Recherche dans les collections de brevets nationales et internationales

1. (WO2018107760) PROCÉDÉ DE MODÈLE DE RÉSEAU PROFOND COLLABORATIF POUR LA DÉTECTION DE PIÉTONS

Pub. No.:    WO/2018/107760    International Application No.:    PCT/CN2017/094016
Publication Date: Fri Jun 22 01:59:59 CEST 2018 International Filing Date: Tue Jul 25 01:59:59 CEST 2017
IPC: G06K 9/62
Applicants: PEKING UNIVERSITY SHENZHEN GRADUATE SCHOOL
北京大学深圳研究生院
Inventors: WANG, Wenmin
王文敏
SONG, Hongmeng
松鸿蒙
WANG, Ronggang
王荣刚
LI, Ge
李革
DONG, Shengfu
董胜富
WANG, Zhenyu
王振宇
LI, Ying
李英
ZHAO, Hui
赵辉
GAO, Wen
高文
Title: PROCÉDÉ DE MODÈLE DE RÉSEAU PROFOND COLLABORATIF POUR LA DÉTECTION DE PIÉTONS
Abstract:
L'invention concerne un procédé de modèle de réseau profond collaboratif permettant de détecter des piétons. Le procédé consiste à : construire un nouveau cadre d'apprentissage multi-modèle collaboratif permettant d’exécuter un processus de classification lors de la détection d’un piéton ; et utiliser un réseau neuronal artificiel permettant d’intégrer les résultats de la détermination des sous-classificateurs dans un modèle collaboratif et de former le réseau au moyen du procédé d'apprentissage automatique de façon à pouvoir synthétiser les informations renvoyées par les sous-classificateurs de manière plus efficace. L'invention concerne un procédé de ré-échantillonnage basé sur un algorithme de regroupement de K moyennes. Le procédé de ré-échantillonnage améliore l'effet de classification de chaque classificateur dans le modèle collaboratif et améliore ainsi l'effet de classification global. Selon l'invention, en construisant un modèle de réseau profond collaboratif, différents types d'ensembles de données d'apprentissage obtenus au moyen d'un algorithme de regroupement sont utilisés pour former en parallèle une pluralité de modèles de réseau profond, puis les résultats de classification, sur les modèles de réseau profond, d'un ensemble de données d'origine sont intégrés et analysés de façon complète au moyen du réseau neuronal artificiel afin de réaliser une classification plus précise des échantillons.