-
公开(公告)号：CN111052146A
公开(公告)日：2020-04-21
申请号：CN201880054941.X
申请日：2018-02-06
Applicant: 三菱电机株式会社
IPC: G06K9/62
Abstract: 用于包括传感器的主动学习系统的系统及方法从包括具有对象的一组图像的场景获得数据。存储主动学习数据的存储器包括被训练用于检测图像中的对象的对象检测器。与存储器通信的处理器被配置为使用对象检测器检测从一组图像中选择的图像中的至少一个对象的语义类别和位置，以产生作为对象检测器的关于图像中对象的语义类别(分类)的不确定度和对象检测器的关于图像中对象的位置(定位)的不确定度的组合的检测指标。使用与处理器通信的输出接口或显示型设备，以在检测指标高于阈值时显示图像以供人标记。
-
公开(公告)号：CN105096307B
公开(公告)日：2018-01-02
申请号：CN201510232293.0
申请日：2015-05-08
Applicant: 三菱电机株式会社
CPC classification number: G06K9/3241 , G06K9/468 , G06K9/52 , G06K9/6256 , G06K9/6267 , G06T7/11 , G06T7/194 , G06T7/593 , G06T17/00 , G06T2207/10012
Abstract: 在成对的立体图像中检测物体的方法。一种在从场景获取的成对的立体图像中检测物体的方法，其首先从所述成对的立体图像生成成本体积，其中，所述成本体积包括在成对的立体图像之间针对立体图形的各个像素的视差值范围的匹配成本。根据所述成本体积中的子图像，利用所述子图像内部的区域内具有最小累积成本的视差值的特征函数确定特征向量。然后，将分类器应用于所述特征向量以检测所述子图像是否包括物体。
-
公开(公告)号：CN111052146B
公开(公告)日：2023-05-12
申请号：CN201880054941.X
申请日：2018-02-06
Applicant: 三菱电机株式会社
IPC: G06V10/764 , G06N3/08
Abstract: 用于包括传感器的主动学习系统的系统及方法从包括具有对象的一组图像的场景获得数据。存储主动学习数据的存储器包括被训练用于检测图像中的对象的对象检测器。与存储器通信的处理器被配置为使用对象检测器检测从一组图像中选择的图像中的至少一个对象的语义类别和位置，以产生作为对象检测器的关于图像中对象的语义类别(分类)的不确定度和对象检测器的关于图像中对象的位置(定位)的不确定度的组合的检测指标。使用与处理器通信的输出接口或显示型设备，以在检测指标高于阈值时显示图像以供人标记。
-
公开(公告)号：CN109964188A
公开(公告)日：2019-07-02
申请号：CN201780066782.0
申请日：2017-11-01
Applicant: 三菱电机株式会社
Abstract: 一种方法和系统生成表示车辆附近的环境相对于该车辆的运动的变化的时间系列信号，并且将该时间系列信号提交给神经网络以生成作为时间的函数的参考轨迹，该参考轨迹满足关于该车辆的位置的时间约束和空间约束。训练该神经网络以将时间系列信号变换成该车辆的参考轨迹。确定跟踪该参考轨迹同时满足关于该车辆的运动的约束的运动轨迹，并且控制该车辆的运动以遵循该运动轨迹。
-
公开(公告)号：CN109478239B
公开(公告)日：2022-05-06
申请号：CN201780044246.0
申请日：2017-07-21
Applicant: 三菱电机株式会社
IPC: G06V10/25 , G06V10/774 , G06K9/62
Abstract: 一种方法检测图像中的对象。该方法利用第一子网络从图像的第一区域提取第一特征矢量，并且通过利用第二子网络处理所述第一特征矢量来确定所述图像的第二区域。该方法还利用所述第一子网络从所述图像的所述第二区域中提取第二特征矢量，并且基于所述第一特征矢量和所述第二特征矢量，利用第三子网络检测所述对象，以生成包围所述对象的边界区域和所述对象的类别。所述第一子网络、所述第二子网络以及所述第三子网络形成神经网络。而且，所述第一区域的尺寸不同于所述第二区域的尺寸。
-
Patent Agency Ranking
公开(公告)号：CN109478239A
