“孙弘建”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种车道线检测方法、系统、电子设备和存储介质-CN202211425995.7在审
发明人： 孙弘建;徐振南;李建伟;吴焰樟;金涛 -专利权人：浙江鼎奕科技发展有限公司
申请日： 2022-11-15 - 公布日： 2023-04-04 - 主分类号： G06V20/56 文献下载
摘要：本公开涉及辅助驾驶领域，具体涉及一种车道线检测方法、系统、电子设备和存储介质。所述方法包括如下步骤：获取具有车道线的原始图片，在原始图片中以车道线为中心进行标注得到的标注图片，若干张所述标注图片组成训练数据集；采用所述训练数据集对网络模型进行训练，所述网络模型包括深度残差网络、特征金字塔网络以及多个检测头，所述多个检测头用于根据特征复用后的多维特征图检测车道线的关键点、Embedding值、车道线类型和颜色；根据车辆中心位置、关键点、Embedding值、车道线类型和颜色判断车辆是否处于行驶偏离状态。本公开保证了各种场景下的训练效果，使得网络模型可以准确处理诸多场景下的情况，从而提升车道线检测算法的运行效率。
一种车道检测方法系统电子设备存储介质

[发明专利]一种基于残差网络的三阵列特征融合人群密度估计算法-CN202110597361.9在审
发明人：侯阿临;孙弘建;吴浪 -专利权人：长春工业大学
申请日： 2021-05-31 - 公布日： 2022-08-30 - 主分类号： G06V10/80 文献下载
摘要：本发明所解决的技术问题是人群密度估计任务中因摄像头视角所造成的多尺度问题，提出一种基于残差网络的三阵列特征融合人群密度估计算法，使用改进的ResNet34网络提取图片特征信息，并使用三列空洞率不同的空洞卷积对输出进行处理，空洞卷积的原理是在普通卷积的基础上对卷积核进行间隔补0操作，这样就可以在不增加网络参数的情况下扩大感受野，以此来提高网络捕捉图像多尺度信息的能力。最后将三阵列的输出进行级联以得到高质量的密度预测图。本发明在人群密度估计工作中可以有效解决人群中的密集性、遮挡性以及多尺度性对检测的精度造成的影响。
一种基于网络阵列特征融合人群密度估计算法

[发明专利]一种基于ACSP的轻量级注意力机制行人检测算法-CN202210613166.5在审
发明人：侯阿临;任子航;孙弘建 -专利权人：长春工业大学
申请日： 2022-06-01 - 公布日： 2022-08-30 - 主分类号： G06V20/52 文献下载
摘要：本发明所解决的技术问题是行人检测中对于有遮挡情形下所造成的漏检率过高的问题，提出一种基于ACSP(AdaptedCenterandScalePrediction)的轻量级注意力机制行人检测算法。以ACSP行人检测器为基础，引入了ECA轻量级注意力机制模块，在计算过程中引入较少参数的同时提升了算法检测性能，并且采取了DIoU非极大值抑制来优化冗余候选预测框的方法，有效降低了行人检测漏检率，在处理有遮挡或严重遮挡时具有非常优异的效果。本发明在行人检测工作及安防领域中可以有效解决遮挡性和多尺度性对检测的精度造成的影响。
一种基于 acsp 轻量级注意力机制行人检测算法

[发明专利]一种基于UNet++优化和权值预算的脑肿瘤分割算法-CN202011573025.2在审
发明人：侯阿临;吴浪;孙弘建;杨骐豪;崔博;姬鹏;季鸿坤;刘丽伟;李秀华;梁超;杨冬 -专利权人：长春工业大学
申请日： 2020-12-28 - 公布日： 2021-04-02 - 主分类号： G06T7/00 文献下载
摘要：针对脑肿瘤磁共振成像（MRI）多模态精准分割，3D脑肿瘤分割网络比2D脑肿瘤分割网络在学习过程中，更好保存中间层信息，分割效果更好，但是在肿瘤内部组织分割时，效果总是差强人意。引入基于UNet网络改进的UNet++网络，利用其网络结构连结紧密的特点，提高了脑肿瘤内部组织分割精度。再在其中加入残差模块解决信息损失和网络训练时退化的问题，从而构造合适的网络结构。但是构建的网络结构复杂训练时间缓慢，在此基础上利用权值预算，解决了其训练缓慢的同时也提高了分割精度。实验结果表明改进的网络对于脑肿瘤内部分割效果良好，并具有比典型脑肿瘤分割方法更优的性能。
一种基于 unet 优化预算肿瘤分割算法

[发明专利]一种基于改进蚁群算法的路径规划方法-CN202010891876.5在审
发明人：侯阿临;杨骐豪;姜伟楠;吴浪;孙弘建;季鸿坤;杨理柱;刘丽伟;李秀华;梁超;杨冬 -专利权人：长春工业大学
申请日： 2020-08-31 - 公布日： 2020-11-24 - 主分类号： G01C21/20 文献下载
摘要：本发明涉及一种基于改进蚁群算法的路径规划方法。该算法将改进的人工势场(APF)算法和蚁群算法相结合，采用改进APF算法进行初始地图规划，降低了蚁群算法初始规划的盲目性。该算法利用A*算法的评估函数以及路径转折角度来改进启发函数，引入启发信息递增函数，免于局部最优的同时保证收敛速度。改进状态转移规则并自适应地调整状态转移函数的阈值，可以提高算法的运行效率，同时可以增加解的多样性。改进算法的信息素更新机制和路径评价函数，提高了算法的全局最优性，使得到的路径更符合实际需求。
一种基于改进算法路径规划方法