“罗佳齐”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8个，建议您升级VIP下载更多相关专利

[发明专利]一种基于T-LDA主题模型的驾驶行为模式识方法-CN201810676019.6有效
发明人：石英;罗佳齐;李振威 -专利权人：武汉理工大学
申请日： 2018-06-27 - 公布日： 2022-03-01 - 主分类号： G06V10/40 文献下载
摘要：本发明公开了一种基于T‑LDA主题模型的驾驶行为模式识方法，该方法包括以下步骤：S1、驾驶行为词典建立与驾驶行为直方图特征提取，根据驾驶行为数据的聚类结果建立驾驶行为词典；构建驾驶数据‑驾驶行为单词的共现矩阵，即驾驶行为直方图特征；S2、利用驾驶行为直方图特征对改进后的T‑LDA模型进行训练，进而构建驾驶数据、驾驶模式、驾驶行为单词三者之间的关系，并且引入时间信息作为驾驶行为单词的标签；利用带有时间标签的驾驶行为直方图特征对模型进行训练，并使用吉布斯采样方法求解模型参数，输出驾驶行为识别结果。本发明能有效用于驾驶行为模式识别。
一种基于 lda 主题模型驾驶行为模式方法

[发明专利]一种基于改进YOLOv2的无人驾驶中行人检测方法-CN201810675999.8有效
发明人：石英;罗佳齐;李振威 -专利权人：武汉理工大学
申请日： 2018-06-27 - 公布日： 2022-03-01 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于改进YOLOv2的无人驾驶中行人检测方法。首先通过KITTI数据集训练YOLOv2网络，得到训练模型。然后，通过车载摄像头捕捉视频，将视频中的每一帧作为YOLOv2网络的输入，并将训练模型导入YOLOv2网络。接着运行网络，初步得到检测出的行人的位置信息和概率。最后对部分不可能包含行人目标区域建议框进行筛除之后，再利用非极大值抑制得到最终行人检测框。本发明能有效的应用于无人驾驶中行人检测。
一种基于改进 yolov2 无人驾驶行人检测方法

[发明专利]一种基于运动历史图像与卷积神经网络的行为识别方法-CN201711403339.6有效
发明人：石英;罗佳齐;杨明东;孙明军;徐乐;高田翔;谢凌云;全书海;刘子伟;朱剑怀 -专利权人：武汉理工大学
申请日： 2017-12-22 - 公布日： 2021-12-21 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于运动历史图像与卷积神经网络的行为识别方法，包括以下步骤：S1、获取输入的原始视频图像，通过基于运动历史图像的行为序列特征提取方法对其进行处理；S2、采用基于深度卷积神经网络的方法对局部运动历史图像进行行为识别，得到行为类别分类器，最终通过该行为类别分类器输出行为识别结果。本发明从原始视频序列中计算运动历史图像，不仅减少了待处理的信息量，还提取了行为识别中的关键时空信息；接着以运动历史图像作为输入，搭建了深度卷积神经网络，然后利用随机梯度下降法(Stochastic gradient descent,SGD)与Dropout策略训练网络，最终实现行为类别分类。本发明能有效的应用于在线实时行为识别。
一种基于运动历史图像卷积神经网络行为识别方法

[发明专利]一种匹配策略融合及低误差的快速图像拼接方法-CN201711241376.1有效
发明人：石英;杨明东;罗佳齐;徐乐;陈启宏;张立炎;全书海;高田翔;谢凌云;刘子伟;朱剑怀 -专利权人：武汉理工大学
申请日： 2017-11-30 - 公布日： 2021-06-04 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种匹配策略融合及低误差的快速图像拼接方法，包括：S1、获取待拼接的多幅序列图像，对其进行预处理、标定图像间的重合区域；S2、在重合区域内提取SIFT特征点，并计算SURF特征描述符；S3、完成特征粗匹配，并利用粗匹配信息完成序列图像排序，然后采用随机采样一致性算法对匹配结果对进行提纯并拟合图像间的单应性变换矩阵；S4、选取序列图像中间位置的图像作为参考图像，建立其他任意图像到参考图像的投影变换模型；S5、经过亮度校正后，使用投影变换模型并结合多线程，将所有图像均投影到参考图像坐标空间，经过图像融合后合成高质量全景图像。本发明正确匹配率大大提高，且能快速合成误差低的高质量全景图，具有较高的实用价值。
一种匹配策略融合误差快速图像拼接方法

