-
公开(公告)号：CN118781466A
公开(公告)日：2024-10-15
申请号：CN202410870914.7
申请日：2024-07-01
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种图像处理模型的训练方法，获取多个训练样本集；对各训练样本集，将训练样本输入至第一处理模型，得到第一样本的第一损失函数、第二样本图像的第二预测结果、融合特征的样本间第一相关性；基于第一损失函数对第一处理模型进行参数更新，并对第二处理模型进行参数优化，得到待训练第二处理模型；将第二样本输入至待训练第二处理模型，得到第二样本的第三预测结果、融合特征的样本间第二相关性；基于第一损失函数、第二预测结果、样本间第一相关性、第三预测结果以及样本间第二相关性，确定目标损失函数，以对图像处理模型进行修正；在最后一次目标损失函数收敛的情况下，得到图像处理模型，提高了对图像处理模型的模型训练效果。
-
公开(公告)号：CN117993478A
公开(公告)日：2024-05-07
申请号：CN202410130275.0
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于双向知识蒸馏和联邦学习的模型训练方法、装置、电子设备及存储介质。该方法由客户端执行，包括：接收服务器发送的全局模型；对所述全局模型和位于客户端的局部模型进行双向知识蒸馏训练，得到中间全局模型；将所述中间全局模型发送至所述服务器，以使所述服务器对各客户端发送的中间全局模型进行模型聚合，得到目标全局模型。上述技术方案，提升了模型训练精度。
-
公开(公告)号：CN117952834A
公开(公告)日：2024-04-30
申请号：CN202410128157.6
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T3/4076 , G06N20/00
Abstract: 本发明公开了一种图像处理方法。具体方案为：获取第一分辨率图像；将第一分辨率图像输入至图像重构模型中进行分辨率调整处理，以得到与第一分辨率图像相对应的第二分辨率图像；其中，第一分辨率图像的分辨率低于第二分辨率图像的分辨率，图像重构模型中包括混合注意力模块，图像重构模型在训练阶段的损失值包括正交解耦模块确定的正交损失和基于分配权重矩阵确定的损失；输出第二分辨率图像。本发明利用图像重构模型对第一分辨率图像进行处理，获得第二分辨率图像，保证了第二分辨率图像的质量，提高了图像处理的准确率。
-
公开(公告)号：CN117409383A
公开(公告)日：2024-01-16
申请号：CN202311129706.3
申请日：2023-09-04
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学(深圳)高等研究院
IPC: G06V20/56 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/092
Abstract: 本发明公开了一种基于自适应感知的跨场景自动驾驶决策方法，本发明能够有效地将复杂环境信息转化为基础场景，并在这些基础场景上做出决策。相较于传统的自动驾驶技术，本发明在复杂交通环境中显示出显著优势。本发明能够在面对不熟悉的场景时利用已有的训练经验以及转换后的感知图像，降低了对大量数据和长时间训练的依赖。本发明通过模拟人类的学习和驾驶过程，使得在不熟悉的场景中，自动驾驶系统能够利用已有的训练知识进行准确决策，从而避免了对大量训练数据和长时间训练的依赖。通过这种自适应的感知机制，还能够处理并转化不同复杂度的鸟瞰图像，为决策模块提供更加易于理解的输入，得到一种更为高效且适应性强的自动驾驶解决方案。
-
公开(公告)号：CN117104270A
公开(公告)日：2023-11-24
申请号：CN202311134645.X
申请日：2023-09-04
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学(深圳)高等研究院
IPC: B60W60/00 , B60W30/18 , B60W50/00 , G06F18/214 , G06N3/092
Abstract: 本发明公开了一种基于规则辅助强化学习的自动驾驶决策方法，针对自动驾驶车辆在接近路口之前需要进入指定车道的目标车道进入任务进行了深入研究和应用。考虑到强化学习策略需要理解车辆进入目标车道的紧迫性以及与基于规则的策略的结合难点，融合了规则引导与强化学习策略，实现了两者的互补优势。为了更准确地指导自动驾驶车辆做出与目标导向的驾驶决策，本发明提出了一个包括安全性、效率、舒适性和紧急性在内的四项混合奖励函数。为了进一步优化基于强化学习的策略，本发明还设计了规则修订策略，不仅监控强化学习的驾驶决策策略，还能引导策略从实际的干预中获得学习并不断完善。本发明在多种宏观和微观评价指标上都展现了出色的性能。
-
Patent Agency Ranking
公开(公告)号：CN116476861A
公开(公告)日：2023-07-25
申请号：CN202310191784.X
申请日：2023-03-02
