-
公开(公告)号：CN115830375B
公开(公告)日：2024-09-24
申请号：CN202211494418.3
申请日：2022-11-25
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/44
Abstract: 本发明提供一种点云分类方法及装置，其中方法包括：对原始点云数据进行特征提取，得到原始点云数据的局部特征；将局部特征分别输入第一处理分支与第二处理分支，得到局部特征的高频特征与低频特征；对高频特征与低频特征进行处理得到目标特征并输入分类器，得到原始点云数据的分类结果。本发明提供的点云分类方法及装置，通过在获取原始点云数据的局部特征之后，将获取的局部特征采用两个并行分支进行高频特征与低频特征的提取，并将获取的高频特征与低频特征拼接后的目标特征用于点云分类，降低了计算的复杂度。在提取低频特征时，基于向量注意力处理，可以建立点云坐标之间的长距离依赖关系，进一步降低后续分类的复杂度。
-
公开(公告)号：CN112766597B
公开(公告)日：2023-06-27
申请号：CN202110126791.2
申请日：2021-01-29
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
IPC: G06Q10/04 , G06Q50/30 , G06F16/9537 , G06V40/10 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及城市公交管理技术领域，具体涉及一种公交客流预测方法及系统，旨在提升公交客流量预测的准确性。本发明的公交客流预测方法包括：通过LSTM来提取历史公交客流数据的时间特征；并利用注意力机制对不同时间步上提取到的时间特征进行赋权；使用分时图卷积方法来分析不同时段下公交线路间的空间依赖性；根据预测时段选择不同的关系矩阵，根据赋权后的时间特征，通过谱图卷积方式提取相关公交线路的时空间特征；将时空间特征与天气、节假日信息等外部环境信息进行融合，得到预测结果。本发明可以有效提升公交客流预测精度，并加快学习速率。
-
公开(公告)号：CN111508230B
公开(公告)日：2021-08-20
申请号：CN202010297850.8
申请日：2020-04-16
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于智能交通系统领域，具体涉及一种基于深度学习的分时段交通流趋势预测方法、系统、装置，旨在解决现有预测交通流的方法预测精度较低、稳定性较差的问题。本系统方法包括：获取待预测的交通观测点t时刻之前的历史交通流数据及对应的采样时间；对历史交通流数据标准化，并进行一阶差分；提取差分后数据的特征，并对其对应的采样时间进行编码，将编码后的采样时间与提取的特征进行拼接；基于拼接后的特征，通过第二模型得到t时刻相对于t‑1时刻交通流的变化量，并结合t‑1时刻的交通流数据，得到待预测交通观测点t时刻的交通流数据的预测结果；将预测结果进行反标准化，得到t时刻交通流的预测值。本发明提高了预测的稳定性和精度。
-
公开(公告)号：CN110428615B
公开(公告)日：2021-06-22
申请号：CN201910629489.1
申请日：2019-07-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于城市交通控制领域，具体涉及了一种基于深度强化学习单路口交通信号控制方法、系统、装置，旨在解决复杂交通状况的交通信号控制效果不好的问题。本发明方法包括：建立微观交通仿真环境并定义参数，设定评判网络、交通信号生成网络；基于当前阶段以及前一阶段数据计算评判网络的训练误差并更新网络参数；基于更新后的评判网络、当前阶段以及前一阶段数据，计算更新后的评判网络训练误差，并更新评判网络、交通信号生成网络参数；采用训练好的交通信号生成网络获取交叉口信号灯下一相位时长。本发明减少了事先了解路口车流量信息的调研工作，并能够随路口车流量需求改变而及时做出调整，大大提高了复杂交通状况的交通信号控制的效果。
-
公开(公告)号：CN112183748A
公开(公告)日：2021-01-05
申请号：CN202011065618.8
申请日：2020-09-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及深度学习技术领域，具体涉及一种基于稀疏卷积神经网络的模型压缩方法、系统及相关设备，旨在减轻模型对资源的占用。本发明的压缩方法包括：对模型进行稀疏正则化训练得到待压缩模型；根据待压缩模型各卷积层与BN层的参数，计算各滤波器的重要性评分；根据重要性评分以及预设的剪枝率设定重要性阈值；将重要性评分低于重要性阈值的滤波器，以及该滤波器对应的BN层参数一并剪除，获得剪枝后的模型。还可以对剪枝后的模型进行微调，以保证模型精度不低于预设的精度。本发明在不影响模型性能的前提下，实现了对模型参数量与计算量的大幅压缩，可以很好地减轻模型对资源的占用问题，使得深度学习模型能在资源受限的边缘计算设备上运行。
-
Patent Agency Ranking
