-
公开(公告)号：CN113780480B
公开(公告)日：2022-02-22
申请号：CN202111330206.7
申请日：2021-11-11
申请人： 深圳佑驾创新科技有限公司
IPC分类号： G06V10/774 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/56 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种基于YOLOv5的多目标检测及类别识别模型的构建方法，该方法包括：将多张图像进行预处理得到多目标训练集和类别训练集；将多目标训练集和类别训练集喂入初始模型后，计算初始模型的总损失值，其中，初始模型包括主干网络和输出网络，总损失值是由四个损失函数计算的损失值进行加权后得到的；当总损失值达到预设标准时，得到目标模型，目标模型用于获取待识别图像并得到目标模型识别出的四个标签。本发明还提供了一种基于YOLOv5的多目标检测及类别识别方法、计算机可读存储介质、计算机设备以及自动驾驶车辆。上述基于YOLOv5的多目标检测及类别识别模型的构建方法将原本分两步处理的任务统一为一步处理，减少检测的处理步骤，提升检测速度。
-
公开(公告)号：CN113902740A
公开(公告)日：2022-01-07
申请号：CN202111477459.7
申请日：2021-12-06
申请人： 深圳佑驾创新科技有限公司
摘要： 本发明提供了一种图像模糊程度评价模型的构建方法，图像模糊程度评价模型的构建方法包括：利用检测网络为原始图像添加检测框；根据检测框从原始图像中裁剪出目标图像；将目标图像处理为预设的尺寸的标准图像；根据拉普拉斯算子为标准图像添加模糊程度标签得到样本图像；将样本图像喂入初始学习网络得到目标学习网络；将目标学习网络和拉普拉斯算法模块进行组合得到图像模糊程度评价模型。本发明还提供了一种图像模糊程度评价模型、图像模糊程度的评价方法、计算机可读存储介质以及智能驾驶设备。通过上述方法获得图像模糊程度评价模型，利用该模型对车载辅助驾驶系统中获取的图像的模糊程度进行判断，获得准确的图像中目标的模糊程度。
-
公开(公告)号：CN116189132A
公开(公告)日：2023-05-30
申请号：CN202310436703.8
申请日：2023-04-23
申请人： 深圳佑驾创新科技有限公司
IPC分类号： G06V20/56 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种道路信息的目标检测模型训练方法、目标检测方法及装置，其中目标检测模型训练方法包括：获取道路图像数据，并对道路图像数据的目标信息进行标注得到标注数据；分别对标注数据中的目标类别信息和目标特征点信息进行编码处理，得到第一编码数据和第二编码数据；将第一编码数据和第二编码数据输入至预设的目标检测框架进行训练，目标检测框架包括用于进行道路目标检测的两个平行分支和用于进行特征点定位的point分支；在训练过程中，分别基于第一编码数据和第二编码数据进行网络前传得到对应的损失值；根据所有的损失值进行反向传播迭代网络参数，得到目标检测模型。本发明能够有效提高道路信息的目标检测效率。
-
公开(公告)号：CN113780480A
公开(公告)日：2021-12-10
申请号：CN202111330206.7
申请日：2021-11-11
申请人： 深圳佑驾创新科技有限公司
摘要： 本发明提供了一种基于YOLOv5的多目标检测及类别识别模型的构建方法，该方法包括：将多张图像进行预处理得到多目标训练集和类别训练集；将多目标训练集和类别训练集喂入初始模型后，计算初始模型的总损失值，其中，初始模型包括主干网络和输出网络，总损失值是由四个损失函数计算的损失值进行加权后得到的；当总损失值达到预设标准时，得到目标模型，目标模型用于获取待识别图像并得到目标模型识别出的四个标签。本发明还提供了一种基于YOLOv5的多目标检测及类别识别方法、计算机可读存储介质、计算机设备以及自动驾驶车辆。上述基于YOLOv5的多目标检测及类别识别模型的构建方法将原本分两步处理的任务统一为一步处理，减少检测的处理步骤，提升检测速度。
-
-
-
搜索结果
4 条记录 (耗时 0.034 秒)