Applicant: 电子科技大学长三角研究院(衢州)
IPC: B60W60/00
Abstract: 本发明公开了一种基于多模态感知和分层动作的自动驾驶决策系统，包括数据预处理模块、状态表征模块、演员评论家模块、混合奖励函数模块和多进程训练模块；通过并行训练来加快模型的训练速度和提升模型的训练表现。本发明的适用性更好，运用了多种传感器和深度学习算法来对周围环境信息进行一个全面的感知，从而让自动驾驶车能够更好的应对一些突发情况，分车道的跨模态聚合模型让自动驾驶车能够更快更好地提取有用的特征。基于分层动作的强化学习模型更好地优化自动驾驶车的车道保持行为和变道行为。满足自动驾驶车每一次决策的安全性、效率性和舒适性，并减少由于自动驾驶车急剧的变速和变道引发的车流波动，提升整个车流的交通效率和车流稳定。
-
公开(公告)号：CN115719479A
公开(公告)日：2023-02-28
申请号：CN202211524442.7
申请日：2022-11-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V20/56 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于编码器‑解码器架构的轨迹预测方法，涉及自动驾驶技术领域，包括：基于卷积神经网络对道路图片进行编码，得到路网特征信息，将其与物体特征信息合并得到提取向量图；将提取向量图输入带有注意力机制的图注意力网络，输出得到具有注意力信息的提取向量图，将该提取向量图输入至第一长短期记忆递归神经网络，输出得到第一结果数据；将第一结果数据输入到解码器图注意力网络之后得到带有注意力的第二结果；将第二结果数据输入至第二长短期记忆递归神经网络，输出得到轨迹预测结果，第二长短期记忆递归神经网络的损失函数包括位置信息损失和碰撞面积约束。本发明轨迹预测效率高，预测精度高，可靠性好。
-
公开(公告)号：CN115712673A
公开(公告)日：2023-02-24
申请号：CN202211512243.4
申请日：2022-11-29
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06F16/25 , G06F16/242 , G06F16/248 , G06F9/445
Abstract: 本发明公开了一种加快数据从openGauss加载到DataFrame的方法，涉及计算机数据处理技术领域。该方法通过传入连接字段conn、SQL查询语句query，以及匹配openGauss的protocol字段，使本地计算机通过ConnectorX连接至openGauss数据库管理系统；ConnectorX的工作流包括：根据SQL查询语句query从openGauss获取元数据；根据元数据类型进行源分区，并预先分配内存创建若干NumPy数组；将SQL查询语句query拆分若干个子查询并行执行，得到多个查询结果；将查询结果转换为待写的查询结果数据；将待写的查询结果数据写入NumPy数组并生成DataFrame。本发明方法显著提高了openGauss将数据读取到DataFrame的速度，此外，通过使用ConnectorX来优化读取数据的过程，避免了修改数据库服务器和客户端驱动程序。
-
公开(公告)号：CN112721948A
公开(公告)日：2021-04-30
申请号：CN202110030996.0
申请日：2021-01-11
Applicant: 成都语动未来科技有限公司 , 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了基于预测和搜索框架的自动驾驶汽车变道调度的实现方法，该方法包括(S1)轨迹预测：通过GAS‑LED轨迹预测模型对周围常规车辆的未来轨迹进行预测；(S2)行为决策：包括行为处理模块和行为处理模块，通过GAS‑LED轨迹预测模型输出周围常规车辆的行为序列，Cheetah猎豹搜索自动驾驶车辆的最优行为序列，并决定如何进行调度；(S3)结果输出：收到调度信息后，行为决策模块首先使用行为搜索模块来得到离散的自动驾驶车辆行为，然后行为处理模块进行连续化，最终输出精确的自动驾驶车辆调度行为。通过上述方案，本发明达到了辆高效、智能地进行变换车道的目的，具有很高的实用价值和推广价值。
-
公开(公告)号：CN112721929A
公开(公告)日：2021-04-30
申请号：CN202110030986.7
申请日：2021-01-11
Applicant: 成都语动未来科技有限公司 , 电子科技大学长三角研究院(衢州)
IPC: B60W30/18
Abstract: 本发明公开了一种基于搜索技术的自动驾驶车辆变道行为决策方法，该决策方法包括如下步骤：(S1)在预测了周围车辆的未来轨迹之后，自动驾驶汽车决策自己的驾驶行为；(S2)在行为决策中，分别通过行为搜索模块和行为处理模块对自动驾驶车辆的变道行为进行决策。通过上述方案，本发明达到了高效的自动驾驶目的，具有很高的实用价值和推广价值。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.034 seconds)
