-
Patent Agency Ranking
公开(公告)号：CN114627172B
公开(公告)日：2024-12-20
申请号：CN202011464925.3
申请日：2020-12-14
Applicant: 上海大学
IPC: G06T7/50 , G06T7/90 , G06N3/08 , G06N3/0464 , G01S7/48
Abstract: 一种应用于单线激光雷达的深度补全方法，对KITTI 64线深度补全数据集处理得到单线深度补全数据集，并使用单线深度补全数据集训练双分支深度学习网络后，以RGB图与对齐过的单线深度图为神经网络的输入便能得到稠密深度图。本发明通过单线激光雷达来替换64线激光雷达实现深度补全，显著降低稠密深度图的获取成本，不仅能应用于单线激光雷达，同时可以应用于任意n线(n≤64)激光雷达，如4线激光雷达、16线激光雷达等。
-
公开(公告)号：CN118918619A
公开(公告)日：2024-11-08
申请号：CN202310507061.6
申请日：2023-05-08
Applicant: 上海大学
Abstract: 一种基于嵌入正则化双分支融合的多模态年龄估计方法，包括：嵌入提取网络和双分支融合网络，其中：嵌入提取网络根据语音数据和人脸图像分别进行嵌入提取，得到语音嵌入特征和人脸嵌入特征；双分支融合网络根据语音嵌入特征和人脸嵌入特征分别进行嵌入正则化处理，得到语音结构化稀疏嵌入特征和人脸结构化稀疏嵌入特征，经过信息交互后分别得到外积年龄嵌入特征和求和年龄嵌入特征，进而根据外积年龄嵌入特征和求和年龄嵌入预测得到估计年龄。本发明针对现有多模态估计技术的模态缺失问题，能够同时处理单模态和多模态年龄估计。
-
公开(公告)号：CN119067195A
公开(公告)日：2024-12-03
申请号：CN202411217885.0
申请日：2024-09-02
Applicant: 上海大学
IPC: G06N3/096 , G06N3/094 , G06N3/0464 , G06N3/045
Abstract: 一种用于深度卷积模型的双阶段模型重优化方法，通过在第一阶段将原始深度卷积模型改造为包含多支路的重参数化训练模块的中间模型，并对其进行蒸馏训练；在第二阶段将训练后的中间模型的重参数化训练模块进行转化，使中间模型的结构恢复为原始深度卷积模型；在在线阶段使用优化后的深度卷积模型进行实际部署；本发明结合了基于向量级的知识蒸馏框架以及多支路的重参数化训练模块，在不改变原有模型计算量、参数量、模型结构和推理速度的情况下有效提升深度卷积模型的性能。
-
公开(公告)号：CN118447491A
公开(公告)日：2024-08-06
申请号：CN202310058203.5
申请日：2023-02-04
Applicant: 上海大学
Abstract: 一种基于分组特征解耦的强泛化性多类型车牌识别系统，包括：包含骨干网络的特征提取模块、群组模块、间接监督模块以及包含字符解码器的特征解耦解码模块，本发明通过特征抖动拟合真实车牌的全局车牌图像特征图，然后通过包含隐式的多维视觉表征和显式的车牌类别信息的融合分组特征的提取和解耦的双阶段的处理方式，从实例特征中提取出车牌类型信息作为类型噪声后，将类型噪声通过分组特征解耦从实例特征中去除，最后采用基于单字符注意力机制的字符解码器预测车牌内容。本发明在合成得到的非真实数据上训练的结果则能够很好地泛化到真实场景下，大幅降低的成本，同时确保性能。
-
公开(公告)号：CN114627172A
公开(公告)日：2022-06-14
申请号：CN202011464925.3
申请日：2020-12-14
Applicant: 上海大学
Abstract: 一种应用于单线激光雷达的深度补全方法，对KITTI 64线深度补全数据集处理得到单线深度补全数据集，并使用单线深度补全数据集训练双分支深度学习网络后，以RGB图与对齐过的单线深度图为神经网络的输入便能得到稠密深度图。本发明通过单线激光雷达来替换64线激光雷达实现深度补全，显著降低稠密深度图的获取成本，不仅能应用于单线激光雷达，同时可以应用于任意n线(n≤64)激光雷达，如4线激光雷达、16线激光雷达等。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
