[发明专利]一种众包高精度地图中地面要素聚类融合方法及装置在审
| 申请号： | 202111413891.X | 申请日： | 2021-11-25 |
| 公开（公告）号： | CN114037854A | 公开（公告）日： | 2022-02-11 |
| 发明（设计）人： | 肖德雨 | 申请（专利权）人： | 武汉中海庭数据技术有限公司 |
| 主分类号： | G06V10/762 | 分类号： | G06V10/762;G06V10/80;G06V10/764;G06K9/62;G06F16/29 |
| 代理公司： | 武汉蓝宝石专利代理事务所(特殊普通合伙) 42242 | 代理人： | 范三霞 |
| 地址： | 430000 湖北省武汉市东湖新技术开发区软件园东路*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种众包高精度地图中地面要素聚类融合方法及装置。本发明首先设定聚类半径初始值esp0，通过初始聚类获取原始地面要素数据的聚类结果；然后，对聚类结果进行类中密度分析，若不符合分类条件则将该聚类结果标记为未分类数据，若符合分类条件，则将该聚类结果放入分类数据集中；判断是否存在未分类数据，若存在则更新聚类半径，对未分类数据进行精聚类并对聚类结果进行类中密度分析，否则输出分类数据集。本发明对类别相同因采集误差较大而混合在一起的地面要素分离，聚类成不同的类别，得到更好的地面要素聚类结果，更好的为车辆行驶决策提供帮助。 | ||
| 搜索关键词： | 一种 高精度 地图 地面 要素 融合 方法 装置 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉中海庭数据技术有限公司，未经武汉中海庭数据技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202111413891.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种含油废气处理装置及方法
- 下一篇：一种装配式有机污染废气处理装置及方法
- 同类专利
- 猪仔异常数据的聚类分析方法-202310879773.0
- 薛素金;刘宗宁;杨焜 - 厦门农芯数字科技有限公司
- 2023-07-18 - 2023-10-27 - G06V10/762
- 本发明提供了一种猪仔异常数据的聚类分析方法，其特征在于，包括以下步骤：S1，对每一猪舍的猪仔进行监控，获取第一数据，所述第一数据包括该栏位的猪仔的粪便信息、身体行为信息、以及饮食信息；S2，获取该栏位猪仔在预设历史时段下的第一数据信息；S3，对该栏位猪仔在预设历史时段下的第一数据信息进行聚类处理生成多个数据子集；S4，根据所述多个数据子集进行预警。本发明通过对每一栏位的猪仔的粪便信息、身体行为信息、以及饮食信息进行聚类分析，从而获取该各个栏位各种异常情况的变化量，并根据该变化量进行有针对性的预警。从而可以实现无人值守的猪仔死亡事件进行的自动化识别及预警。
- 深度多视图聚类方法、装置、电子设备及可读存储介质-202310929969.6
- 曹付元;冯天婵 - 山西大学
- 2023-07-27 - 2023-10-27 - G06V10/762
- 本发明属于数据处理技术领域，尤其涉及一种深度多视图聚类方法、装置、电子设备及可读存储介质，具体方案包括：使用深度自编码器提取各视图的特定表示；引入注意力机制学习每个视图的权重系数，对来自不同视图的互补信息进行融合得到跨视图统一表示；将各视图的特定表示和跨视图统一表示输入对比学习网络，通过双重对比约束和k‑近邻机制实现一致性信息学习；将前序跨视图统一表示输入聚类网络执行聚类；迭代训练基于一致性表征学习的深度多视图聚类网络，直至模型收敛得到最终聚类结果。本发明将多视图表示学习和聚类任务整合到一个统一的框架中，使多视图表示学习和聚类任务相互受益，以实现提高多视图数据聚类的鲁棒性。
- 一种基于温度概率密度的变电站高压设备故障热红外图像识别方法及计算机设备与存储介质-202310679316.7
