-
公开(公告)号：CN118379499A
公开(公告)日：2024-07-23
申请号：CN202410583064.2
申请日：2024-05-11
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于大型视觉模型ViT的仅使用RGB数据的非结构化场景下可通行区域检测的方法及装置，通过将图片输入预训练的ViT图像编码器提取丰富的语义特征以及隐层的特征，然后将特征输入到设计的分割解码器中，融合特征生成预测掩码，引入交叉熵损失函数更新解码器参数。本发明解决了在非结构化场景下对可通行区域检测如何达到实时性这一问题，相比与以往的非结构化场景下可通行区域检测的方法，本发明基于预训练ViT模型，只使用RGB数据，达到了更好的精度以及更快的速度。
-
公开(公告)号：CN118298163A
公开(公告)日：2024-07-05
申请号：CN202410585003.X
申请日：2024-05-11
Applicant: 中国科学院计算技术研究所
IPC: G06V10/25 , G06V10/764 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/0499
Abstract: 本发明提供一种分布外目标检测方法与装置，包括：将待检测图像输入目标检测模型，在目标检测模型中的骨干网络、图像编码器和特征解码器上进行前向传播，提取具有视觉信息的多个查询特征；将查询特征输入低维特征向量生成模块进行前向传播，生成包含语义信息的低维特征向量；将查询特征输入分类预测模块进行前向传播，得到目标类别；将查询特征输入包围框预测模块进行前向传播，得到目标包围框坐标；计算低维特征向量与原型特征的相似度；根据低维特征向量与原型特征的相似度、目标类别和目标包围框坐标得到分布外目标检测结果。
-
公开(公告)号：CN111461211B
公开(公告)日：2023-07-21
申请号：CN202010243255.6
申请日：2020-03-31
Applicant: 中国科学院计算技术研究所
IPC: G06V10/80 , G06V10/82 , G06V10/44 , G06V10/764 , G06V10/766
Abstract: 本发明提供一种轻量级的目标检测方法与装置。本发明的轻量级的目标检测方法包括：步骤S1：对目标图片进行特征提取以获取至少包含图像底层信息的图像特征，并至少部分保留所述底层信息对图像特征进行降维和卷积操作；步骤S2：对处理后的图像特征进行高层语义信息提取；步骤S3：将网络中前后特征图大小不同的临近层进行自适应融合；步骤S4：对融合后的信息进行分类和回归，获得目标检测结果。本发明方法能够提取和保留更多的底层细节信息，有助于目标的正确地定位、提高检测精度。并且，本发明的检测方法相比于相应技术计算量更小、消耗的存储量更少，能够保存更多底层信息。
-
公开(公告)号：CN116310578A
公开(公告)日：2023-06-23
申请号：CN202310314946.4
申请日：2023-03-28
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种在搜索阶段无需训练的图像分类模型的构建方法，包括：在模型结构的搜索阶段，执行步骤A1‑A4：A1、从预设的搜索空间所包含的多个神经网络模型结构中采样出多个待选的模型结构，A2、对每个待选的模型结构，利用评价集中的每个图像样本分别在该待选的模型结构进行一次正向传播和反向传播，得到待选的模型结构下各图像样本对应的每个参数的梯度，A3、根据每个参数的梯度，确定每个待选的模型结构的信噪比代理指标，A4、根据所有待选的模型结构的信噪比代理指标，从多个待选的模型结构选定目标网络模型；在训练阶段，根据从图像分类数据集中提取的训练集对目标网络模型进行图像分类训练，得到经训练的图像分类模型。
-
公开(公告)号：CN112801264B
公开(公告)日：2023-06-13
申请号：CN202011271696.3
申请日：2020-11-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种动态可微分的空间架构搜索方法与系统，将空间采样与可微分搜索结合，仅对采样空间进行可微分搜索，同时于搜索过程中更新搜索空间的概率分布，用以指导下一次的采样。多次迭代后算法收敛，继而根据相应参数确定最终的搜索结构。这样既可以通过仅优化子空间来加速搜索，又能够以采样的方式使搜索在多个子空间下进行，跳出可微分优化导致的局部最优解，找到更好的网络结构。
-
Patent Agency Ranking
公开(公告)号：CN111985614B
公开(公告)日：2023-03-24
申请号：CN202010715409.7