[发明专利]一种基于梯度均衡策略的多任务实例级道路场景理解算法-CN202010665205.7在审
发明人：石英;苏涛;谢长君;张晖;罗佳齐 -专利权人：武汉理工大学
申请日： 2020-07-10 - 公布日： 2020-10-30 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于梯度均衡策略的多任务实例级道路场景理解算法，构建具有分类与定位功能的实例级道路场景理解网络，该网络由特征提取模块、区域生成模块和位置精修模块构成；在训练阶段，引入梯度均衡策略，通过优化参数的算法分别调整区域生成模块和位置精修模块的分类和回归损失的梯度，倾向于在使不同损失获得均衡的梯度的基础上，对更难训练的损失赋予更大的梯度，降低多个分类和回归损失间的相互扰动作用，获得实例级道路场景理解模型；利用网络模型，获得图像的多个目标的定位坐标信息和分类信息。本发明实现了在道路场景下目标的多任务定位和分类检测，提高了检测的速度和精度，对目标检测中相互重叠、存在遮挡的情况进行很好的处理。
一种基于梯度均衡策略任务实例道路场景理解算法

[发明专利]一种基于样本损失的多检测框损失均衡道路场景理解算法-CN202010665209.5在审
发明人：石英;苏涛;谢长君;张晖;罗佳齐 -专利权人：武汉理工大学
申请日： 2020-07-10 - 公布日： 2020-10-30 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于样本损失的多检测框损失均衡道路场景理解算法，包括如下步骤：首先建立具有区域生成模块和位置精修模块的实例级道路场景理解网络；其次在训练网络时，设计多检测框损失均衡策略，倾向于对更难训练的样本检测框损失赋予更大的梯度，提升网络对困难样本的学习能力，并以权重特征图作为卷积层对相应的损失特征图进行加权求和得到每个模块的子损失，用于反向传播的总损失由各个子损失求和得到；最后，使用网络模型计算待检测图像中多个目标的定位坐标信息和分类信息。本发明解决了双阶段的检测器中正负样本不平衡的问题，使模型在训练时更加侧重于更有益模型学习的困难检测负样本损失。
一种基于样本损失检测均衡道路场景理解算法

[发明专利]一种基于路网和QOS模型的车载网GPSR协议改进方法-CN201711241328.2有效
发明人：石英;高田翔;谢凌云;徐乐;杨明东;罗佳齐;张焕清;华逸伦;全书海 -专利权人：武汉理工大学
申请日： 2017-11-30 - 公布日： 2020-08-25 - 主分类号： H04W4/40 文献下载
摘要：本发明公开了一种基于路网和QOS模型的车载网GPSR协议改进方法，包括：S1、建立路网模型，源节点查询自身以及目的节点的坐标和所处路段属性；S2、若目的节点在通信范围内，则直接转发；否则启用贪婪转发模式；S3、转发过程中，计算得到QOS属性数据对通信链路的服务质量进行衡量，并生成候选转发节点列表；S4、若候选转发节点列表不为空，则继续贪婪转发；否则启用路由恢复策略中的携带转发机制；S5、当数据分组陷入局部最优路口时，启用周边恢复模式选择转发路段；S6、当数据分组跨过局部最优路口时，重复执行步骤S2‑S5，直到抵达目的节点。本发明提高了GPSR协议的链路质量，降低投递率受速度的影响，且低节点密度适应性较好。
一种基于路网 qos 模型车载 gpsr 协议改进方法

[发明专利]基于智能移动终端的驾驶行为识别方法-CN201810045607.X在审
发明人：石英;高田翔;罗佳齐;蔡永华;李振威 -专利权人：武汉理工大学
申请日： 2018-01-17 - 公布日： 2018-07-13 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于智能移动终端的驾驶行为识别方法，包括：S1、通过智能移动终端采集并筛选车辆原始状态数据，包括三个轴的加速度和角速度信息；S2、对车辆原始运动状态数据进行预处理；S3、采用主成分分析方法从预处理后的数据中获取驾驶行为综合特征向量；S4、采用k‑means聚类算法对驾驶行为综合特征向量进行聚类划分，得到最佳聚类数目；S5、根据最佳聚类数目后，并采用FCM算法对综合特征向量进行聚类，得到去模糊的最终聚类结构；S6、采集实时车辆状态数据，并根据最终聚类结果对车辆的驾驶行为进行识别。本发明实现了驾驶行为数据的精细聚类，将车辆驾驶行为特征有效聚为转弯、变速和变道三类行为。
聚类驾驶行为智能移动终端综合特征向量预处理状态数据车辆驾驶行为驾驶行为数据采集角速度信息主成分分析变速聚类结果聚类算法实时车辆原始运动原始状态变道转弯精细筛选模糊

1
共 8 条