- 赵德仁;于常乐;杨林;李文文;张肃;万家;赵泓博;王俊淇;许诗悦;刘懿萱;李政达 - 国网辽宁省电力有限公司技能培训中心;国家电网有限公司
- 2023-06-08 - 2023-10-27 - G06V10/762
- 本发明涉及一种基于温度概率密度的变电站高压设备故障热红外图像识别方法及计算机设备与存储介质，方法包括步骤如下：获取变电站高压设备故障热红外图像数据；对所述步骤一获取的相关数据进行数据预处理；使用核函数估计提取红外图像温度概率密度函数；依据检测对象的热红外图像的温度分布，实现故障分类；在初始分类中心的基础上，使用K均值聚类对样本数据进行聚类，实现不同目标故障识别。本发明不仅去除了对大数据集的依赖，同时去除了人为分类干预，并具备较好的准确性和灵敏性，提高变电站高压电气设备运维水平。
- 猪仔死亡事件聚类分析方法-202310879772.6
- 薛素金;刘宗宁;杨焜 - 厦门农芯数字科技有限公司
- 2023-07-18 - 2023-10-27 - G06V10/762
- 本发明提供了一种猪仔死亡事件聚类分析方法，其特征在于，包括以下步骤：S1，对每一猪舍的猪仔进行监控，获取多个实时数据，所述实时数据包括该栏位的猪仔的排便信息、行为信息、饮食信息以及环境信息；S2，当该栏位发生猪仔死亡后，获取该栏位猪仔在预设历史时段下的实时数据信息，其中，所述预设历史时段为该死亡事件发生前的多天；S3，对该栏位猪仔在预设历史时段下的实时数据信息进行聚类分析生成多个数据集；S4，根据所述多个数据集获取该死亡事件的原因。本发明通过对每一栏位的猪仔的排便信息、行为信息、以及饮食信息、环境信息进行聚类，从而获取该各个栏位各种异常情况的变化量，并根据各种异常的变化量自动获取猪仔死亡事件的原因，大大的提高效率及即时性。
- 一种基于北斗的输电线路电杆塔点云聚类方法-202310868589.6
- 严尔梅;时磊;刘博迪;谢春;蒋畅;顾泽;何成艳;张宗钰;邓凯锋;申溥婷;石书甜;蒲阳 - 贵州电网有限责任公司
- 2023-07-14 - 2023-10-27 - G06V10/762
- 本发明公开了一种基于北斗的输电线路电杆塔点云聚类方法，所述方法包括：步骤1、在输电杆塔上安装具有北斗定位的激光雷达设备，使用北斗卫星定位系统对输电线路杆塔进行定位，获取设备的坐标信息，利用激光雷达获取输电线路通道点云，根据北斗参数修正点云模型；利用随机采样一致性分割算法剔除地面点，利用欧式聚类算法首先提取电力设施点；步骤2、在电力设施点中计算杆塔中心点；步骤3、精细化提取杆塔点；解决了输电线路杆塔点云数据的语义分割精度较低等技术问题。
- 对象识别模型的更新方法、装置、设备、介质及程序产品-202211678065.2
- 郭卉 - 腾讯科技（深圳）有限公司
- 2022-12-26 - 2023-10-27 - G06V10/762
- 本申请提供了一种对象识别模型的更新方法、装置、设备、介质及程序产品，涉及人工智能技术；方法包括：获取对象识别模型，该对象识别模型基于各对象识别任务的训练样本集训练得到；获取对象识别模型的类别中心参数；获取新对象识别任务的目标训练样本集；基于各训练样本集中各图像样本的样本特征、以及目标训练样本集中各图像样本的样本特征，确定目标类别中心参数；将对象识别模型的类别中心参数更新为目标类别中心参数，得到目标对象识别模型，该目标对象识别模型用于基于目标类别中心参数，识别待识别对象所归属的目标类别；通过本申请，能够提高为对象识别模型增加新对象识别任务的识别能力的实现效率，保证对象识别模型的识别效果。
- 图像序列样本集的确定方法、装置以及计算机设备-202010998142.7
- 汪贤;熊宝玉;樊鸿飞;蔡媛 - 北京金山云网络技术有限公司
- 2020-09-18 - 2023-10-27 - G06V10/762
