-
公开(公告)号：CN114207667A
公开(公告)日：2022-03-18
申请号：CN202080056831.4
申请日：2020-07-16
Applicant: 赫尔实验室有限公司
IPC: G06T7/70 , G06V40/10 , G06V10/762 , G06V10/77 , G06V10/774 , G06K9/62
Abstract: 描述了一种自主驾驶车辆中的用于学习动作以进行基于图像的动作识别的系统。所述系统将来自源域的已标记动作图像数据的集合分成分量。将分量映射到动作模式的集合上，从而创建动作模式字典。针对已标记动作数据的集合中的各个动作，学习从表示该动作的动作模式到该动作的类标签的映射。所述系统将新的未标记目标动作图像数据的集合映射到共享嵌入特征空间，在共享嵌入特征空间中能够判别动作模式。针对新的未标记目标动作图像数据的集合中的各个目标动作，识别目标动作的类标签。基于所识别的类标签，使自主驾驶车辆执行与所识别的类标签相对应的车辆操纵。
-
公开(公告)号：CN113316792A
公开(公告)日：2021-08-27
申请号：CN202080009908.2
申请日：2020-01-24
Applicant: 赫尔实验室有限公司
Abstract: 描述了一种将学习到的知识从电光(EO)域迁移到合成孔径雷达(SAR)域的系统。该系统使用测量的EO域与SAR域之间的相似性来训练模型，该模型用于使用先前从电光(EO)域学习到的知识对SAR图像进行分类。使用所训练的模型处理SAR图像，以确定SAR图像中的关注区域。对关注区域进行分类，以确定关注区域是否对应于关注对象，并且输出包含关注对象的已分类关注区域。在可视化地图上显示关注对象，并且自动更新可视化地图，以反映关注对象的位置变化。
-
公开(公告)号：CN111052144A
公开(公告)日：2020-04-21
申请号：CN201880052204.6
申请日：2018-07-12
Applicant: 赫尔实验室有限公司
Abstract: 描述了一种用于对象识别的系统。该系统生成来自多个图像类的对象图像的训练图像集合。使用训练图像集合和注释的语义属性，对使用关于视觉特征和语义属性的字典的联合稀疏表示将视觉特征从已知图像映射到所述注释的语义属性的模型进行训练。使用所训练的模型将未见过的输入图像的视觉特征映射到该图像的语义属性。将所述未见过的输入图像分类为属于图像类，以及基于所述未见过的输入图像的分类来控制装置。
-
公开(公告)号：CN111492375B
公开(公告)日：2023-09-05
申请号：CN201980006462.5
申请日：2019-02-04
Applicant: 赫尔实验室有限公司
IPC: G06V10/764 , G06V20/10 , G06V10/44 , G06V10/46 , G06V10/762 , G06V10/77 , G06V10/778 , G06N3/0464 , G06V10/82 , G06N3/08
Abstract: 描述了一种用于对图像中的新对象进行分类的系统。在操作中，该系统使用多层网络从多个未标注图像提取显著图块。将多层网络的激活聚类成关键属性，在显示器上向用户显示该关键属性，从而提示用户利用类标签来对关键属性进行标注。然后基于所提示的关键属性的用户标注生成属性数据库。然后可以使测试图像通过该系统，以允许该系统通过在属性数据库中识别对象类来对测试图像中的至少一个对象进行分类。最终，可以基于测试图像中的至少一个对象的分类来使设备进行操作或操纵。
-
公开(公告)号：CN110383291B
公开(公告)日：2023-06-13
申请号：CN201880015891.4
申请日：2018-04-05
Applicant: 赫尔实验室有限公司
IPC: G06V10/764 , G06V10/762 , G06V20/58 , G06V10/82 , G06N3/0464 , G06N3/088 , G06N5/04