申请日：2020-07-23
Applicant: 中国科学院计算技术研究所
IPC: G06N3/092 , G06N3/0464 , B60W60/00
Abstract: 本发明实施例提供了一种构建自动驾驶决策系统的方法、系统和介质，所述自动驾驶决策系统包括强化学习模块和安全保障模块，所述安全保障模块包括基于规则的子模块和基于数据驱动的子模块，所述方法包括：A1、随机初始化强化学习模块和基于数据驱动的子模块的神经网络参数；A2、对自动驾驶决策系统依次进行第一学习阶段和第二学习阶段的训练；本发明无需大量的专家经验指导自动驾驶决策系统如何进行决策，节约了大量的训练成本，而且本发明的系统输出解析解作为经纠正的安全的动作向量，为驾驶的安全性提供了理论支撑，可以提高在实际应用中根据自动驾驶决策系统决策生成的动作向量进行自动驾驶的安全性。
-
公开(公告)号：CN114659556A
公开(公告)日：2022-06-24
申请号：CN202210204044.0
申请日：2022-03-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种面向巡视器的可分离式星表材质识别方法和系统，包括：巡视器释放位于其内部的移动感知子系统；该移动感知子系统移动至该巡视器周围指定地点，采集识别该指定地点的星表材质数据；根据该星表材质数据，辅助巡视器进行安全的路径规划和避障。本发明借助可分离式移动子系统，巡视器停留在安全区域控制子系统的移动，完成待行驶路径或待探索区域的星表数据的收集和传输，巡视器根据子系统传回的数据进行材质识别。本发明将有效提高巡视器在星表探索过程中的生存能力，提高探索效率。
-
公开(公告)号：CN114626506A
公开(公告)日：2022-06-14
申请号：CN202210219650.X
申请日：2022-03-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于注意力机制的神经网络单元结构搜索方法和系统，包括：在搜索空间中构建宏架构超网络，且宏架构超网络中每一层单元结构为有向无环图，有向无环图中节点间通过边相连接，每条边代表搜索空间中多个候选操作的组合；对单元结构中每条边的所有候选操作输出特征图之后添加注意力模块，得到待搜索网络；使用已标记标签的数据集，训练待搜索网络，且在训练过程中逐步删除中间搜索网络单元结构中每条边上注意力权重最小的候选操作，直到训练达到预设的迭代次数，剔除当前待搜索网络中所有注意力模块，得到数据集的神经网络单元结构搜索结果。本发明既能考虑操作之间的相互影响，又能保留各个操作直至搜索的最后步骤。
-
公开(公告)号：CN109002883B
公开(公告)日：2020-12-29
申请号：CN201810723272.2
申请日：2018-07-04
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种卷积神经网络模型的计算装置和相应的计算方法。该计算装置包括：物理不可克隆模块，所述物理不可克隆模块用于根据预定的激励c'生成响应r'；乘累加计算模块，所述乘累加计算模块用于基于所述物理不可克隆模块的响应r'执行与已训练好的卷积神经网络模型的对应的模糊权重值w'0至w'i和对应输入数据的乘累加计算，获得乘累加计算结果，其中，所述模糊权重值与所述已训练好的卷积神经网络模型对应的原始权重值w0至wi中至少有一个不相等，所获得的乘累加计算结果与所述已训练好的卷积神经网络模型的原始权重值和对应输入数据的乘累加计算结果相同。本发明的计算装置和计算方法能够针对CNN模型本身进行知识产权保护并且开销小。
-
公开(公告)号：CN109583483B
公开(公告)日：2020-12-11
申请号：CN201811347546.9
申请日：2018-11-13
Applicant: 中国科学院计算技术研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于卷积神经网络的目标检测方法和系统，包括：使用多种尺度的卷积核分别提取待测图片的卷积特征图；使用全连接层调节卷积特征图每一个空间位置的特征向量，得到第一特征图，将其拼接得到拼接特征图，使用全连接层调节拼接特征图每个通道的特征信息，得到第二特征图；为第二特征图的每个空间位置上设定不同尺度和长宽比的锚点框，锚点框的坐标和大小是相对于待测图片的坐标系；将每个锚点框投影到第二特征图上，使用区域特征提取操作提取投影之后锚点框内部的特征，并将框选有物体的锚点框作为目标候选框；使用目标识别网络对目标候选框中的物体进行分类以及回归目标候选框的准确位置和大小。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.044 seconds)