- 本申请提供了一种图像序列样本集的确定方法、装置以及计算机设备，涉及数据处理技术领域，缓解了筛选出的图像序列样本集的多样均衡程度较差的技术问题。该方法包括：获取多个图像序列样本的特征数据和每个图像序列样本对应的抽取概率；根据特征数据对多个图像序列样本进行聚类处理，得到多个类簇；按照多个类簇之间的类簇抽取顺序轮询抽取类簇，针对每个类簇，按照类簇中若干个图像序列样本之间的样本抽取顺序抽取图像序列样本，直到已抽取图像序列样本的数量达到预设数量，基于已抽取图像序列样本确定图像序列样本集；类簇抽取顺序为类簇的抽取概率均值大小顺序；样本抽取顺序为样本的抽取概率大小顺序。
- 场景静态物体合并方法、装置、存储介质及计算设备-202010461239.4
- 严士东 - 完美世界（北京）软件科技发展有限公司
- 2020-05-27 - 2023-10-27 - G06V10/762
- 本发明提供了一种场景静态物体合并方法、装置、存储介质及计算设备，该方法包括获取同一游戏场景中指定材质的静态物体；对获取到的指定材质的静态物体按照预设聚类算法进行聚类得到多个分组；将属于同一分组中的静态物体进行网格合并，得到合并后的静态物体。采用预设聚类算法能够更加方便快捷的将指定材质的静态物体聚类成多个分组，通过将属于同一分组中的静态物体进行网格合并得到合并后的静态物体，可以有效减少游戏场景中静态物体的数量。并且，由于指定材质的静态物体的分组数量不同，合并后的静态物体的网格大小不同，因此可通过灵活的调整分组数量来有效地调整合并后静态物体的网格大小。
- 一种图像聚类方法和装置-202311168727.6
- 张星宇 - 深圳须弥云图空间科技有限公司
- 2023-09-12 - 2023-10-24 - G06V10/762
- 本申请涉及计算机模型技术领域，提供了一种图像聚类方法和装置。该方法通过充分挖掘异质图信息将多个不同质的特征向量融合，提升了图像数据中特征的分辨能力，基于融合特征构建拓扑图，并基于拓扑图确定图像聚类结果，通过提升图像数据中特征的分辨能力，提升了图像聚类的准确度，同时提升了图像聚类的精度和鲁棒性，避免了相关技术中，由于图像数据质量差，对图像数据进行特征提取得到的特征不准确，导致难以将不同时刻、不同空间的图像聚类起来，图像聚类效果差的问题。
- 一种基于深度的多相机鸟瞰图视角目标检测方法及装置-202310862550.3
- 居聪;刘国清;杨广;王启程 - 深圳佑驾创新科技股份有限公司
- 2023-07-14 - 2023-10-24 - G06V10/762
- 本申请涉及一种基于深度的多相机鸟瞰图视角目标检测方法及装置，其方法包括获取自车采集的环视图像，得到输入特征图；从输入特征图提取得到深度特征图；利用深度特征图计算鸟瞰图视角映射坐标；基于鸟瞰图视角映射坐标，计算鸟瞰图视角特征图；将鸟瞰图视角特征图输入预设的卷积神经网络中，得到输出特征图；对输出特征图进行后处理，包括在第一距离内采取第一阈值，在第二距离内采取第二阈值，合并得到初步检测结果，其中，第一距离小于第二距离，第一阈值大于第二阈值；采用DBSCAN聚类算法对初步检测结果进行聚类去重处理，得到目标检测结果。本申请具有改善目标检测结果的串检问题，降低远处目标的漏检概率的效果。
- 一种基于时间序列融合影像提取洪水水体的IK-means方法-202311162867.2
- 陈波;牛丽峰;魏小峰;许贵林;姚力波 - 哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）
- 2023-09-11 - 2023-10-24 - G06V10/762
- 一种基于时间序列融合影像提取洪水水体的IK‑means方法，包括如下步骤：S1、获取源自遥感卫星的雷达时间序列影像和光学时间序列影像；S2、使用所述雷达时间序列影像中的VH波段和所述光学时间序列影像中的植被指数NDVI，合成得到多波段影像；S3、将特征指数、包含SRTM Plus地形特征和所述合成多波段影像的组作为k‑means分类器的输入影像，计算由所述k‑means分类器分类的每个类别的NDVI特征和VH特征，利用洪水期间水体的NDVI特征和VH特征建立自动识别聚类类别中是洪水类别的模型，从而来识别洪水水体。
- 一种基于像素聚类的RVIN检测和去除的方法-202210539711.0