Abstract: 描述了理解机器学习决策的系统、方法、计算机可读介质。在无监督学习阶段，该系统通过对概念的潜变量的活动模式进行聚类，以无监督方式从输入数据中提取由机器学习(ML)模型表示的概念，其中，潜变量是ML模型的隐变量。通过学习所提取的概念之间的功能语义，将所提取的概念组织成概念网络。在操作阶段，生成概念网络的子网络。将子网络的节点被显示为由权重和标签标注的视觉图像的集合，以及根据权重和标签的ML模型。
-
Patent Agency Ranking
公开(公告)号：CN111615676B
公开(公告)日：2023-05-23
申请号：CN201980008950.X
申请日：2019-01-30
Applicant: 赫尔实验室有限公司
IPC: G05D1/00 , G05B15/02 , G06N3/0455 , G06N3/094 , G06N3/09 , G06N3/0464
Abstract: 描述了一种用于对自主平台进行控制的系统。基于输入图像，系统生成针对自主平台的电动机控制命令决策。确定输入图像属于训练图像集合的概率，并且使用所确定的概率生成针对电动机控制命令决策的可靠性度量。当可靠性度量高于预定阈值时，执行探索动作。否则，当可靠性度量低于预定阈值时，执行与电动机控制命令决策相对应的利用动作。
-
公开(公告)号：CN111542816A
公开(公告)日：2020-08-14
申请号：CN201980006645.7
申请日：2019-01-30
Applicant: 赫尔实验室有限公司
Abstract: 描述了一种用于使深度卷积神经网络(CNN)适应的系统。首先在经注释的源图像域上训练深度CNN。通过确定从经注释的源图像域和目标图像域映射到联合隐空间的域不可知特征并且使用域不可知特征将联合隐空间映射到用于目标图像域的注释，在不需要新注释的情况下使所述深度CNN适应新目标图像域。
-
公开(公告)号：CN111492375A
公开(公告)日：2020-08-04
申请号：CN201980006462.5
申请日：2019-02-04
Applicant: 赫尔实验室有限公司
Abstract: 描述了一种用于对图像中的新对象进行分类的系统。在操作中，该系统使用多层网络从多个未标注图像提取显著图块。将多层网络的激活聚类成关键属性，在显示器上向用户显示该关键属性，从而提示用户利用类标签来对关键属性进行标注。然后基于所提示的关键属性的用户标注生成属性数据库。然后可以使测试图像通过该系统，以允许该系统通过在属性数据库中识别对象类来对测试图像中的至少一个对象进行分类。最终，可以基于测试图像中的至少一个对象的分类来使设备进行操作或操纵。
-
公开(公告)号：CN110352429A
公开(公告)日：2019-10-18
申请号：CN201880015274.4
申请日：2018-04-20
Applicant: 赫尔实验室有限公司
Abstract: 描述了一种用于对象的判别定位的系统。在操作期间，所述系统使一个或更多个处理器执行使用多层网络来识别图像中的对象的操作。从所述多层网络中的两层或更多层的激活来获得所述对象的特征。然后，将所述图像分类为包含一个或更多个对象类，并且对期望的对象类进行定位。然后，能够基于所述图像中的所述对象的定位来控制装置。例如，能够控制机械臂达到所述对象。
-
公开(公告)号：CN110383324B
公开(公告)日：2023-08-25
申请号：CN201880015642.5
申请日：2018-04-02
Applicant: 赫尔实验室有限公司
Abstract: 描述了预测移动的系统、非暂时性计算机可读介质和方法。在一方面，所述系统包括一个或更多个处理器以及存储器，所述存储器是编码有可执行指令的非暂时性计算机可读介质，使得在执行所述指令时，所述一个或更多个处理器执行以下操作：计算多个关注对象的相对位置，通过形成基于所述相对位置的矩阵来生成特征表示，通过向所述特征表示应用聚类并且通过执行典型相关分析来预测所述多个关注对象的移动，以及基于所述多个关注对象的预测移动来对装置进行控制。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.036 seconds)
