“呼晓畅”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]基于特征显著性的目标识别方法、装置和计算机设备-CN202210848453.4在审
发明人：曾宇骏;呼晓畅;方强;徐昕;任君凯;兰奕星 -专利权人：中国人民解放军国防科技大学
申请日： 2022-07-19 - 公布日： 2022-11-01 - 主分类号： G06V10/82 文献下载
摘要：本申请涉及一种基于特征显著性的目标识别方法、装置和计算机设备，通过构建并训练极限学习稀疏自编码网络，其中极限学习稀疏自编码网络中的隐藏层节点数小于输入层节点数和输出层节点数；根据训练好的极限学习稀疏自编码网络的输入层和隐藏层构建显著性成分提取网络，将卷积特征输入显著性成分提取网络得到卷积特征的显著性成分，融合显著性成分和卷积特征得到显著特征；将显著特征输入预先训练好的识别模型得到目标识别结果。本发明可以兼顾识别结果的精度和计算速度。
基于特征显著目标识别方法装置计算机设备

[发明专利]一种数据增广的深度半监督超限学习图像分类方法及系统-CN202110448092.X有效
发明人：曾宇骏;呼晓畅;徐昕;方强;周思航 -专利权人：中国人民解放军国防科技大学
申请日： 2021-04-25 - 公布日： 2022-08-09 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种数据增广的深度半监督超限学习图像分类方法及系统，本发明方法包括针对训练图像采用深度卷积网络模型进行特征提取；基于部分人工标签数据微调优化深度卷积网络模型并为无标签的训练图像生成伪标签；将从训练图像提取得到的高层语义特征与低层浅层结构特征融合得到融合图像特征；采用随机线性插值技术对训练图像的融合图像特征与标签进行增广；针对增广后的融合图像特征与标签训练单隐层前馈神经网络并替代深度卷积网络模型中的全连接层得到最终的图像分类识别网络模型。本发明具有人工标记需求小、具有鲁棒的抗噪声干扰能力、分类识别性能良好、任务扩展性强的数据增广的优点。
一种数据增广深度监督超限学习图像分类方法系统

[发明专利]基于一致正则化的在线超限学习机目标识别方法及系统-CN202110436775.3有效
发明人：徐昕;曾宇骏;呼晓畅;方强;周思航;施逸飞 -专利权人：中国人民解放军国防科技大学
申请日： 2021-04-22 - 公布日： 2022-07-19 - 主分类号： G06V10/50 文献下载
摘要：本发明公开了一种基于一致正则化的在线超限学习机目标识别方法及系统，本发明包括进行基于单隐层前馈神经网络的分类器的学习和训练的下述步骤：针对训练图像进行特征提取，得到相应的图像特征集，并将图像特征集随机划分为多个特征子集；对所划分的特征子集，分别生成对应的近邻特征样本；将一致正则化约束引入在线超限学习目标优化函数，随机生成首先单隐层前馈神经网络的隐层节点参数，选取任一特征子集及其邻近样本进行初始化网络权重生成，基于剩余特征子集进行网络权重的迭代更新以完成基于单隐层前馈神经网络的分类器的学习与训练。本发明具有噪声容忍性强、分类识别精度高、学习速度快、任务可扩展性好的优点。
基于一致正则在线超限学习机目标识别方法系统

[发明专利]基于多传感器融合的多车定位方法、装置及计算机设备-CN202210295963.3在审
发明人：曾宇骏;呼晓畅;谢广磊;刘大学;徐昕;方强 -专利权人：中国人民解放军国防科技大学
申请日： 2022-03-24 - 公布日： 2022-07-12 - 主分类号： G01C21/28 文献下载
摘要：上述基于多传感器融合的多车定位方法、装置及计算机设备，通过获取编队中定位无人车上安装的组合惯性导航传感器数据、感知数据以及被定位无人车的导航定位数据，对导航定位数据、感知数据以及被定位无人车上滤波器对当前时间步的预测数据进行关联，得到关联数据包；根据预先设置的自适应切换策略，选择关联数据包中的其中一种数据作为被定位无人车的观测数据，最后，将观测数据输入被定位无人车上的滤波器，得到编队中被定位无人车的定位结果。将多个传感器的数据综合分析可以更加准确地描述外界环境，由于多车通讯系统以及各种传感器数据在不同环境条件下的有效性存在差异，进行数据关联并通过环境条件自主切换定位源，提高了定位数据的可信度。
基于传感器融合定位方法装置计算机设备