- 黄梦醒;林聪;冯思玲;冯文龙;毋媛媛;张雨 - 海南大学
- 2022-05-17 - 2023-10-24 - G06V10/762
- 本发明公开一种基于像素聚类的RVIN检测和去除的方法，包括如下步骤：基于像素点的灰度距离相似性进行聚类分割，将受损图像中的所有像素分成K类；计算像素的LCI值并基于LCI值确定所述像素所处区域，所述区域包括平坦区域和细节区域，再通过迭代求解获取每类像素的最优检测阈值，根据像素的LCI值和最优检测阈值判断所述像素是否为噪声像素；针对平坦区域和细节区域的噪声像素分别采用LCI加权均值滤波器和边缘方向滤波器来恢复被随机值脉冲噪声损坏的像素。本发明提出的噪声检测器和滤波器具有很高的鲁棒性和泛化性，在自然图像和医学图像的RVIN去除中均取得了显著的效果，特别是在高噪声水平上效果更优。
- 一种基于相似筛选的无监督目标重识别方法、装置及介质-202311152784.5
- 魏志强;宋美瑶;黄磊 - 中国海洋大学
- 2023-09-08 - 2023-10-20 - G06V10/762
- 本发明公开了一种基于相似筛选的无监督目标重识别方法、装置及介质，涉及重识别技术领域。方法包括：利用公开数据集预训练以初始化无监督目标重识别模型的神经网络以及内存库，对获取的目标域图像集进行特征提取和聚类更新内存库；根据目标域图像集依据相机样本比例进行采样确定采样数据；根据采样数据计算总损失迭代训练神经网络，利用神经网络新提取的特征和聚类结果更新内存库，直至总损失不再下降确定无监督目标重识别模型；获取待进行重识别的预定目标图像以及多目标图像集；根据无监督目标重识别模型，从多目标图像集中识别出与预定目标图像相同目标的目标图像数据集。有效减轻相机身份差距对重识别准确率的影响。
- 一种橡胶圈流痕识别方法-202211205325.4
- 柳洪泽;江俊仪 - 佛山顺德和煦胶业科技有限公司
- 2022-09-30 - 2023-10-20 - G06V10/762
- 本发明涉及数据处理技术领域，具体涉及一种橡胶圈流痕识别方法。该方法对经由图像识别电子设备识别得到的橡胶圈表面灰度图像进行数据获取，然后对获取的数据进行处理分析，侧重点是对获取数据后的数据处理方法进行改进，在以像素点设定范围内的灰度值的熵值作为像素点的熵值的基础上，结合像素点设定范围内的灰度值的分布均匀性对像素点的熵值进行修正，得到更符合人眼视觉的，受到图像获取过程中干扰程度更小的像素点的新的熵值，以所确定的新的熵值确定了更为准确的橡胶圈的流痕区域，解决了现有技术以局部熵聚类分析确定橡胶圈流痕区域的准确度不足的问题。
- 基于神经网络的图像聚类的方法、装置与存储介质-201911286423.3
- 贠瑞峰;刘粉香;彭翔;张炎红 - 北京因特睿软件有限公司
- 2019-12-13 - 2023-10-20 - G06V10/762
- 本申请提供了一种基于神经网络的图像聚类的方法、装置、存储介质与处理器。该方法包括获取包括多个图像的图像数据库；建立图像数据库对应的哈希列表；利用哈希列表确定图像相似度模型；根据图像相似度模型构建聚类数据库，通过获取图像数据库，再对所获取的图像数据库中的图像进行处理得到图像数据库对应的哈希列表，通过哈希列表对图像数据库中的图像进行初步筛选，根据筛选出来的图像再利用哈希列表确定图像相似度模型，这样能够加速聚类的过程，从而提高了获取聚类数据库的效率，并且，通过哈希列表先进行筛选，去除一些不相关的图像，使得图像聚类效果较好，即可实现较好的图像聚类效果。
- 一种基于上下文聚类与多模态融合的目标检测方法和系统-202310660880.4
- 何为;邓振淼 - 中山大学
- 2023-06-05 - 2023-10-17 - G06V10/762
- 本发明公开了一种基于上下文聚类与多模态融合的目标检测方法和系统，涉及计算机视觉和雷达信号处理的技术领域，包括获取图像数据和点云数据并进行数据增强处理；对数据增强处理后的图像数据提取特征，基于视觉分支特征计算对应的热图和属性参数，获得目标的第一检测结果；对数据增强后的点云数据进行矩形扩展，获得扩展后的点云矩形面；与第一检测结果进行区域关联，获得关联数据并提取特征，获得雷达分支特征；融合视觉分支特征和雷达分支特征，计算第二检测结果，连同第一检测结果共同输入解码器，获得目标的最终检测结果。本发明设计的基于上下文聚类的多模态特征融合网络结构，实现对多模态特征数据的融合互补，提高了目标检测的精度和效率。