公开(公告)号：CN111508230A
公开(公告)日：2020-08-07
申请号：CN202010297850.8
申请日：2020-04-16
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于智能交通系统领域，具体涉及一种基于深度学习的分时段交通流趋势预测方法、系统、装置，旨在解决现有预测交通流的方法预测精度较低、稳定性较差的问题。本系统方法包括：获取待预测的交通观测点t时刻之前的历史交通流数据及对应的采样时间；对历史交通流数据标准化，并进行一阶差分；提取差分后数据的特征，并对其对应的采样时间进行编码，将编码后的采样时间与提取的特征进行拼接；基于拼接后的特征，通过第二模型得到t时刻相对于t-1时刻交通流的变化量，并结合t-1时刻的交通流数据，得到待预测交通观测点t时刻的交通流数据的预测结果；将预测结果进行反标准化，得到t时刻交通流的预测值。本发明提高了预测的稳定性和精度。
-
公开(公告)号：CN116777046A
公开(公告)日：2023-09-19
申请号：CN202310532272.5
申请日：2023-05-11
Applicant: 中国科学院自动化研究所
IPC: G06Q10/04 , G06F18/24 , G06F18/214 , G08G1/01
Abstract: 本发明提供一种交通预训练模型构建和交通预测方法、装置及电子设备，其中方法包括：获取真实交通数据；基于合成模型，应用真实交通数据进行数据合成，得到合成交通数据；合成模型是以联合生成器、判别器和估计器训练得到，生成器基于第一交通数据合成第二交通数据，判别器用于判别第二交通数据的有效性，估计器基于第二交通数据进行交通任务预测；基于合成交通数据，对初始预训练模型进行训练，得到交通预训练模型。本发明提供的交通预训练模型构建和交通预测方法、装置及电子设备，可以有效解决现有技术中交通数据存在的数据质量差、数据规模小等问题，提高交通预训练模型的通用性。
-
公开(公告)号：CN111507258B
公开(公告)日：2023-05-12
申请号：CN202010303153.9
申请日：2020-04-17
Applicant: 中国科学院自动化研究所
IPC: G06V20/56 , G06V10/26 , G06V10/776 , G06V10/82 , G06N3/0464
Abstract: 本发明属于计算机视觉领域，具体涉及一种聚焦关键样本的基于集成学习的道路区域检测方法、系统。本发明方法包括：获取输入图像数据并预处理后得到处理后的图像数据；基于检测网络分别获取道路区域数据和道路边缘数据；对所述道路边缘数据和/或所述道路区域数据进行形态学变换，并与所述道路区域数据和/或所述道路边缘数据交集处理，获取像素级道路区域数据；其中，所述检测网络基于CNN的图像分割网络，包括用于获取道路区域的道路区域检测网络、用于获取道路边缘的道路边缘检测网络。本发明复杂度得到有效降低，具有通用性，能够部署并应用于智能车上，并且具有较好的检测准确度和鲁棒性。
-
公开(公告)号：CN112861925B
公开(公告)日：2023-04-07
申请号：CN202110062310.6
申请日：2021-01-18
Applicant: 中国科学院自动化研究所
IPC: G06F18/23 , G06N3/0442 , G06N3/049 , G06N3/048 , G06Q10/0631 , G06Q10/04 , G06Q50/30
Abstract: 本发明涉及一种基于深度学习网络的多区域车辆需求预测方法及系统，所述车辆需求预测方法包括：获取多个待测区域的不同时段内的车辆需求的观测数据及天气环境历史数据；根据多个待测区域的车辆需求的观测数据，将各待测区域划分为多个簇；基于LSTM及全连接网络，根据各簇内不同时段内的车辆需求的观测数据及对应的天气环境历史数据，确定簇预测网络；基于LSTM及全连接网络，根据各待测区域的不同时段内的车辆需求的观测数据及对应的天气环境历史数据，确定全局预测网络；根据簇预测网络及全局预测网络，确定深度学习网络。本发明能够兼顾全局特性和区域特性，可预测下一时段内所有待测区域的车辆需求的终级预测数据，提高车辆需求预测的准确度。
-
公开(公告)号：CN117921689A
公开(公告)日：2024-04-26
申请号：CN202311734856.7
申请日：2023-12-15
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于数字孪生平台的设备故障检测方法和装置，应用于智能工厂技术领域。该方法包括：从生产机器人的数字孪生平台获取设备运行数据，所述设备运行数据包括：感应热图像和传感器信息；基于图像特征提取模型确定所述感应热图像的感应热图像特征；根据所述感应热图像特征和所述传感器信息判断所述生产机器人是否存在运行故障；其中，所述数字孪生平台用于对所述生产机器人进行虚拟映射和仿真运行，所述图像特征提取模型包括局部特征提取模块和全局特征提取模块。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.031 seconds)