公开(公告)日：2019-03-15
申请号：CN201780044246.0
申请日：2017-07-21
Applicant: 三菱电机株式会社
Abstract: 一种方法检测图像中的对象。该方法利用第一子网络从图像的第一区域提取第一特征矢量，并且通过利用第二子网络处理所述第一特征矢量来确定所述图像的第二区域。该方法还利用所述第一子网络从所述图像的所述第二区域中提取第二特征矢量，并且基于所述第一特征矢量和所述第二特征矢量，利用第三子网络检测所述对象，以生成包围所述对象的边界区域和所述对象的类别。所述第一子网络、所述第二子网络以及所述第三子网络形成神经网络。而且，所述第一区域的尺寸不同于所述第二区域的尺寸。
-
公开(公告)号：CN104040590B
公开(公告)日：2017-02-22
申请号：CN201280063083.8
申请日：2012-12-04
Applicant: 三菱电机株式会社
IPC: G06T7/13
CPC classification number: G06T7/75 , G06T7/521 , G06T2207/30108 , G06T2207/30164
Abstract: 通过首先将一组对特征定义为几何图元的组来估计物体的姿态，其中，几何图元包括取向表面点、取向边界点和边界线段。对于物体的模型，基于一组对特征来确定模型对特征。根据由3D传感器获取的数据，基于一组对特征来确定场景对特征，并且然后，将模型对特征与场景对特征匹配以估计物体的姿态。
-
公开(公告)号：CN105096307A
公开(公告)日：2015-11-25
申请号：CN201510232293.0
申请日：2015-05-08
Applicant: 三菱电机株式会社
IPC: G06T7/00
CPC classification number: G06K9/3241 , G06K9/468 , G06K9/52 , G06K9/6256 , G06K9/6267 , G06T7/11 , G06T7/194 , G06T7/593 , G06T17/00 , G06T2207/10012
Abstract: 在成对的立体图像中检测物体的方法。一种在从场景获取的成对的立体图像中检测物体的方法，其首先从所述成对的立体图像生成成本体积，其中，所述成本体积包括在成对的立体图像之间针对立体图形的各个像素的视差值范围的匹配成本。根据所述成本体积中的子图像，利用所述子图像内部的区域内具有最小累积成本的视差值的特征函数确定特征向量。然后，将分类器应用于所述特征向量以检测所述子图像是否包括物体。
-
公开(公告)号：CN102831594A
公开(公告)日：2012-12-19
申请号：CN201210129112.8
申请日：2012-04-27
Applicant: 三菱电机株式会社
IPC: G06T7/00
CPC classification number: G06T7/162 , G06T7/11 , G06T2207/10004
Abstract: 本发明涉及将图像分割为超像素的方法。该方法通过下述将图像分割为超像素：构建具有被边连接的顶点的图，其中每个顶点对应于图像中的像素，并且每个边与指示对应的像素之间的类似度的加权相关联；选择图中的边的子集以将图分割为子图，其中所述选择基于熵率和平衡项使目标函数最大化。将具有最大增益的边添加到所述图直至子图的数量等于一些阈值为止。
-
公开(公告)号：CN109196526B
公开(公告)日：2021-09-28
申请号：CN201780030149.6
申请日：2017-05-24
Applicant: 三菱电机株式会社
IPC: G06K9/46
Abstract: 一种计算机实现的方法，所述方法通过以下步骤来生成多模态数字图像：利用第一神经网络处理矢量，以生成所述数字图像的第一模态；以及利用第二神经网络处理所述矢量，以生成所述数字图像的第二模态。所述第一神经网络的结构和层数与所述第二神经网络的结构和层数相同。而且，所述第一神经网络的至少一层具有与所述第二神经网络的对应层的参数相同的参数，并且所述第一神经网络的至少一层具有与所述第二神经网络的对应层的参数不同的参数。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.023 seconds)
