“上海高德威智能交通系统有限公司”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果208个，建议您升级VIP下载更多相关专利

[发明专利]一种信息获得方法、装置、电子设备及存储介质-CN202110414453.9有效
发明人：石振辉;徐博 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2021-04-16 - 公布日： 2023-09-05 - 主分类号： G06K7/14 文献下载
摘要：本申请实施例提供了一种信息获得方法、装置、电子设备及存储介质，涉及计算机技术领域，包括：获得图像采集设备持续采集的、包含待识别对象的图像；针对所述待识别对象外表面上携带的每一待识别信息，获得对待识别图像中的该待识别信息进行识别得到的识别结果，对所获得的不同待识别图像中该待识别信息的识别结果进行融合，得到该待识别信息的融合结果，其中，所述待识别图像为：所获得的图像中该待识别信息处于预设的感兴趣ROI区域的图像。由此可见，应用本申请实施例提供的方案可减小信息获得的复杂度。
一种信息获得方法装置电子设备存储介质

[发明专利]目标检测方法、装置、电子设备及机器可读存储介质-CN202310581735.7在审
发明人：裴宇;李昊;赵显 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2023-05-22 - 公布日： 2023-08-29 - 主分类号： G06V10/40 文献下载
摘要：本申请提供一种目标检测方法、装置、电子设备及机器可读存储介质，该方法包括：对输入点云数据进行体素化，并进行体素化特征初步提取，得到输入点云数据的初始体素特征；依据所述初始体素特征，对所述输入点云数据对应的非空体素进行前景和背景的分类，并确定各前景体素相对其目标中心点的偏移；依据各前景体素相对其目标中心点的偏移，对前景体素进行聚类，得到聚类后的目标簇；对于任一目标簇，利用自注意力机制对该目标簇内各前景体素进行特征提取，得到该目标簇内各前景体素的目标级别特征；依据各前景体素的目标级别特征，进行目标检测，生成目标检测框。该方法可以改善检测性能。
目标检测方法装置电子设备机器可读存储介质

[发明专利]一种轨迹预测方法、装置及设备-CN202310580375.9在审
发明人：马静远;张经纬 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2023-05-22 - 公布日： 2023-08-29 - 主分类号： B60W60/00 文献下载
摘要：本申请提供一种轨迹预测方法、装置及设备，该方法包括：将目标运动对象的已获取的第一目标特征输入给已训练的意图模拟器得到K个未来时刻的第一预测数据；基于未来时刻对应的候选位置的高斯参数确定该未来时刻的目标位置，基于K个未来时刻的目标位置确定目标运动对象的第二目标特征；将第二目标特征输入给已训练的轨迹预测器得到K个未来时刻的第二预测数据；基于未来时刻对应的每个模态的预测概率确定该未来时刻的目标模态，基于未来时刻对应的候选位置的高斯参数确定该未来时刻的预测位置，基于K个未来时刻的目标模态和预测位置确定目标运动对象的预测轨迹。通过本申请的技术方案，能够得到准确可靠的预测轨迹，并能够提升预测轨迹的质量。
一种轨迹预测方法装置设备

[发明专利]目标检测方法、装置、电子设备及机器可读存储介质-CN202310582690.5在审
发明人：裴宇;李昊;赵显 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2023-05-22 - 公布日： 2023-08-29 - 主分类号： G06V20/64 文献下载
摘要：本申请提供一种目标检测方法、装置、电子设备及机器可读存储介质，该方法包括：对输入点云数据进行体素化，并进行体素化特征提取，得到输入点云数据的体素特征；依据所述体素特征，对所述输入点云数据对应的非空体素进行前景和背景的分类，并确定各前景体素相对其目标中心点的偏移；依据各前景体素相对其目标中心点的偏移，对前景体素进行聚类，得到聚类后的目标簇；依据所述目标簇，利用基于簇的目标检测结构，生成目标检测框。该方法可以提升目标检测效率，改善目标检测性能。
目标检测方法装置电子设备机器可读存储介质

[发明专利]一种营运客车识别方法、装置、电子设备及存储介质-CN202110908956.1有效
发明人：余声 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2021-08-09 - 公布日： 2023-08-29 - 主分类号： G06V20/54 文献下载
摘要：本申请实施例提供了一种营运客车识别方法、装置、电子设备及存储介质，方案如下：获取待识别图像，待识别图像为包括待识别客车前风窗的图像；获取待识别图像中前风窗所在区域的图像，作为待检测车窗图像；检测待检测车窗图像中是否包括客运标志牌，得到第一检测结果；基于第一检测结果，确定待识别客车是否为营运客车。通过本申请实施例提供的技术方案，可以准确确定出营运客车，有效提高了营运客车识别的准确性。
一种营运客车识别方法装置电子设备存储介质

