“高建焘”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]一种半监督海面目标检测方法、系统、设备及存储介质-CN202310369693.0在审
发明人：李小毛;梁金硕;高建焘;张婧婷 -专利权人：上海大学
申请日： 2023-04-07 - 公布日： 2023-07-04 - 主分类号： G06V20/10 文献下载
摘要：本发明公开一种半监督海面目标检测方法、系统、设备及存储介质，涉及目标检测领域。建立海面目标类别的置信度阈值调整模型，并根据置信度阈值调整模型确定无标签数据的分类损失函数，通过边界框一致性正则调整无标签数据的回归损失函数，模型训练过程中利用置信度阈值提高伪标签质量。动态调整每个海面目标类别的置信度阈值，提高了伪标签质量，并通过边界框一致性正则缓解了传统正负样本匹配机制中对于交并比的强依赖，提高了边界框的质量，进而提高了海面目标检测性能。
一种监督海面目标检测方法系统设备存储介质

[发明专利]跨模态知识蒸馏的方法、系统、电子装置和存储介质-CN202211239339.8在审
发明人：李镇;颜旭;占贺深;郑超达;高建焘;崔曙光 -专利权人：香港中文大学（深圳）未来智联网络研究院
申请日： 2022-10-11 - 公布日： 2023-04-11 - 主分类号： G06V10/40 文献下载
摘要：本发明公开了一种跨模态知识蒸馏的方法、系统、电子装置和存储介质，方法包括：渲染CAD模型或从不同视角在点云上进行透视投影，获得点云对应的3D图像的多个视图的辅助图像；将所有的辅助图像输入到图像网络中，获得3D图像的全局特征；在点云和全局特征之间进行特征增强和分类器增强，将3D图像的图像特征蒸馏至点云。本发明利用感知二维图像的全局特征，并将全局特征蒸馏至点云，能够获得更具辨别性的点云表示，解决了图像和点云之间的跨模态学习障碍的问题，另外，本发明只需要将点云作为输入数据，在没有图像输入的情况下，仍然能够进行点云的形状进行推理和识别，提升了推理时模型对目标模态的性能。
跨模态知识蒸馏方法系统电子装置存储介质

[发明专利]一种跨模态融合蒸馏的水面分割方法及系统-CN202211022223.9在审
发明人：李小毛;张婧婷;高建焘;彭艳;谢少荣 -专利权人：上海大学
申请日： 2022-08-25 - 公布日： 2022-11-08 - 主分类号： G06V20/05 文献下载
摘要：本发明涉及一种跨模态融合蒸馏的水面分割方法及系统，属于计算机视觉技术领域，首先建立点‑像素对应关系，并根据此关系是否包含2D像素来提取2D特征，得到逐点2D特征；再利用最近邻插值法对3D特征图进行计算，得到逐点3D特征；将二者融合得到融合特征；利用逐点2D特征进行水面分割预测得到2D预测分数；利用融合特征进行水面分割预测得到融合预测分数；计算2D预测分数和融合预测分数之间的蒸馏损失；最后利用降低蒸馏损失的方法调节2D预测网络，得到调节2D预测网络；利用调节2D预测网络进行水面预测分割。本发明利用跨模态融合蒸馏方法来迁移复杂网络所学到的知识，简化网络，降低计算量且不影响分割效果。
一种跨模态融合蒸馏水面分割方法系统

[发明专利]激光雷达点云分割方法、装置、设备及存储介质-CN202210894615.8有效
发明人：李镇;颜旭;高建焘;郑超达;崔曙光 -专利权人：香港中文大学（深圳）未来智联网络研究院
申请日： 2022-07-28 - 公布日： 2022-11-04 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种激光雷达点云分割方法、装置、设备及存储介质，用于解决现有的点云数据分割方案对计算资源消耗较大，且分割准确度较低的技术问题。该方法通过获取目标场景的三维点云和二维图像，并对二维图像进行图块化处理，得到多个图像块，从多个图像块中随机选择一个输出至预设的二维特征提取网络中特征提取，生成多尺度二维特征，利用预设的三维特征提取网络，基于三维点云进行特征提取，生成多尺度三维特征，根据多尺度二维特征和多尺度三维特征进行融合处理，得到融合特征，对融合特征进行单向模态保持的蒸馏，得到单模态语义分割模型；基于单模态语义分割模型以三维点云作为输入进行判别，得到语义分割标签对目标场景进行分割。
激光雷达分割方法装置设备存储介质