[发明专利]少标记半监督学习中的插值对比学习方法-CN202210024335.1在审
发明人：周思航;杨希洪;呼晓畅;刘新旺;刘悦;涂文轩;郭瑞斌;唐邓清;陈浩;赖俊;张伦 -专利权人：中国人民解放军国防科技大学
申请日： 2022-01-07 - 公布日： 2022-04-19 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及计算机视觉领域，公开了一种少标记半监督学习中的插值对比学习方法，本发明根据获取目标数据集，所述目标数据集包括未标记数据集和已标记数据集；对所述未标记数据集进行伪标记；通过标准交叉熵度量标记空间中的损失；获取样本特征的插值，并根据所述样本特征的插值构建正样本对；利用损失比度量未标记数据的相似性并进行半监督学习以输出学习结果，通过利用样本特征的插值解决不合适数据增强方法导致的样本种类改变的问题，进一步地解决了极少的有标签数据无法纠正错误的一致性正则化约束的问题。
标记监督学习中的对比学习方法

[发明专利]极限工况下自动驾驶多传感器融合感知方法及系统-CN202110352895.5有效
发明人：方强;呼晓畅;孙毅;徐昕;张兴龙 -专利权人：中国人民解放军国防科技大学
申请日： 2021-04-01 - 公布日： 2021-06-18 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及一种极限工况下自动驾驶多传感器融合感知方法及系统。所述方法包括：获取图像数据中的烟尘雾区域，图像数据的三维视锥范围内获取对应的激光点云数据，将激光点云数据投影到图像数据对应的图像域，根据二者的交集得到图像域烟尘雾点云数据；同时，基于激光点云数据得到雷达域障碍点云数据。根据图像域烟尘雾点云数据和雷达域障碍点云数据的交集，得到虚假障碍融合感知数据，随后与毫米波雷达得到的真实障碍物数据结合，去除虚假障碍。本申请基于图像数据为激光点云提供一个可能存在烟尘雾的视角，将激光点云数据在图像域和雷达域之间进行相互验证，并与毫米波雷达结合，最终获得高精度的自动驾驶场景数据。
极限工况自动驾驶传感器融合感知方法系统

[发明专利]无人平台烟尘雾感知方法、系统、计算机设备及存储介质-CN202110310569.8有效
发明人：徐昕;孙毅;呼晓畅;方强;曾宇骏 -专利权人：中国人民解放军国防科技大学
申请日： 2021-03-24 - 公布日： 2021-05-18 - 主分类号： G06K9/00 文献下载
摘要：本申请涉及一种无人平台烟尘雾感知方法、系统、计算机设备及存储介质。所述方法包括：对烟尘雾图像进行稀疏标注构建训练数据集，训练烟尘雾识别网络，根据识别结果生成特征激活图像，计算神经元对于烟尘雾和背景特征的激活分布，根据激活分布对训练数据集进行补充标注。定义包括烟尘雾分类损失项和特征激活损失项的损失函数，迭代更新训练数据集对神经网络进行，由无人平台基于训练好的烟尘雾感知模型进行烟尘雾感知。本申请基于分类网络架构，根据神经网络和烟尘雾图像中的背景或烟尘雾特征的响应关系来对样本进行像素标注，对神经网络训练过程进行监督，降低了模型复杂度和标注成本，增强了模型的快速部署的能力。
无人平台烟尘感知方法系统计算机设备存储介质

[发明专利]一种基于端到端实例分割的车道线检测方法及装置-CN202010849063.X在审
发明人：徐昕;孙毅;方强;曾宇骏;呼晓畅 -专利权人：中国人民解放军国防科技大学
申请日： 2020-08-21 - 公布日： 2020-11-17 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于端到端实例分割的车道线检测方法及装置，该方法步骤包括：获取待检测图像，对图像中各像素进行实例特征编码，获取得到实例特征图；对获取的待检测图像进行语义分割，将车道线的像素从背景中提取出来；预测每一条车道线上的所需关键点，并从提取的实例特征图中对应关键点所在位置处提取出每条车道线的代表性特征，得到各条车道线的代表特征组合；将代表特征组合作为动态分类权重，并与提取的实例特征图进行全连接操作，得到每一个像素的实例分类结果，实现车道线检测。本发明具有实现方法简单、计算量小、检测效率高以及检测性能好、任务扩展性好等优点。
一种基于端到端实例分割车道检测方法装置

1
共 8 条