[发明专利]头部姿态角检测方法、装置、电子设备及存储介质-CN202011592057.7有效
发明人：孟照铁;陈思乾;韦立庆;钟虹;赵显 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2020-12-29 - 公布日： 2023-08-04 - 主分类号： G06T7/73 文献下载
摘要：本申请实施例提供了头部姿态角检测方法、装置、电子设备及存储介质，获取待检测图像中目标人员的人脸区域；利用预先训练的深度学习模型对人脸区域进行特征提取，得到人脸区域的全局特征及关键点热力图特征；利用深度学习模型将全局特征及关键点热力图特征进行拼接，得到姿态角预测特征；利用深度学习模型对姿态角预测特征进行分析，得到人脸区域对应的头部姿态角。在考虑了人脸关键点的基础上，还考虑了人脸的全局特征，能够提高关键点定位不准确时，头部姿态角的检测精度；在目标人员大幅度转头、低头等时关键点漂移的情况下，提升了头部姿态角的检测精度，并且适用于目标人员佩戴口罩的情况。
头部姿态检测方法装置电子设备存储介质

[发明专利]目标检测方法、装置、电子设备及机器可读存储介质-CN202310369328.X在审
发明人：张经纬;方梓成;李昊;赵显 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2023-04-07 - 公布日： 2023-08-01 - 主分类号： G06V20/56 文献下载
摘要：本申请提供一种目标检测方法、装置、电子设备及机器可读存储介质，该方法包括：依据目标查询确定候选目标框；依据所述候选目标框进行雷达点采样，得到待处理雷达点，并对所述待处理雷达点进行特征提取，得到待融合雷达特征；以及，依据所述候选目标框进行图像特征采样，得到待融合图像特征；对于相互关联的待融合雷达特征和待融合图像特征，利用交叉注意力机制对该待融合雷达特征和待融合图像特征进行特征深度融合，得到深度融合特征；对所述深度融合特征进行目标检测。该方法可以优化目标检测性能。
目标检测方法装置电子设备机器可读存储介质

[发明专利]3D目标检测方法、装置、设备及存储介质-CN202310320998.2在审
发明人：郑秀枝;赵显;张经纬;李昊 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2023-03-28 - 公布日： 2023-07-18 - 主分类号： G06V20/64 文献下载
摘要：本申请公开了一种3D目标检测方法、装置、设备及存储介质，所述3D目标检测方法包括：获取目标物体的特征数据，其中，所述特征数据包括点云数据和图像数据；将所述特征数据输入至预设的目标检测模型，基于所述目标检测模型，对所述特征数据进行检测处理，得到所述目标物体的3D检测框；其中，所述目标检测模型是基于特征训练样本、所述特征训练样本的第一伪标注数据及标注数据，对预设的待训练模型进行半监督学习的方式训练得到的，所述第一伪标注数据是对所述特征训练样本的全部伪标注数据进行筛选后得到的。本申请属于汽车自动驾驶技术领域，基于伪标注数据以及标注数据的半监督学习的方式训练得到的目标检测模型，无需大量人工标注数据，提高了3D目标检测的效率。
目标检测方法装置设备存储介质

[发明专利]一种编码、解码方法、装置及设备-CN202010328476.3有效
发明人：浦世亮;徐习明;刘有文 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2020-04-23 - 公布日： 2023-06-23 - 主分类号： H04N19/23 文献下载
摘要：本申请提供一种编码、解码方法、装置及设备，该方法包括：若当前帧为静止状态帧，则从当前帧中确定出前景区域和背景区域；获取与前景区域对应的至少一个候选参考区域；从所述至少一个候选参考区域中选取一个候选参考区域作为目标参考区域；确定前景区域与目标参考区域的第一残差值；根据第一残差值对所述前景区域进行编码。通过本申请的技术方案，可提升编码性能。
一种编码解码方法装置设备

[发明专利]基于单目相机的测距方法、装置、设备及存储介质-CN201911218153.2有效
发明人：苏军 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2019-12-03 - 公布日： 2023-06-20 - 主分类号： G01C3/00 文献下载
摘要：本发明提供一种基于单目相机的测距方法、装置、设备及存储介质。该方法包括：实时获取可移动终端设备在道路中行驶时拍摄的道路影像，根据道路影像的当前帧，得到第一目标距离，该第一目标距离用于表示当前帧中待测距的目标物体与可移动的终端设备的纵向距离，根据当前帧中目标物体的图像数据，预先存储的参考帧中目标物体的图像数据和预先获取的加权融合系数，对第一目标距离进行加权融合，得到加权融合后的第二目标距离，通过目标物体在不同图像帧中的变化情况对测得的第一目标距离进行加权融合，在复杂的路况中，也能得到准确的测距结果。
基于相机测距方法装置设备存储介质

