-
公开(公告)号：CN117268413A
公开(公告)日：2023-12-22
申请号：CN202310728297.2
申请日：2023-06-19
Applicant: 罗伯特·博世有限公司
Abstract: 学习从传感器数据中提取运动信息以后续应用于对检测到的对象的速度进行确定的方法，包括：提供通过物理观察对象所记录的传感器数据帧时间序列；提供在传感器数据帧中分别界定对象的对象边界框时间序列；向针对时间点t+k预测对象边界框演化的可训练机器学习模型提供时间点t的对象边界框和时间点t前的时间序列中的传感器数据历史和/或时间序列中的对象边界框历史；将如此预测的对象边界框与对象边界框时间序列中得到的相同时间点t+k的比较框比较；使用预给定成本函数评估在所预测对象边界框和比较框之间的偏差；和以如下目标优化表征可训练机器学习模型行为的参数：在对象边界框的进一步预测中通过成本函数进行的评估预计得到改善。
-
公开(公告)号：CN116486350A
公开(公告)日：2023-07-25
申请号：CN202310107011.9
申请日：2023-01-19
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及一种用于训练对象检测器的方法，其中该对象检测器被设计成，检测传感器的传感器数据中的对象，并且该方法(1、20)具有以下步骤：提供传感器的第一传感器数据(3、22)；提供被分配给第一传感器数据的对象表示(4、23)；将对象表示传输到传感器模型，该传感器模型被设计成，将对象表示映射到传感器的传感器数据(5、24)；通过传感器模型将对象表示分配到第二传感器数据(6、25)；和基于第二传感器数据训练对象检测器(7、26)。
-
公开(公告)号：CN117289223A
公开(公告)日：2023-12-26
申请号：CN202310753087.9
申请日：2023-06-25
Applicant: 罗伯特·博世有限公司
IPC: G01S7/40 , G06N3/0464 , G06N3/09 , G06N3/084 , G01S7/41 , G01S7/48 , G01S7/497 , G01S7/52 , G01S7/539
Abstract: 用于对多模态数据进行时间校正的方法具有步骤：接收到参考传感器的第一数据记录，该第一数据记录具有在不同测量时间点的测量；接收到第二传感器的第二数据记录，该第二数据记录具有在不同的、与参考传感器的测量时间点不是确切一致的测量时间点的测量；通过神经网络读入第一和第二数据记录；并对于第一和第二数据记录在相应测量时间点分别确定多个特征向量；通过神经网络合并和比较第一和第二特征向量，使得确定时间校正的参数，所述第一和第二特征向量与彼此对应的、不是确切一致的测量时间点有关；并且确定在参考传感器和第二传感器的相应测量时间点之间的时间偏移，和/或确定第二传感器的与参考传感器的测量时间点有关的经过修正的数据记录。
-
公开(公告)号：CN114202007A
公开(公告)日：2022-03-18
申请号：CN202111079702.X
申请日：2021-09-15
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及用于从测量数据、尤其从时间序列测量数据中为人工智能模块、特别是回归系统创建训练、验证或测试数据集的方法（100），具有如下步骤：将测量数据划分（101）、特别是按照时间部段进行划分；将数学函数应用（102）于测量数据的划分的部分，以便获得代表测量数据的相应划分的部分的签名；确定（103）相应签名出现的频率的度量；根据所确定的频率的度量从测量数据中创建（104）训练、验证或测试数据集。
-
-
-
Search Results
4
records
(took 0.015 seconds)
