-
公开(公告)号：CN108875911B
公开(公告)日：2021-06-18
申请号：CN201810516244.3
申请日：2018-05-25
Applicant: 同济大学
Abstract: 一种泊车位检测方法，包括：构建大规模、带标注的、面向泊车位感知问题的环视图像数据集；采用基于深度学习的目标检测框架YOLOv2框架加以改进来完成泊车位控制点检测；将检测到的控制点两两配对形成点对组合，判断其距离约束进行初步筛选后，以基于深度卷积神经网络的分类模型的浅层模型AlexNet为基础，设计自定义模型对满足距离约束的泊车位控制点点对进行分类，通过判断泊车位的类型以及入口线方向完成泊车位推断。本发明是无人驾驶中自主泊车系统的重要组成部分，可以仅通过车身四周的摄像头检测出泊车位的位置，为自主泊车提供技术支撑。本发明不仅检测精度高，而且响应速度快、稳定可靠。
-
公开(公告)号：CN112115830A
公开(公告)日：2020-12-22
申请号：CN202010945655.1
申请日：2020-09-10
Applicant: 同济大学
Abstract: 本发明涉及一种基于比特域特征提取的目标分布式融合识别方法，用于边缘设备和边缘域融合中心中，方法包括以下步骤：1)从多种边缘设备中获取感知信号；2)获取预先构建并训练好的深度神经网络，根据预设的部署规则，拆分深度神经网络，并部署到多种边缘设备和边缘域融合中心中，获得分布式神经网络架构；边缘设备中部署的深度神经网络通过对输出信号进行比特域特征提取，生成比特域特征向量，从而进行数据传输3)载入感知信号，获取目标识别结果。与现有技术相比，本发明可在边缘设备上对目标信号进行预处理，并得到量化压缩后的比特域特征，进行数据传输，缓解云中心的计算存储压力和网络带宽压力，并提高目标识别过程的响应速度。
-
公开(公告)号：CN110516035A
公开(公告)日：2019-11-29
申请号：CN201910605120.7
申请日：2019-07-05
Applicant: 同济大学
IPC: G06F16/33 , G06F16/332 , G06F17/27 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种混合模块的人机交互方法和系统，该交互方法具体包括以下步骤：获取用户输入的中文语料数据；对中文语料进行分词处理并且获取词向量；根据词向量通过LSTM网络进行用户意图分类，判断是闲聊还是完成特定任务；若判断为闲聊则非任务导向的Seq2Seq网络响应并进行处理；若判断为完成特定任务则任务导向的Mem2Seq网络响应并进行处理。与现有技术相比，本发明既能完成用户指定的特定任务，又可以与用户进行沟通闲聊，具有更好的实用性与全面性。
-
公开(公告)号：CN104166842B
公开(公告)日：2017-06-13
申请号：CN201410359335.2
申请日：2014-07-25
Applicant: 同济大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于分块统计特征与联合表示的三维掌纹识别方法，其将三维掌纹的采样图像等分为若干个子区域，针对每个子区域，首先计算掌纹的表面类型，然后使用直方图统计每个子区域内掌纹表面类型，最后将每个子区域的表面类型直方图拼接在一起，作为掌纹深度图像的特征描述算子，并使用联合表示框架进行分类，从而提高识别效率与精确度，可用于对身份识别有严格要求的场合。有效地解决了多个三维掌纹采样之间的对齐偏差问题。
-
公开(公告)号：CN106250823A
公开(公告)日：2016-12-21
申请号：CN201610579363.4
申请日：2016-07-21
Applicant: 同济大学
IPC: G06K9/00
CPC classification number: G06K9/00087 , G06K9/00013
Abstract: 一种掌纹掌脉识别方法，包括：采集一批注册的掌纹掌脉图像作为生物特征，同时记录其对应信息；采集已注册的被采集者的新掌纹掌脉图像作为待测数据；针对待测的掌纹掌脉图像，经过掌纹或掌脉区域提取、基于竞争编码的特征提取、基于联合表示分类框架分类三个步骤进行识别，通过分别计算各个已注册的被采集者的掌纹或掌脉图像特征描述算子的重构误差，选取其中重构误差最小的被采集者，作为待识别的掌纹或掌脉图像的身份信息的来源。实现所述识别方法的掌纹掌脉图像采集仪，在封闭的暗室内设置相机、光照环境及相关功能模块，通过便捷的人机界面进行交互；在所述相机的镜头前设置非接触式采集空间，被采集者的手可在所述采集空间内自由移动，所获得的采集图像均符合识别的要求。本发明不仅具有较好的识别率，而且识别用时短。
-
Patent Agency Ranking
公开(公告)号：CN103996192A
