-
公开(公告)号：CN119992478A
公开(公告)日：2025-05-13
申请号：CN202510204869.6
申请日：2025-02-24
Applicant: 厦门理工学院
Abstract: 本发明涉及图像数据处理技术领域，具体涉及一种基于连续时间流场的深度估计方法，该方法包括：获取车辆在行驶过程中的交通图像信息；对所述交通图像信息进行特征处理，得到特征空间；基于相邻两个时刻对应的特征空间，在时间序列上确定特征变化趋势；基于所述特征变化趋势对所述行驶过程中的目标对象进行深度预测，得到所述目标对象的深度特征信息；基于所述深度特征信息和当前时刻的特征空间，对所述目标对象进行识别。该方法将特征空间结合目标对象在行驶过程中不同时间点上的位移，能够精准计算出目标对象的深度特征信息；便于通过深度特征信息和特征空间，对目标对象进行识别，以提高目标对象识别的精准度。
-
公开(公告)号：CN120014583A
公开(公告)日：2025-05-16
申请号：CN202510164163.1
申请日：2025-02-14
Applicant: 厦门理工学院
Abstract: 本发明属于人工智能技术领域，公开了一种车辆人工智能的分层反馈自学习方法，包括：在车辆行驶过程中，获取车辆的摄像头所采集的视频流；通过车辆人工智能感知网络模型执行：提取视频流中各个视频帧的多个维度的特征信息；计算第一特征信息与第二特征信息之间的第一差分信息；基于第一差分信息以及车辆的运动信息生成运动空间信息，基于运动空间信息预测下一视频帧的特征信息；基于预测的特征信息与提取的特征信息之间的第二差分信息，确定分层反馈在线自主学习策略；基于分层反馈在线自主学习策略，对车辆人工智能感知网络模型进行分层反馈自学习。本发明实现了人工智能感知网络模型的分层反馈自学习，提高了模型的感知准确率。
-
Patent Agency Ranking
公开(公告)号：CN120014582A
公开(公告)日：2025-05-16
申请号：CN202510164160.8
申请日：2025-02-14
Applicant: 厦门理工学院
Abstract: 本发明属于人工智能技术领域，公开了一种专用于车辆类驾驶和控制的可信人工智能方法，包括：在车辆行驶过程中，获取车辆的摄像头所采集的视频流；通过车辆人工智能感知网络模型提取视频流的各个视频帧的特征信息，并基于当前视频帧的特征信息预测下一视频帧的特征信息；基于所提取的下一视频帧的特征信息，以及所预测的下一视频帧的特征信息之间的误差，确定车辆人工智能感知网络模型的在线自主学习策略；基于在线自主学习策略对车辆人工智能感知网络模型进行在线反馈学习和反馈训练，得到在线训练后的车辆人工智能感知网络模型。本发明实现了车辆人工智能感知网络模型在线反馈学习和反馈训练，提高了模型的感知准确率。
-
公开(公告)号：CN119734718A
公开(公告)日：2025-04-01
申请号：CN202510254078.4
申请日：2025-03-05
Applicant: 厦门理工学院
Abstract: 本发明属于人工智能技术领域，公开了一种基于在线学习的车辆驾驶风格自适应方法，该方法包括：在车辆行驶过程中，获取包括当前时刻在内的连续多个时刻的车辆行驶数据；将车辆行驶数据输入到在线训练所得的驾驶风格检测模型，得到驾驶员下一时刻的驾驶风格；基于驾驶风格对车辆进行相应的控制；驾驶风格检测模型的在线训练过程包括：基于车辆行驶数据预测下一时刻的车辆行驶数据预测值，基于车辆行驶数据与车辆行驶数据预测值之间的误差，生成在线反馈策略，并基于在线反馈策略对驾驶风格检测模型进行在线反馈训练。本发明可以动态预测驾驶员的驾驶风格，基于预测出的驾驶风格来对车辆进行自适应调整，实现了“千车千面和千人千面”的目的。
-
公开(公告)号：CN119992479A
公开(公告)日：2025-05-13
申请号：CN202510204870.9
申请日：2025-02-24
Applicant: 厦门理工学院
Abstract: 本发明涉及图像数据处理技术领域，具体涉及基于在线深度反馈对齐的目标识别方法，该方法包括：获取车辆在行驶过程中的交通图像信息；采用深度估计网络对交通图像信息进行特征处理，得到特征空间；基于上一时刻的特征空间，生成上一时刻对应的下一时刻的预测特征；确定下一时刻的预测特征和当前时刻的特征真值之间的差异信息，并反馈至深度估计网络；基于差异信息调整深度估计网络的网络参数，得到目标识别网络；基于目标识别网络，对交通图像信息中的目标对象进行识别。该方法通过即时的反馈和调整，加速深度估计网络的训练过程，提高训练效率，从而能够提高目标识别网络对交通图像信息中的目标对象的识别精准度。
-
公开(公告)号：CN119898359A
公开(公告)日：2025-04-29
申请号：CN202510340243.8
申请日：2025-03-21
Applicant: 厦门理工学院
Abstract: 本发明属于人工智能技术领域，公开了一种基于在线学习和后端融合的驾驶员误操作识别与保护方法，该方法包括：在车辆行驶过程中，获取当前时刻的驾驶员操作数据，车辆状态数据，以及车辆的摄像头所采集的视频流；将驾驶员操作数据、车辆状态数据，以及视频流输入到在线反馈学习的智能安全反馈网络；通过智能安全反馈网络输出下一时刻车辆的驾驶信息，并基于驾驶信息对车辆进行控制。智能安全反馈网络根据在线反馈学习策略进行在线反馈学习。本发明中，智能安全反馈网络将神经网络与反馈学习网络相结合，智能安全反馈网络拥有在线学习的能力，提高了车辆驾驶的安全性。随着驾驶员的驾驶次数增加，智能安全反馈网络在线学习的次数也增多，预测结果更加准确。
-
公开(公告)号：CN119821366A
公开(公告)日：2025-04-15
申请号：CN202510163148.5
申请日：2025-02-14
Applicant: 厦门理工学院
IPC: B60W30/02 , B60W40/072
Abstract: 本发明涉及数据处理技术领域，具体涉及基于集成底盘的车辆稳定性智能预期控制方法，该方法包括：基于车辆参数和道路信息的车道线特征深度学习网络；基于所述网络模型，识别所述道路特征；基于所述网络的预测特征和识别特征进行所述特征的自学习和自修正；基于所述道路特征，预测所述道路的曲率半径；基于所述道路曲率半径，控制所述车辆的运动稳定性。该方法通过提取车辆的车辆参数以及道路特征，对未来行驶的路线进行提前的预测，以及反馈学习，从而对曲率半径进行修正，能够提高曲率半径的准确度，进而能够准确控制车辆的运动稳定性。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