- 后期融合物体图像聚类方法、装置和计算机设备-202310671061.X
- 刘哲;方黎明;葛春鹏;马川;张毅 - 之江实验室
- 2023-06-07 - 2023-10-17 - G06V10/762
- 本申请涉及一种后期融合物体图像聚类方法、装置和计算机设备。所述方法包括：响应于图像聚类请求，获取待聚类的物体图像数据；确定物体图像数据在不同视图下的基础划分矩阵、初始旋转扰动矩阵和初始权值系数，以及所有视图对应的初始一致聚类划分矩阵；根据基础划分矩阵、初始旋转扰动矩阵、初始权值系数和初始一致聚类划分矩阵，构建物体图像聚类目标函数；对物体图像聚类目标函数中待优化参数进行交替优化处理，当物体图像聚类目标函数的函数值为预设函数值时，得到融合每个视图的基础划分矩阵的目标一致聚类划分矩阵；对目标一致聚类划分矩阵进行聚类处理，得到物体图像数据的聚类结果。采用本方法能够提高图像的聚类准确性。
- 一种基于毫米波雷达的多人实时动作识别方法-202310875227.X
- 周瑞;张宏旺;刘辰旭;徐睿;匡平 - 电子科技大学
- 2023-07-17 - 2023-10-13 - G06V10/762
- 本发明提供一种基于毫米波雷达的多人实时动作识别方法，通过接收识别环境中反射的毫米波信号并对实时采集的点云数据和多普勒数据进行处理从而进行多人动作识别，通过连续两帧之间检测对象数目的关系消除短暂鬼影，并有效感知新对象的出现，然后通过鬼影镜面特性，对新出现的对象进行连续多帧的鬼影消除，从而消除连续鬼影。本发明以动作的持续序列为基础，将多个检测对象的多普勒数据进行分割。局部切割使得数据视野更聚焦于动作，更直观反映动作随时间的位置变化，从而有利于动作识别。本发明依据强度最大的速度索引值，计算检测对象的真实速度，从而压缩多普勒数据中的速度维度，从而减少神经网络的参数数量，降低计算复杂度。
- 巨型星座的协同对地观测任务规划优化方法、设备及介质-202310769791.3
- 乔凯;张永贺;魏楚奇;高扬;于海琰;刘建勋;殷建丰;王倩;姜宏佳 - 中国空间技术研究院
- 2023-06-27 - 2023-10-13 - G06V10/762
- 本发明涉及一种巨型星座的协同对地观测任务规划优化方法、设备及存储介质，巨型星座的协同对地观测任务规划优化方法包括：步骤S1、基于星座轨道平面数量、每个轨道平面卫星数量以及轨道相位参数，完成星座任务分解与筹划；步骤S2、进行目标聚类处理，完成成像任务规划解空间降维；步骤S3、基于星座内卫星的组网关系，进行快速路由协同；步骤S4、完成轻度冗余处理。本发明，能够通过目标聚类处理、快速路由协同和轻度冗余设计等核心方法，实现成像任务规划解空间降维、协同关系快速生成、多重覆盖和缺失替代补网等功能；实现复杂计算的并行处理，有利于实现大规模卫星任务规划方案的快速生成与迭代优化。
- 一种动态场景下基于空间坐标误差的实时语义SLAM-202310796340.9
- 宋时雨;张炜;尹文强;蒋康博;陈吉 - 西北工业大学
- 2023-07-03 - 2023-10-13 - G06V10/762
- 本发明涉及一种动态场景下基于空间坐标误差的实时语义SLAM，提出了SCE‑SLAM：动态场景下基于空间坐标误差的实时语义SLAM系统，它基于ORB‑SLAM3的RGB‑D模式。SCE‑SLAM紧密结合了语义信息和几何信息。考虑到实时性要求，语义模块利用最新和最快的物体检测网络YOLOv7提供语义先验知识给几何模块。然后提出一种新的几何约束方法来过滤动态特征点。该方法充分利用深度图像和语义信息来恢复三维特征点和初始相机姿态。三维坐标空间误差被用作阈值，然后SCE‑SLAM通过K‑means聚类算法去除动态点。通过这种方式，SCE‑SLAM能够有效地减少动态点的影响并且满足实时性要求。
