“郭亭佚”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6个，建议您升级VIP下载更多相关专利

[发明专利]障碍物识别方法、障碍物识别模型训练方法-CN202310180237.1在审
发明人：苏金明;段祎婷;赵佳伟;杨旺旺;郭亭佚;罗钧峰;魏晓林 -专利权人：北京三快在线科技有限公司
申请日： 2023-02-15 - 公布日： 2023-06-23 - 主分类号： G06V20/58 文献下载
摘要：本申请公开了一种障碍物识别方法、障碍物识别模型训练方法，属于自动驾驶技术领域。方法包括：获取目标场景的图像；通过闭集识别模型，对所述图像进行识别，得到第一识别结果，所述闭集识别模型用于识别学习到的已知类别的障碍物图像，所述第一识别结果包括识别到的障碍物图像以及所述障碍物图像的类别；通过开集识别模型，对所述图像进行识别，得到第二识别结果，所述开集识别模型用于基于学习到的已知类别的障碍物图像识别未知类别的障碍物图像，所述第二识别结果包括识别到的障碍物图像；将所述第一识别结果和所述第二识别结果进行融合，得到第三识别结果。该方法提高了识别结果的准确性。
障碍物识别方法模型训练

[发明专利]一种基于多任务学习的行人检测方法-CN201811335508.1有效
发明人：雷建军;陈越;侯春萍;彭勃;郭亭佚;牛力杰 -专利权人：天津大学
申请日： 2018-11-10 - 公布日： 2022-12-20 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于多任务学习的卷积神经网络行人检测方法，包括：将行人位置所在的区域划分为m*n个子区域，按照预设规则将子区域进行组合，获取多个组合区域，将每个组合区域定义为行人可见模式；基于高速区域卷积网络的第一阶段网络结构，采用同一个特征提取网络提供输入图像的深度特征，并联多个检测网络，每一个检测网络对应一种行人可见模式的检测任务；统计行人检测场景视频中各种行人可见模式出现的比例、与每一个任务的损失函数加权平均，得到总的损失函数；选取前五种行人可见模式生成训练样本，分别训练对应的区域推荐子网络，进而实现对行人的检测。本发明采用多任务学习的方式，在不增加实际使用时深度网络复杂度的情况下，提高深度网络对遮挡行人的检测能力。
一种基于任务学习行人检测方法

[发明专利]一种基于深度学习的单目图像3D物体检测方法-CN202110519164.5有效
发明人：雷建军;郭亭佚;彭勃;于传波;刘秉正;王梦园 -专利权人：天津大学
申请日： 2021-05-12 - 公布日： 2022-10-04 - 主分类号： G06V20/64 文献下载
摘要：本发明公开了一种基于深度学习的单目图像3D物体检测方法，包括：基于彩色图特征和深度图特征提取网络，分别学习彩色图和深度图的三维特征表示；将学习的彩色图和深度图的三维特征分别送入图像流和深度流检测头中，以联合预测所有先验框的分类得分以及正先验框相比于匹配真实框的回归偏移量；在图像流和深度流检测输出间引入对预测旋转角和中心深度的一致性约束；定义旋转角置信度表示该预测框的输出旋转角的准确度，在图像流检测头增加旋转角置信度预测分支以直接输出该预测框的旋转角置信度；构建网络优化的联合检测损失函数。本发明联合优化彩色图特征和深度图特征的学习过程，保留方向预测更加准确的预测框，从而提升单目图像3D物体的检测性能。
一种基于深度学习图像物体检测方法

[发明专利]一种基于深度学习的遥感图像目标检测方法-CN202110687924.3有效
发明人：雷建军;王梦园;彭勃;张轩宇;于传波;郭亭佚 -专利权人：天津大学
申请日： 2021-06-21 - 公布日： 2022-08-26 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于深度学习的遥感图像目标检测方法，方法包括：以遥感图像作为输入，使用特征金字塔网络提取不同尺度的特征图；构建自底向上的细粒度增强模块，用于底层特征向上传递、与上层特征逐层融合，实现自底向上加强细粒度信息、优化目标定位；在细粒度信息的基础上获取检测框位置的初步预测，确定初步预测框的位置；使用卷积网络搭建预测头，将不同尺度的对齐特征送入并行的分类支路和回归支路进行预测；构建具有角度周期约束的方向敏感回归损失函数，对回归损失进行修正，获得更接近真实框的预测值，进而构建网络优化的总体损失，训练基于深度学习的遥感图像目标检测网络。本发明通过利用底层特征富含的细粒度信息“自底向上”地增强上层特征，提高了定位准确度。
一种基于深度学习遥感图像目标检测方法

[发明专利]一种基于多流区域推荐网络的行人检测方法-CN201811602537.X在审
发明人：雷建军;郭亭佚;侯春萍;陈越;彭勃;王梦园 -专利权人：天津大学
申请日： 2018-12-26 - 公布日： 2019-04-05 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多流区域推荐网络的行人检测方法，所述方法包括以下步骤：获取可见区域模式，通过多个可见区域引导网络提取不同可见区域模式下的行人特征，采用多流特征融合网络将上述行人特征进行融合；将融合后的行人特征输入到一个全局推荐区域网络结构中以此生成推荐区域；采用包含难例挖掘的随机森林方法对上述推荐区域进行进一步分类，形成最终的推荐结果。本发明能够有效提升深度学习网络对于遮挡行人的检测效果，采用多流可见区域引导网络能够对不同的可见区域状况反应出不同的响应，从而提取到特定区域的深度特征，能够有效提升网络对不同可见区域模式下特征的提取效果；在实现端到端的行人检测的同时，提升遮挡行人的检测效果。
可见区域行人检测网络遮挡深度特征随机森林特征融合特征输入网络结构网络提取融合检测分类挖掘响应全局学习

[发明专利]具有清洁作用的弹性碳纳米纤维及其制备方法-CN201811052279.2在审
发明人： 郭亭佚;邹强 -专利权人：天津大学
申请日： 2018-09-10 - 公布日： 2019-02-05 - 主分类号： D01F9/22 文献下载
摘要：本发明属于碳纳米纤维领域，具体涉及一种具有清洁作用的弹性碳纳米纤维及其制备方法。制备方法包括下述步骤：1)将聚丙烯腈和溶剂按质量比为1∶7～16混合，在50‑100℃下搅拌至完全溶解，干喷湿法静电纺丝得纤维纺丝液；2)将步骤1)得到的纤维纺丝液经过喷丝板进入凝固浴凝固；3)将步骤2)在凝固浴中凝固的纤维丝经拉伸、水洗、烘干即可得到具有清洁作用的弹性碳纳米纤维。由于碳纳米纤维，有很强劲的吸附能力，将其设计成弹性的网状结构后亦具有很好的回弹力，可以变成任意形状，用于各个孔隙及角落的清洁和杀菌，能够针对电脑、手机等电器设备的插孔以及精密加工的仪器进行深度清洁。
碳纳米纤维清洁作用制备纤维纺丝凝固浴凝固电器设备精密加工静电纺丝聚丙烯腈深度清洁完全溶解网状结构吸附能力弹性的回弹力喷丝板纤维丝质量比溶剂插孔烘干拉伸喷湿手机杀菌清洁电脑