-
公开(公告)号：CN115937636A
公开(公告)日：2023-04-07
申请号：CN202211703954.X
申请日：2022-12-29
Applicant: 上海应用技术大学
IPC: G06V10/774 , G06V10/82 , G06V10/80 , G06V20/58 , G06V10/25 , G06N3/0464 , G06N3/08 , G06V10/762
Abstract: 本发明提供一种基于深度学习用于无人驾驶的交通目标检测方法，在现有的成熟模型YOLOv5基础上,通过在SPP模块前加入一种改进的卷积与自注意力机制融合的ACmix模块、增加多尺度目标检测层，接下来下载并处理BDD100K数据集，构建用于模型训练的训练集、验证集和测试集，最后将BDD100K数据集送入构建好的基于YOLOv5改进的交通目标检测模型进行模型的训练、测试、评估；在模型构建阶段，引入的ACmix模块更有利于提取目标特征。在训练阶段，将送入的数据集中不包含交通目标的图像进行删除，以免干扰模型的训练，加速网络收敛。在评估阶段，通过调整模型的宽度和深度，优化模型的精确度和速度，以满足实际应用的需求。
-
公开(公告)号：CN113501127A
公开(公告)日：2021-10-15
申请号：CN202110899098.9
申请日：2021-08-05
Applicant: 上海应用技术大学
IPC: B64C17/10
Abstract: 一种基于飞行器质心平衡的供油控制方法，包括步骤：构建飞行器在非空载状态下的总体质心模型，所述非空载状态是指所述飞行器携带向其供油的n个油箱，n为大于等于2的正整数；根据预设约束条件枚举n个油箱向飞行器供油的供油策略；根据飞行任务中规划的耗油速度及目标质心位置筛选供油策略，通过筛选的供油策略控制相关的油箱向飞行器供油。利用空间几何原理对飞行器燃油消耗和俯仰角度变化时质心的变化过程进行近似描述，将实物进行抽象化，建立模型假设，利用MATLAB使用贪心递推算法解决飞行器在质心平衡条件下供油策略的规划问题。本发明针对飞行器剩余油量和俯仰角结合空间几何知识建立了模型，方案具有较强的通用性，不存在场景限制。
-
公开(公告)号：CN115861949A
公开(公告)日：2023-03-28
申请号：CN202211481206.1
申请日：2022-11-24
Applicant: 上海应用技术大学
IPC: G06V20/56 , G06V10/44 , G06V10/54 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种一种基于深度学习的无人车车道线预测方法，本发明提供一种基于深度学习的无人车车道线预测方法。在无人驾驶中，使用车载摄像头对道路情况进行视频图像数据采集，根据采集到的车道线进行线路设计，但是在实际路况中，车道线会有磨损不清晰或者在天气恶劣的情况下，车道线被雨雪遮蔽的情况。无人车在行驶时，若可以根据行驶过的车道线去预测下一段的车道线，那么可以在车道线不完整或者有遮挡时候更加安全的行驶通过。
-
公开(公告)号：CN114356556A
公开(公告)日：2022-04-15
申请号：CN202111533875.4
申请日：2021-12-15
Applicant: 上海应用技术大学
Abstract: 本发明涉及一种算力中心化的短距离运算托管系统及运行方法，该系统包括：子节点：连接终端设备，进行数据收集及终端设备的电气控制；算力中心节点：为众多子节点所共享，用于接收子节点的数据计算请求、进行数据计算并返回至对应的子节点。与现有技术相比，本发明将算力资源中心化，实现算力资源均衡以及算力互联，降低算力冗余以及终端设备成本的目的。
-
Patent Agency Ranking
公开(公告)号：CN111784167A
公开(公告)日：2020-10-16
申请号：CN202010630017.0
申请日：2020-07-02
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种建筑施工安全综合评价模型的训练方法，包括：进行评价指标相关性分析，依据“互补”与”非互补”的原则获取准则层B的指标隶属度，并依据权重对准则层B的指标隶属度进行排序分析，据此给出评价建议；对准则层B进行归一运算，并对准则层B的指标进行相关性分析，依据“互补”与”非互补”的原则获取目标层A的指标隶属度；构建指标层C与目标层A的指标隶属度映射关系，依据指标隶属度映射关系获得最终的综合评价值，以此判断系统安全等级；构建BP神经网络模型，带入最终的综合评价值进行训练。本发明能够针对不同场合的建筑施工场所进行安全综合评价，有效的提高评价体系速度及准确性，降低人为因素对评价体系的影响。