[发明专利]降低长尾图像标注代价的图像分类模型复用方法和系统-CN202310065765.2在审
发明人：李宇峰;邵杰晶;侍蒋鑫;程战战 -专利权人：南京大学;上海高德威智能交通系统有限公司
申请日： 2023-01-13 - 公布日： 2023-06-06 - 主分类号： G06V10/764 文献下载
摘要：本发明公开一种降低长尾图像标注代价的图像分类模型复用方法和系统，主要用于图像的类别呈长尾分布时减少构建机器学习模型的标注代价。本发明主要的技术方案为：通过获取与目标任务相关的一组模型，复用上述模型并利用目标任务上的未标注图像，使得在长尾图像标注较少的情况下实现性能提升，其中未标注图像的使用环节结合了1)有标注图像对目标任务模型的性能评估；2)相关模型对复用模式的指导更新，具有易实现、高效的特点，在长尾图像标注不足时，取得了比既有半监督学习和模型复用技术更优秀的性能。
降低长尾图像标注代价分类模型方法系统

[发明专利]一种噪声样本的识别方法及装置-CN202211435812.X在审
发明人：郑钢 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2022-11-16 - 公布日： 2023-06-06 - 主分类号： G06V10/774 文献下载
摘要：本申请实施例提供了一种噪声样本的识别方法及装置，涉及人工智能技术领域，可以用于提升分类器对噪声样本识别的准确度。该方法具体为：首先获取用于训练得到第一任务模型的第一样本集；第一样本集包括多个样本，且第一样本集中的样本具有标签；根据目标噪声分类器识别第一样本集中的噪声样本，噪声样本为具有错误标签的样本；其中，目标噪声分类器是基于在源域训练得到的初始噪声分类器得到的，初始噪声分类器是基于源域数据训练得到，源域数据包括基于第二样本集训练得到第二任务模型的训练过程数据，第二样本集包括至少一个噪声样本以及至少一个用于标注所述噪声样本的噪声标签。
一种噪声样本识别方法装置

[发明专利]一种机器学习系统及模型训练方法-CN202110898727.6有效
发明人：程战战 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2021-08-05 - 公布日： 2023-06-06 - 主分类号： G06N20/00 文献下载
摘要：本发明实施例提供了一种机器学习系统及模型训练方法，该系统包括主控模块、原始数据获取模块、数据筛选模块、样本标注模块和学习模块，主控模块按照目标调用顺序调用用户选择的目标模块，对模型进行训练，数据筛选模块从原始数据获取模块获得的当前原始数据中筛选出有价值的目标原始数据，样本标注模块将待标注的数据输出给用户进行标注，学习模块在被调用时，按照其对应的学习方式，对待训练模型进行训练，得到相应模型。本发明实施例提供的机器学习系统，可以获取当前场景的数据，并按照用户选择的学习方式对模型进行训练，并不需要在模型应用于不同的应用场景时，由开发人员对模型重新设计，实现了对真实应用场景的自适应学习。
一种机器学习系统模型训练方法

[发明专利]目标检测方法、装置、系统、电子设备及存储介质-CN202110726245.2有效
发明人：张经纬;王宇龙;张明;赵显 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2021-06-29 - 公布日： 2023-06-02 - 主分类号： G06T7/73 文献下载
摘要：本申请实施例提供了目标检测方法、装置、系统、电子设备及存储介质，获取由相机采集的可见光图像；针对每一帧可见光图像，对该帧可见光图像进行特征提取，得到该帧可见光图像的图像特征；获取由雷达采集的雷达点云数据；分别确定各帧雷达点云数据对应的伪可见光图像；针对每一帧雷达点云数据，对该帧雷达点云数据对应的伪可见光图像进行特征提取，得到该帧雷达点云数据对应的图像特征；针对采集时间上对应的可见光图像与雷达点云数据，将该可见光图像的图像特征与该雷达点云数据对应的图像特征进行融合，得到融合特征；利用目标检测网络对融合特征进行分析，得到目标属性信息，其中，目标属性信息包括目标的位置信息，提高了目标检测的准确度。
目标检测方法装置系统电子设备存储介质

[发明专利]目标对象识别网络模型及其训练方法、目标对象识别方法-CN201910788789.4有效
发明人：徐杨柳 -专利权人： 上海高德威智能交通系统有限公司
申请日： 2019-08-26 - 公布日： 2023-05-30 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种目标对象识别网络模型及其训练方法、目标对象识别方法。目标对象识别方法包括接收具有干扰因素的待识别目标对象；将待识别目标对象输入训练好的目标对象识别网络模型；其中，目标对象识别网络模型包括干扰排除网络和目标对象识别网络；干扰排除网络包括至少一个基于生成式对抗网络的第一类干扰排除网络以及与第一类干扰排除网络连接的第二类干扰排除网络；分别利用第一类干扰排除网络和第二类干扰排除网络对待识别目标对象中的不同干扰因素进行干扰排除；利用目标对象识别网络对经过干扰排除后的待识别目标对象进行识别。本技术方案解决现有的目标对象识别技术在对具有干扰的目标对象进行识别时抗干扰能力不强的问题。
目标对象识别网络模型及其训练方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
下一页»
尾页
共 208 条