公开(公告)日：2014-08-20
申请号：CN201410199362.8
申请日：2014-05-12
Applicant: 同济大学
Abstract: 本发明所示的基于高质量自然图像统计量学习模型的无参考图像质量评价方法：首先从高质量自然图像的第一图像块中学习多元高斯模型所对应的参数；对于测试图像，先将其分割成等大小的第二图像块，并提取每一个第二图像块的多元高斯模型；使用巴氏距离确定多元高斯模型之间的距离，从而确定失真图像质量块的质量；利用视觉显著性线性加权所有失真图像块的质量，最终得到测试图像的客观评价分数，其可较好地克服了现有评价方法泛化能力弱的问题，满足实际应用对无参考图像质量评价方法的要求。
-
公开(公告)号：CN119723156A
公开(公告)日：2025-03-28
申请号：CN202411688556.4
申请日：2024-11-25
Applicant: 同济大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/084
Abstract: 本发明涉及一种基于在线持续学习的图像分类方法，包括以下步骤：针对每个任务训练深度神经网络，在每个任务训练完成后评估网络中的参数重要性，确定重要性系数；根据所述重要性系数在持续网络训练中进行实时梯度修改；利用双层重新初始化复制权重算法初始化下一任务训练时的深度神经网络权重；重复上述步骤进行持续在线学习，直至完成所有任务的深度神经网络训练；将所需要验证的不同类别图像输入到训练完成的深度神经网络中，进行单头图像分类，得到图像分类结果。与现有技术相比，本发明具有能够在面临任务转移时保持网络的稳定性和准确性、训练高效等优点。
-
公开(公告)号：CN113888420B
公开(公告)日：2025-03-25
申请号：CN202111120277.4
申请日：2021-09-24
Applicant: 同济大学
Abstract: 本发明涉及一种基于修正模型的水下图像复原方法、设备及存储介质，该方法包括以下步骤：步骤S1：基于衰减系数#imgabs0#与深度信息z的高相关性，建立修正简化后的水下成像模型；步骤S2：基于给定的RGB图像，采用单目深度估计算法估算获得场景目标的相对深度信息，并结合水下能见度进行缩放，得到深度信息z的估计；步骤S3：将图像上所有像素点按深度值划分为N个距离区间，筛选计算获得后向散射信号的估计值#imgabs1#步骤S4：采用局部光源估计算法估计直接信号衰减系数#imgabs2#并通过指数二项式建模与深度信息z对#imgabs3#进行拟合修正，从而得到复原后的图像Jc；步骤S5：对复原后的图像Jc进行白平衡处理。与现有技术相比，本发明具有适用性高、精度高等优点。
-
公开(公告)号：CN113888642B
公开(公告)日：2025-01-24
申请号：CN202111113437.2
申请日：2021-09-23
Applicant: 同济大学
Abstract: 本发明涉及一种环视系统外参数在线修正方法、系统、设备及介质，该方法包括：步骤S1：采用环视系统采集图像数据；步骤S2：基于ORB特征匹配和像素梯度值阈值设置，对环视系统采集到的图像数据进行帧选择和像素选择，确定用于后续优化的图像帧以及图像的像素；步骤S3：利用所选图像帧上相应的像素点，建立双相机模型，通过计算相邻相机共视区的像素均值比对共视区的像素值进行缩放，并基于各个像素对应的双相机损失项误差构建优化图结构；步骤S4：利用列文伯格‑马夸尔特LM算法对优化图结构进行图优化以获得最优的相机位姿，从而完成对环视系统外参数的修正。与现有技术相比，本发明放宽了对地面车道线要求的限制，对地面纹理无特殊要求。
-
公开(公告)号：CN113762349B
公开(公告)日：2024-03-29
申请号：CN202110916982.9
申请日：2021-08-11
Applicant: 同济大学
IPC: G06F18/2413 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种面向海洋生物的轻量化混叠稠密网络分类方法和系统，包括获取海洋生物图像，并载入预先建立并训练好的混叠稠密网络模型中，获取分类结果；混叠稠密网络模型为卷积神经网络，该卷积神经网络中设有密集块，密集块包括多个混叠网络单元，多个混叠网络单元通过密集连接的方式连接，混叠网络单元包括依次连接的第一分组卷积层、批正则化层、通道混叠层、深度可分离卷积层、第二分组卷积层和串接层，串接层分别连接混叠网络单元的输入和第二分组卷积层的输出，串接层的输出连接有线性整流函数。与现有技术相比，本发明具有能获取更多有用的信息，减少模型的参数，实现信息的融合，在提高网络分类精度的同时加快网络训练速度等优点。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.02 seconds)
