-
公开(公告)号：CN115223127A
公开(公告)日：2022-10-21
申请号：CN202210910321.X
申请日：2022-07-29
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请涉及汽车智能化应用技术领域，特别涉及一种车辆的自动驾驶感知方法、装置、车辆及存储介质，其中，方法包括：获取车辆周围环境的初始图片数据；根据初始图片数据推理至少一个目标任务，并在推理过程中，检测初始图片数据是否存在预设对抗样本；如果初始图片数据不存在预设对抗样本，则在结束推理后，得到初始图片数据的感知结果，否则利用预设去噪策略去噪初始图片数据的预设对抗样本，得到去噪后的第一图片数据，并基于第一图片数据重新推理得到初始图片数据的感知结果。由此，解决了相关技术通常是将所有数据进行去噪处理，导致数据处理的工作量大，感知效率低，无法有效避免感知任务输入数据的噪声等问题。
-
公开(公告)号：CN115146159A
公开(公告)日：2022-10-04
申请号：CN202210766809.X
申请日：2022-06-30
Applicant: 重庆长安汽车股份有限公司
IPC: G06F16/9535 , G06F21/64 , G06N3/04 , G06N3/08
Abstract: 本申请涉及一种车辆的个性化推荐方法、装置、车辆及存储介质，其中，方法包括：采集车辆的多样化数据；根据多样化数据中每个特征数据的实际类别生成类别型数据和数值型数据，并基于类别型数据和数值型数据得到预设长度的多个特征嵌入向量；利用多个特征嵌入向量之间的交互关系确定用户的个性化需求，并按照个性化需求推荐相关信息。本申请实施例可以在保证特征数据完整性和多样性的同时，基于深度神经网络特征交互和注意力特征交互，实现车辆的智能化个性化需求推荐，使得推荐结果更具针对性和准确性，有利于提高用户的驾乘体验。
-
公开(公告)号：CN114537316A
公开(公告)日：2022-05-27
申请号：CN202210184152.6
申请日：2022-02-24
Applicant: 重庆长安汽车股份有限公司
IPC: B60R21/015 , G08B25/10 , B60R16/037
Abstract: 本发明公开了一种基于图像识别的车内宠物安全智能控制方法及系统，所述方法包括：步骤1，通过图像识别模块调用车内摄像头所拍摄的车内图片，并对所拍摄图片经过预处理、车内物品及生命体识别后，对车内生命体进行判定后，将判定结果发送至车机控制器；步骤2，当判定结果显示车内没有宠物时，回转回步骤1，继续通过车内摄像头监控车内画面；步骤3，当判定结果实现车内有宠物时，进一步判断车内是否有人；若车内有人，则结束；若车内无人，判定宠物当前状况是否正常；步骤4，若宠物状况正常，通过车机控制器启动宠物模式，若宠物状况反常，向用户远程发送预警信息。
-
公开(公告)号：CN113961354A
公开(公告)日：2022-01-21
申请号：CN202111274652.0
申请日：2021-10-29
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明涉及一种基于弱监督学习车机卡顿识别方法及系统，该方法包括以下步骤：从blf文件中解析并导出CPU占用率、内存消耗及车辆内部总线数据；找出输出CPU占用率和内存消耗时刻对应所有车辆内部总线的值；将CPU占用率及内存消耗高的数据分为一类，其余数据分为另一类；使用UU学习的方法，基于上一步中分类好的数据作为输入，数据的分类作为输出，学习到一个分类器；分类器实时读取CPU占用率、内存消耗及车辆内部总线数据，并通过分类器输出是否处于卡顿状态的判断结果。本发明的优点：采用弱监督学习的方法判断车机是否出现卡顿。
-
公开(公告)号：CN120088411A
公开(公告)日：2025-06-03
申请号：CN202510563472.6
申请日：2025-04-30
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提供了一种低光照图像的增强方法及装置、存储介质、电子装置，其中，该方法包括：获取低光照场景的低光照图像，其中，所述低光照图像是亮度低于阈值的图像；获取所述低光照图像的相机位姿和场景稀疏点云；采用所述相机位姿和所述场景稀疏点云对所述低光照图像进行三维场景重建，得到所述低光照图像的高斯球分布；构建所述高斯球分布的吸收率属性，其中，所述吸收率属性用于描述物体对投射到其表面的辐射能量的吸收能力；根据所述吸收率属性对所述高斯球分布进行光照增强，得到所述低光照图像的场景重建视图。通过本发明实施例，解决了相关技术中低光照场景中图像细节缺失的技术问题，能有效地保留低光照图像的场景细节。
-
Patent Agency Ranking
公开(公告)号：CN118113931A
公开(公告)日：2024-05-31
申请号：CN202410018024.3
申请日：2024-01-03
Applicant: 重庆长安汽车股份有限公司
IPC: G06F16/9535 , G06F16/9537 , G06N20/00 , G06N5/04