-
公开(公告)号：CN119540994A
公开(公告)日：2025-02-28
申请号：CN202411600331.9
申请日：2024-11-11
Applicant: 上海应用技术大学
IPC: G06V40/10 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/62 , G06V10/766 , G06V10/82 , G06T7/246 , G06N3/0455 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种密集行人的检测与跟踪方法及装置，涉及计算机视觉技术领域，能够解决现有技术中在用于行人极度密集场景下的实时检测与跟踪时跟踪准确度低的问题。具体技术方案为：首先获取密集行人检测数据集和跟踪数据集；使用α‑EIoU loss、GAM注意力机制以及Swin Transformer模块改进YOLOv5s算法，得到检测模型；训练、优化检测模型获得目标检测模型；引入ShuffleNetV2模块改进DeepSORT算法后训练，得到目标跟踪模型；根据目标检测模型和目标跟踪模型对行人目标视频进行检测和跟踪，得到检测和跟踪的实验结果。本发明用于密集行人的检测与跟踪。
-
公开(公告)号：CN116188780A
公开(公告)日：2023-05-30
申请号：CN202310165791.2
申请日：2023-02-27
Applicant: 上海应用技术大学 , 上海西虹桥导航技术有限公司
Abstract: 本发明涉及自动驾驶技术领域，且公开了一种基于Transformer车道线分割方法，具体步骤如下：S1：将收集到的车道线数据和标签数据进行预处理；S2：构建了一种基于transformer的车道线分割的深度学习网络模型；S3：利用预处理的数据训练网络参数，并根据情况调整优化器以及学习率等，来使模型更好的收敛，使用数据增强来增加图像的可变性，保存网络结构及参数；S4：在分割车道线的过程中，将预处理过的用来测试的数据放入S3保存的网络中，网络的输出即为车道线分割结果。利用visiontransformer中的自注意力机制和神经网络的能力，在汽车自动驾驶的环境下，建立分割数据和车道线真实数据之间更加准确的映射关系，降低非障碍物和其他地面标线对分割准确度的影响。
-
公开(公告)号：CN114364015A
公开(公告)日：2022-04-15
申请号：CN202111507183.2
申请日：2021-12-10
Applicant: 上海应用技术大学
Abstract: 本发明涉及一种基于深度学习的UWB定位方法，该方法包括：离线训练：构建并训练用于UWB定位的深度学习网络模型，所述的深度学习网络模型的输入包括基站位置坐标、标签与基站之间的TDOA数值，所述的深度学习网络模型的输出为标签的位置坐标；在线预测：将在线获取待定位标签与基站之间的TDOA数值以及基站位置坐标输入至训练好的深度学习网络模型，预测得到待定位标签的位置坐标。与现有技术相比，本发明降低了非视距和多径效应对定位准确度的影响，定位精度高。
-
公开(公告)号：CN115731398A
公开(公告)日：2023-03-03
申请号：CN202211452283.4
申请日：2022-11-18
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种基于伪图像的点云与图像融合三维目标检测方法，包括步骤1：获取不同传感器采集到的数据并进行预处理；步骤2：对获得的点云数据进行伪图像化；步骤3：将伪图像数据与图像数据送入主干网络，在特征层进行融合，获得多尺度融合特征，最终实现雷达点云与图像融合的三维目标检测。该方法结合了不同传感器得到数据的优势，实现了差异互补，并且在多尺度上进行特征提取，在特征层进行融合，对于实际情况下的不同尺寸的目标都有好的检测效果，兼具了识别效率与识别速度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
