-
Patent Agency Ranking
公开(公告)号：CN112215071A
公开(公告)日：2021-01-12
申请号：CN202010948875.X
申请日：2020-09-10
Applicant: 华蓝设计(集团)有限公司 , 桂林电子科技大学
Abstract: 本发明涉及异质交通流下自动驾驶车载多目标耦合识别与追踪方法，所述的识别与追踪方法包括车载嵌入式应用程序资源调度器建立步骤，包括对驾驶场景识别模型进行模型剪枝和复原处理，建立一个支撑深度学习模型应用程序动态的资源分配框架；建立深度学习模型运行资源分配调度器，通过资源调度器为并发运行的深度学习模型灵活的分配资源，输出优化的调度方案。本发明可以降低深度学习模型在移动视觉设备上的内存占用与切换能耗，提供灵活的资源分配与准确率权衡，降低处理延迟，提高自动驾驶汽车的多目标识别的效率，使得汽车自动驾驶时在车路协同的处理方面更为及时和准确，进一步提高了自动驾驶汽车的安全性和在交通领域的应用前景。
-
公开(公告)号：CN112215073A
公开(公告)日：2021-01-12
申请号：CN202010948892.3
申请日：2020-09-10
Applicant: 华蓝设计(集团)有限公司 , 桂林电子科技大学
Abstract: 本发明涉及高速运动场景下的交通标线快速识别与循迹方法，所述标线识别与循迹方法包括输入数据预处理步骤、特征提取网络和特征融合网络构建步骤以及目标实时追踪步骤；所述特征融合网络构建包括：通过自底向上的连接、自顶向下的连接以及横向连接的网络结构将不同层的特征图融合到一起，构建网络内的特征金字塔，得到能够获取目标位置信息即准确语义信息又多的特征图的网络。本发明通过车载专用摄像头获取车前道路环境，面对高速情况下反馈时间短、车道特征模糊等问题，通过对于图像的语义分割，对标线位置进行定义，利用高速的目标检测追踪算法进行卷积神经网络训练。
-
公开(公告)号：CN112215072A
公开(公告)日：2021-01-12
申请号：CN202010948880.0
申请日：2020-09-10
Applicant: 华蓝设计(集团)有限公司 , 桂林电子科技大学
Abstract: 本发明涉及一种基于Nest DNN算法的交通标志动态循迹检测优化方法，包括构建资源感知调度方案的步骤，构建资源感知调度方案的步骤包括：根据公式为车载设备设置一个代价函数C，来保证派生模型mv的处理精度和处理速度；对同时运行的检测模型和识别模型进行调度方案设计，对具有最大代价的程序进行最小化优化，资源感知调度器通过约束条件被进行优化来公正分配运行资源给所有的并发应用程序，从而平衡他们的性能。本发明的优点在于：该发明克服了现有技术的缺陷，提高了车载移动端设备的资源使用效率，提升了模型运行的效率并减少了能耗，改良了车辆在行驶过程中交通标志的检测识别效果，未来在自动驾驶普及阶段可以有效提高车辆运行的安全性和规范性。
-
公开(公告)号：CN110503104B
公开(公告)日：2021-04-27
申请号：CN201910810616.8
申请日：2019-08-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的短时剩余车位数量预测方法，包括建立短时剩余停车位数量预测模型和下一时段的剩余停车位数量预测两部分，首先，建立样本数据集，利用图像训练卷积神经网络，获得短时剩余停车位数量预测模型；其次，将预测场景下的当前时段二维时间序列图导入模型，即可预测下一时间段停车位剩余数量变化趋势。此外，将趋势图进行数图转化，即可以获得下一时间段剩余停车位数量。相比于其他深度、前馈神经网络，卷积神经网络需要训练的参数更少，且其特殊的空间结构能够利用输入的文本数字化数据转化为可视化的二维图像形式进行特征提取、学习与预测。通过对比分析，模型鲁棒性更好，预测结果精确度更高。
-
公开(公告)号：CN110503104A
公开(公告)日：2019-11-26
申请号：CN201910810616.8
申请日：2019-08-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的短时剩余车位数量预测方法，包括建立短时剩余停车位数量预测模型和下一时段的剩余停车位数量预测两部分，首先，建立样本数据集，利用图像训练卷积神经网络，获得短时剩余停车位数量预测模型；其次，将预测场景下的当前时段二维时间序列图导入模型，即可预测下一时间段停车位剩余数量变化趋势。此外，将趋势图进行数图转化，即可以获得下一时间段剩余停车位数量。相比于其他深度、前馈神经网络，卷积神经网络需要训练的参数更少，且其特殊的空间结构能够利用输入的文本数字化数据转化为可视化的二维图像形式进行特征提取、学习与预测。通过对比分析，模型鲁棒性更好，预测结果精确度更高。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
