“P·斯里尼瓦森”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3个，建议您升级VIP下载更多相关专利

[发明专利]用于语义和/或深度感知实例分割的多任务学习-CN202080092199.9在审
发明人： P·斯里尼瓦森;K·戈埃尔;S·塔里克;J·W·V·菲尔宾 -专利权人：祖克斯有限公司
申请日： 2020-11-09 - 公布日： 2022-09-20 - 主分类号： G06T7/207 文献下载
摘要：训练机器学习(ML)架构，以在消费级硬件上以每秒30或更多帧的速率确定三个或更多输出，其可包括使用跨多个组件确定的一个或多个损失和/或在两个或更多个组件的输出之间确定的多个一致性损失来联合训练ML的组件。本文讨论的ML架构可以包括一组或多组神经网络层和/或相应组件，其用于确定二维和/或三维感兴趣区域、语义分割、方向分对数、深度数据和/或与图像中的对象相关联的实例分割。
用于语义深度感知实例分割任务学习

[发明专利]使用上采样、损失与损失平衡进行深度数据模型训练-CN202080092205.0在审
发明人： T·O·杜齐克;K·戈埃尔;P·斯里尼瓦森;S·塔里克 -专利权人：祖克斯有限公司
申请日： 2020-11-09 - 公布日： 2022-08-30 - 主分类号： G06T1/40 文献下载
摘要：本文讨论了用于训练机器学习(ML)模型以基于图像数据确定深度数据的技术。训练可以使用立体图像数据和深度数据(例如，激光雷达数据)。可以将第一图像(例如，左图像)输入到ML模型，该模型可输出预测的视差和/或深度数据。预测的视差数据可与第二图像数据(例如，右图像)一起使用以重建第一图像。第一图像和重建图像之间的差异可用于确定损失。损失可能包括像素、平滑、结构相似性和/或一致性损失。此外，可以确定深度数据和预测深度数据之间的差异和/或预测视差数据和预测深度数据之间的差异，并且可以基于各种损失来训练ML模型。因此，这些技术可以使用自我监督训练和监督训练来训练ML模型。
使用采样损失平衡进行深度数据模型训练

[发明专利]根据图像使深度精准化-CN202080046482.8在审
发明人： P·斯里尼瓦森 -专利权人：祖克斯有限公司
申请日： 2020-06-25 - 公布日： 2022-02-18 - 主分类号： G06T7/50 文献下载
摘要：使用接近对象的环境属性的位置，可以使由车辆的一个或多个传感器做出的对象的深度估计精准化。可以对接近环境属性的对象的捕获图像进行分析，以确定对象相对于环境属性被定位在何处。可以使用机器学习模型来检测环境属性，并且可以根据地图数据确定环境属性的位置。基于环境属性的已知位置，可以确定对象的位置概率。对象的位置概率可用于使由其他方式生成的深度估计精准化，例如使用计算机视觉根据图像进行单目深度估计。
根据图像深度精准