[发明专利]目标跟踪方法、装置、设备及存储介质-CN202210889605.5在审
发明人：李镇;郑超达;高建焘;颜旭;赵伟兵;廖颖泓;崔曙光 -专利权人：香港中文大学（深圳）未来智联网络研究院
申请日： 2022-07-27 - 公布日： 2022-11-01 - 主分类号： G06T7/20 文献下载
摘要：本发明公开了一种目标跟踪方法、装置、设备及存储介质，用于解决对于稀疏激光雷达场景中模板信息不足时，无法识别跟踪目标的问题。通过雷达采集目标场景中的点云数据序列，并提取点云数据序列中的第一帧点云，根据跟踪目标，利用预设的3D目标跟踪算法确定第一帧点云中的目标的边界框，并提取边界框中的所有目标点云，生成第一模板点云，利用预设的自适应模板生成算法基于边界框进行模板扩张处理，得到第二模板点云，提取点云数据序列中其他帧点云数据中的搜索区域中的点云特征，并将点云特征与第二模板点云和跟踪目标对应的参考模板点云进行比较，得到比较结果，基于比较结果生成点云数据序列中跟踪目标的跟踪结果，并进行显示。
目标跟踪方法装置设备存储介质

[发明专利]一种基于RefineNet神经网络和稀疏光流的目标跟踪方法-CN201810768173.6有效
发明人：罗均;高建焘;李小毛;谢少荣;彭艳 -专利权人：上海大学
申请日： 2018-07-13 - 公布日： 2021-06-04 - 主分类号： G06T7/246 文献下载
摘要：本发明提出一种基于RefineNet神经网络和稀疏光流的目标跟踪方法。该方法不再使用手工特征，或浅层网络输出具有的空间信息的深度特征，亦或深层网络输出具有强判别能力的深度特征，而是改用RefineNet神经网络进行深度特征提取，将浅层网络输出具有的空间信息的深度特征和深层网络输出具有强判别能力的深度特征进行融合，在融合后的深度特征的基础上，进行跟踪目标中心位置的跟踪。而对于目标区域的变化，该方法利用稀疏光流对跟踪目标区域长和宽不同的变化分别进行处理，使得该方法能够应对长宽比变化的目标尺度变化，从而解决了目前目标跟踪算法不能很好地应对长宽比变化的目标尺度变化问题。该方法是一种鲁棒性跟踪算法，能在不同跟踪场景中取得不错的效果。
一种基于 refinenet 神经网络稀疏目标跟踪方法

[发明专利]一种基于PVANET神经网络的目标跟踪方法-CN201810584860.2有效
发明人：罗均;高建焘;李小毛;谢少荣;彭艳 -专利权人：上海大学
申请日： 2018-06-08 - 公布日： 2021-02-23 - 主分类号： G06T7/246 文献下载
摘要：本发明提出了一种基于PVANET神经网络的目标跟踪方法。该方法不再使用Edgeboxes算法进行不同尺度的候选样本的提取，而是改用PVANET神经网络进行深度特征提取，并将浅层网络输出具有的空间信息的深度特征和深层网络输出的具有的判别能力的深度特征进行融合，在融合后的深度特征的基础上，利用PVANET神经网络中的RPN层进行不同尺度的候选样本的提取，并同时输出候选样本所对应的融合后的深度特征。该方法在利用神经网络中具有强大表征能力的深度特征的基础上，进行特征融合和不同尺度的候选样本的提取，从而提高目标跟踪精度。该方法是一种鲁棒性的跟踪算法，能在不同的跟踪场景中取得不错的效果。
一种基于 pvanet 神经网络目标跟踪方法

[发明专利]一种基于FPN神经网络的目标跟踪方法-CN201810329415.1有效
发明人：罗均;高建焘;李小毛;谢少荣;彭艳 -专利权人：上海大学
申请日： 2018-04-13 - 公布日： 2021-02-23 - 主分类号： G06T7/20 文献下载
摘要：本发明提出了一种基于FPN神经网络的目标跟踪方法。该方法不再使用传统的VGG深度神经网络，而是改用FPN深度神经网络。利用FPN深度神经网络中对神经网络浅层网络输出的深度特征图所具有的空间信息和深层网络输出的深度特征图所具有的判别能力很好的融合能力，从而提高目标跟踪精度。该方法是一种实时鲁棒性的跟踪算法，在不同的跟踪场景中取得了不错的效果。
一种基于 fpn 神经网络目标跟踪方法

1
共 8 条