Abstract: 本发明涉及一种目的地的推荐方法、装置、计算机设备及存储介质。本申请实施例提供的方法通过获取目标用户当前的关键时序数据，可以获得真实准确的用户行为和状态信息。这有助于提高推理结果的精度和可靠性。使用预先训练好的联邦模型可以融合多个客户端模型的优势，提高推理的准确度和综合性。每个客户端模型可以根据各自的经验和特征进行推理，这有助于提高推理的全面性和鲁棒性，减少单个模型的偏见和错误。推理结果中满足未来时空约束条件的推理结果被选为目标推理结果。这确保了推荐的目的地符合用户行程特点、实际可行性和可达性，提高了推荐的精度。
-
公开(公告)号：CN117575903A
公开(公告)日：2024-02-20
申请号：CN202311362384.7
申请日：2023-10-19
Applicant: 重庆长安汽车股份有限公司
IPC: G06T3/4053 , G06T3/4038 , G06T3/4046 , G06V10/82 , G06V10/80 , G06V10/77 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及图像处理技术领域，公开了一种车载环视影像清晰化方法、装置、设备以及存储介质，方法包括：获取待处理图像数据和图像处理模型；通过图像处理模型中的数据预处理层提取当前深层语义特征；通过全局多视野注意力特征层得到当前帧的多个注意力特征图，并拼接为当前帧的融合注意力特征；通过多帧互相关层计算当前帧的融合注意力特征与相邻帧的融合注意力特征之间的差异得到当前帧的差异特征，并将当前帧的差异特征和当前帧的融合注意力特征拼接为当前帧的融合相关特征；通过解耦层对当前帧的融合相关特征进行上采样，得到当前帧清晰化图像。本发明在低成本条件下还保证了图像的恢复精度。
-
公开(公告)号：CN117093443A
公开(公告)日：2023-11-21
申请号：CN202310908487.2
申请日：2023-07-24
Applicant: 重庆长安汽车股份有限公司
IPC: G06F11/30 , G06F18/214 , G06F18/22 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本申请涉及一种车机日志异常检测方法、装置、电子设备及存储介质，包括：对待检测日志数据进行精细化处理，并基于精细化处理后的待检测日志数据匹配对应的日志模板，且根据对应的日志模板的模板向量构建模型输入向量，将模型输入向量输入至预先构建的日志异常检测模型，得到待检测日志数据的日志检测值，若日志检测值大于预设阈值，则判定待检测日志数据为正常日志，否则，判定待检测日志数据为异常日志。由此，解决了相关技术中日志数据预处理模块未结合日志数据本身做精细化处理，日志模板匹配阶段未结合日志结构做权重加成以及预测模型预测结果时，未对日志分布不均衡带来的预测偏差做调整等问题。
-
公开(公告)号：CN116932267A
公开(公告)日：2023-10-24
申请号：CN202310916253.2
申请日：2023-07-24
Applicant: 重庆长安汽车股份有限公司
IPC: G06F11/07
Abstract: 本发明涉及一种车机日志数据处理方法、装置、电子设备及存储介质，包括：获取待处理的车机日志数据，将车机日志数据转化为结构化日志数据，并判断结构化日志数据是否满足预设的精细化处理条件，若结构化日志数据满足预设的精细化处理条件，则基于预设的精细化处理条件，确定结构化日志数据的精细化处理策略，根据精细化处理策略对结构化日志数据进行精细化处理，得到精细化日志数据。本发明通过将半结构化车机日志数据转为结构化数据，并进行精细化处理，提高计算机对日志的理解能力，解决了在相关技术的日志异常检测中，预处理模块未结合日志数据作精细化处理，导致日志异常检测准确率较低等问题，从而提高了日志异常检测的准确率。
-
公开(公告)号：CN116894395A
公开(公告)日：2023-10-17
申请号：CN202310925077.9
申请日：2023-07-26
Applicant: 重庆长安汽车股份有限公司
IPC: G06F30/27 , G06N3/0475 , G06N3/094 , G06N3/092
Abstract: 本申请涉及一种自动驾驶测试场景的生成方法、系统及存储介质，通过构建交通流仿真环境，从交通流仿真环境中采集仿真数据；基于所述仿真数据对人类驾驶行为策略模型进行训练，并将训练完成的人类驾驶行为策略模型中的生成器作为自然对抗测试场景模型；基于自然对抗测试场景模型来生成自动驾驶测试场景。本实施例使用已知的交通流数据集构建交通流仿真环境，基于人类驾驶策略的先验经验和强化学习算法构建自然对抗测试场景的框架，构建得到自然对抗测试场景的框架可以生成大量的对抗测试场景，并且本实施例提供的自然对抗测试场景的框架结构简单，数据处理效率高，具有较好的实用性。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.025 seconds)
