的训练方法、装置、存储介质及电子设备，首先可获取待训练的图像处理模型中网络层的连接权重，并根据连接权重，确定所述待训练的图像处理模型中的成熟连接权重以及非成熟连接权重。然后，获取样本图像以及样本图像对应的标注，并根据样本图像以及样本图像对应的标注，分别调整成熟连接权重以及非成熟连接权重，得到训练完成的图像处理模型。最后，根据得到的训练完成的图像处理模型中的各连接权重，确定训练完成的图像处理模型中的非成熟连接权重并剪枝，得到最终的图像处理模型。该方法在实现模型压缩的同时，兼(56)对比文件缪及.卷积神经网络剪枝和量化方法研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2020,第2020年卷(第2期),I140-216.凌象政.循环神经网络压缩方法研究《.中国优秀硕士学位论文全文数据库 信息科技辑》.2022,第2022年卷(第1期),I140-576.Alex Renda等.Comparing Rewinding andFine-tuning in Neural Network Pruning.《Arxiv》.2020,1-31.Shiwei Liu等.Sparse Training viaBoosting Pruning Plasticity withNeuroregeneration《.35th Conference onNeural Information Processing Systems(NeurIPS 2021)》.2021,1-15.
-
公开(公告)号：CN117213472A
公开(公告)日：2023-12-12
申请号：CN202311180726.3
申请日：2023-09-12
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于矢量数据的地磁导航方法、装置以及电子设备，可以通过获取到的校准区域内采集到的矢量地磁观测数据，确定出地磁观测数据在指定方向上的磁变化率，进而确定出包含有表示飞行器采集到的地磁观测数据以及飞行器产生的干扰数据之间关系的未知参数的线性磁观测模型并且求解出未知参数，这使得飞行器在目标区域飞行时可以通过采集到的地磁观测数据和求解出未知参数的线性磁观测模型，求解出飞行器产生的干扰磁数据，进而排除掉飞行器采集到的地磁观测数据中的干扰磁数据的影响，得到飞行器所处位置的实际磁数据，以提高导航的精度。
-
Patent Agency Ranking
公开(公告)号：CN117078985A
公开(公告)日：2023-11-17
申请号：CN202311344161.8
申请日：2023-10-17
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/764 , G06V10/774 , G06V10/26 , G06V20/10
Abstract: 本说明书公开了一种景象匹配方法、装置、存储介质及电子设备。在本说明书提供的景象匹配方法中，获取实测图像与基准图像；将所述实测图像与所述基准图像输入预先训练的预测模型，所述预测模型至少包括分类子网、匹配子网、输出子网；通过所述分类子网对所述实测图像与所述基准图像进行分类，得到所述实测图像的类别与所述基准图像的类别；通过所述匹配子网，根据所述实测图像与所述基准图像，以及所述实测图像的类别与所述基准图像的类别，确定所述实测图像在所述基准图像中的定位结果；通过所述输出子网，根据所述匹配子网确定出的定位结果输出匹配结果。
-
公开(公告)号：CN117058525A
公开(公告)日：2023-11-14
申请号：CN202311293164.3
申请日：2023-10-08
Applicant: 之江实验室
Abstract: 本说明书公开了一种模型的训练方法、装置、存储介质及电子设备，首先可获取待训练的图像处理模型中网络层的连接权重，并根据连接权重，确定所述待训练的图像处理模型中的成熟连接权重以及非成熟连接权重。然后，获取样本图像以及样本图像对应的标注，并根据样本图像以及样本图像对应的标注，分别调整成熟连接权重以及非成熟连接权重，得到训练完成的图像处理模型。最后，根据得到的训练完成的图像处理模型中的各连接权重，确定训练完成的图像处理模型中的非成熟连接权重并剪枝，得到最终的图像处理模型。该方法在实现模型压缩的同时，兼顾了非成熟连接权重对模型性能造成的影响，进一步提高了模型的性能。
-
公开(公告)号：CN116721316A
公开(公告)日：2023-09-08
申请号：CN202311010106.5
申请日：2023-08-11
Applicant: 之江实验室
Abstract: 本说明书公开了一种模型训练和地磁图优化方法、装置、介质及设备。所述方法包括：获取指定区域的初始地磁图；通过预设矢量磁强计，测量指定区域的磁场数据，并基于磁场数据生成目标地磁图，目标地磁图的分辨率高于初始地磁图的分辨率；将初始地磁图作为训练样本输入待训练生成模型中的生成网络，以通过生成网络生成指定区域的超分辨率地磁图；将超分辨率地磁图以及目标地磁图输入生成模型中的判别网络，以通过判别网络确定超分辨率地磁图为目标地磁图的概率；以最小化超分辨率地磁图与目标地磁图之间的偏差，以及，最小化将超分辨率地磁图判别为目标地磁图的概率为优化目标，对生成模型进行训练。
-
公开(公告)号：CN118816855A
公开(公告)日：2024-10-22
申请号：CN202411310043.X
申请日：2024-09-19
Applicant: 之江实验室
Abstract: 本说明书公开了一种无人机组合导航的方法、装置、存储介质及电子设备，当检测到第一目标区域时，无人机组合导航系统中的主控单元通过惯性测量单元和视觉传感器，确定无人机所处的第一位置，确定从第一位置到第一目标区域的第一导航路径，控制无人机按照第一导航路径飞行。在控制无人机按照第一导航路径飞行时，监控无人机的飞行高度，当飞行高度为预设高度时，确定无人机所处的第二位置。通过视觉传感器采集无人机所处环境的环境感知数据，通过嗅觉传感器采集无人机所处环境的嗅觉感知数据。根据嗅觉感知数据，确定第二目标区域。基于环境感知数据，确定从第二位置到第二目标区域的第二导航路径，控制无人机按照第二导航路径飞行。
-
公开(公告)号：CN118673959B
公开(公告)日：2024-10-22
申请号：CN202411153835.0
申请日：2024-08-21
Applicant: 之江实验室
IPC: G06N3/04 , G06N3/086 , G06V10/764 , G06V10/82
Abstract: 在本说明书提供一种混合精度量化方法、装置、介质及设备，通过确定深度神经网络模型中的各层的量化位宽，对深度神经网络模型进行量化，确定候选量化模型，并将样本分别输入深度神经网络模型以及候选量化模型，确定候选量化模型的量化误差、加速比以及压缩效果，进而确定候选量化模型的适应度，最后，根据预设的进化算法以及候选量化模型的适应度，确定深度神经网络模型的目标量化模型，使得混合精度量化方法能够根据少量无标签样本确定深度神经网络模型的目标量化模型，提高了混合精度量化方法的泛用性。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.027 seconds)