- 一种毫米波雷达点云聚类方法-202310975789.1
- 肖洋;于文娟;马树发 - 上海英恒电子有限公司
- 2023-08-03 - 2023-10-13 - G06V10/762
- 本发明实施例公开了一种毫米波雷达点云聚类方法。其中，该方法包括：获取本车运动信息和点云数据集；针对点云数据集中的每一个样本点，根据样本点的样本点信息和本车运动信息，确定样本点的运动状态；根据样本点信息和运动状态确定样本点的目标聚类半径，并基于点云数据集对应的各目标聚类半径对点云数据集进行聚类。本实施例技术方案，在确定出样本点的运动状态的基础上，完成对样本点目标聚类半径的确定，实现了对毫米波雷达点云进行具有速度维度的密度聚类，使得聚类结果更符合毫米波雷达在道路交通中的点云分布特性，提升了点云聚类质量。
- 一种面向通用多视图对象聚类的对象视图蒸馏方法-202310700264.7
- 刘文静;李海龙;许志伟;王钢 - 内蒙古工业大学
- 2023-06-14 - 2023-10-10 - G06V10/762
- 一种面向通用多视图对象聚类的对象视图蒸馏方法，收集若干样本的初始多视图数据；构建自编码器，教师网络，学生网络和知识蒸馏；编码器将样本的视图投影成潜在表示，并构造低维潜空间；利用多视图数据训练教师网络；利用多视图数据训练学生网络，并将知识蒸馏生成的暗知识作为一种新的自监督信号来指导学生网络进行微调；将整个原始多视图数据集馈送给整体网络，通过学生网络获得所有视图聚类的概率分布，对每个视图的概率进行加权和求和，得到最终的聚类结果；本发明使用知识蒸馏方法解决多视图聚类算法中伪标签对模型训练的错误引导以及纠正不准确的特征，显著提升聚类表现。
- 基于深度学习的无监督数据划分方法-202310945140.5
- 陈思竹;王浩博 - 四川弘和数智集团有限公司
- 2023-07-31 - 2023-10-10 - G06V10/762
- 本发明涉及信息处理技术。本发明的目的是要解决目前数据划分方法中数据划分效果较差的问题，提供了一种用于深度学习的数据划分方法及可读存储介质，其技术方案可概括为：对所获取的图像进行预处理及提取图像的特征，将各图像的特征组合成一个特征空间；使用K‑means算法对特征空间中的各特征进行聚类，将聚类为一类的各特征对应的图像划分为同一类型的数据集。本发明的有益效果是，减少人工参与，适用于图像数据划分。
- 点云聚类方法、装置、电子设备和计算机可读存储介质-202310746487.7
- 许沈榕;朱云龙;郑军 - 聚时科技（上海）有限公司
- 2023-06-21 - 2023-10-10 - G06V10/762
- 本发明涉及3D测量技术邻域，提供了一种点云聚类方法、装置、电子设备和计算机可读存储介质，方法包括：获取点云数据；利用预设单元网格大小，将点云数据所属的区域划分为多个网格，预设单元网格大小是根据点云数据的维度确定的；对多个网格进行聚类，得到至少一个网格类别；将网格类别相同的网格中的点云数据作为同一类点云数据，得到点云数据的聚类结果。本发明能够提高点云数据聚类的效率，进而提高3D测量的效率。
- 一种非标准场景下的任务复杂度评估方法及终端-202311032635.5
- 任飞;谢晓刚;杜康 - 福建万福信息技术有限公司
- 2023-08-16 - 2023-10-10 - G06V10/762
- 本发明提供一种非标准场景下的任务复杂度评估方法及终端，预先采用量化参数构建一个线性任务复杂度评估指标函数的回归模型；接收现有任务，选取现有任务中的图像对比度、目标占比和图像分辨率作为三个聚类指标，拟合回归模型，得到量化参数的回归系数预测值；根据多次拟合结果不断细化回归系数预测值，得到最佳回归系数，并更新回归模型；采用更新后的回归模型进行任务复杂度评估。本发明通过量化参数构建任务复杂度评估指标函数作为回归模型，并基于现有任务的图像对比度、目标占比和图像分辨率对现有任务进行多次聚类分析，多次迭代拟合回归模型的量化参数以计算最佳回归系数，从而不断更新回归模型以便准确评估后续新任务的任务复杂度。
- 图像聚类方法及装置、存储介质、电子装置-201911341089.7
- 王典;阮学武;周道利;邓祥 - 浙江大华技术股份有限公司
- 2019-12-23 - 2023-10-10 - G06V10/762
- 本发明提供了一种图像聚类方法及装置、存储介质、电子装置，该方法包括：将待处理图像的人脸特征与N个图像集合中的中心图像的人脸特征进行比对，确定出N个图像集合中的K个目标图像集合；将待处理图像的人脸特征与K个目标图像集合中的图像的人脸特征进行比对，确定出K个目标图像集合中的M个目标图像集合，其中，M个目标图像集合中至少有一个图像的人脸特征与待处理图像的人脸特征的相似度大于或等于第二预设阈值，M0；将待处理图像聚类到M个目标图像集合中的部分或全部目标图像集合。通过本发明，可以解决相关技术中图像聚类不准确的技术问题，达到准确聚类的效果。
- 素材数据聚类方法及相关装置-202310806509.4
- 刘曙铭 - 成都欧珀通信科技有限公司
- 2023-06-30 - 2023-10-03 - G06V10/762
- 本申请实施例公开了一种素材数据聚类方法及相关装置，方法包括：标注素材数据，得到素材评估集，其中，素材数据对应预设应用场景；对素材数据进行处理，生成素材数据中图片数据和对应文本数据对应的联合语义表征数据；根据素材评估集，对联合语义表征数据进行聚类，得到素材聚类结果；对素材聚类结果进行优化处理，得到目标素材聚类结果。采用本申请实施例有利于提高用户体验。
- 一种用于铸件射线图像的自监督学习方法-202310639356.9
- 李兴捷;于涵;李新越;侯春雨;刘尚瑀 - 中国机械总院集团沈阳铸造研究所有限公司
- 2023-06-01 - 2023-10-03 - G06V10/762
- 本发明提供了一种用于铸件射线图像的自监督学习方法，其步骤为：步骤1.自监督学习任务所需的图像数据集的构建；步骤2：自监督模型训练；步骤3.网络应用。通过熵选择遮蔽策略与稀疏卷积预训练架构实现铸件射线图像的自监督预训练，克服传统方法不适用于卷积神经网络与忽略图像不同区域之间的信息密度差异的问题。相比于自然图像预训练与传统自监督学习方法，本发明在提升模型下游任务的精度方面具有更好的效果。在铸件缺陷检测领域中卷积神经网络仍然是主流方法，因此本发明更适用于铸件缺陷检测领域。
- 车道线识别方法及装置-202310914705.3
- 邹剑章;陈时远;张文太 - 高德软件有限公司
- 2023-07-24 - 2023-10-03 - G06V10/762
- 本申请实施例提供一种车道线识别方法及装置，该方法包括：获取多条待识别的车道线。将各待识别的车道线划分为多个线段。针对任一个线段，根据线段所属车道线的车道线属性，确定线段对应的初始特征向量，初始特征向量不反映车道线的方向。根据各线段对应的初始特征向量对多个线段进行聚类处理，得到至少一个聚类簇。针对任一个聚类簇，根据聚类簇中的各个线段所属车道线的方向属性，对各个线段进行分类处理，得到至少一个类别。根据至少一个类别对应的线段的数量，识别异常车道线。本申请的技术方案可以有效并准确的识别出异常车道线。
- 一种基于多神经网络集成学习的吊物类型识别方法及系统-202310652099.2
- 姜贺;安民洙;葛晓东 - 腾晖科技建筑智能（深圳）有限公司;广东光速智能设备有限公司
- 2023-06-05 - 2023-09-29 - G06V10/762
- 本发明公开了一种基于多神经网络集成学习的吊物类型识别方法及系统，包括：基于收集的吊物激光雷达点云数据和三个特征提取神经网络对吊物识别神经网络进行训练，得到训练完成的吊物识别神经网络；将吊钩的高度值下方的点云进行欧式聚类，获取体积最大的聚类联通体作为吊物识别的输入点云；利用三个特征提取神经网络对输入点云进行特征提取，得到三个特征向量，并进行并联扩展，形成高维特征向量；对高维特征向量进行范数归一化，得到归一化高维特征向量，并将归一化高维特征向量输入到训练完成的吊物识别神经网络；利用训练完成的吊物识别神经网络对归一化高维特征向量进行推理，获得吊物类型。本发明达到大幅提高吊物类型识别的稳定性的目的。
- 专利分类
