CN107766815B - 一种视觉辅助服务运营方法 - Google Patents
一种视觉辅助服务运营方法 Download PDFInfo
- Publication number
- CN107766815B CN107766815B CN201710968408.1A CN201710968408A CN107766815B CN 107766815 B CN107766815 B CN 107766815B CN 201710968408 A CN201710968408 A CN 201710968408A CN 107766815 B CN107766815 B CN 107766815B
- Authority
- CN
- China
- Prior art keywords
- user
- layer
- convolution
- management platform
- function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 7
- 230000004913 activation Effects 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 6
- 230000003042 antagnostic effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 230000004438 eyesight Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种视觉辅助服务运营***及运营方法。包括用户终端、运营业务管理平台;用户终端,为通过安装在用户自有互联网终端设备或通讯设备上的应用程序,用于向运营业务管理平台发送服务请求和地理位置,并接收和处理反馈结果;运营业务管理平台为通过用户数据库和生成对抗模型参数数据库等,根据用户终端的反馈信息实现生成对抗模型参数的选择,以及计价扣费。本发明在任何地点即可使用该视觉辅助服务运营***,具有运营成本低、推广性强的优点。
Description
技术领域
本发明涉及一种视觉辅助服务***,尤其涉及一种能实现全天候视觉主动增强的视觉辅助服务运营***,具体地说是一种视觉辅助服务运营运营方法。
背景技术
当前,行车记录仪的主要功能是借助高清摄像头获取高分辨率的视频数据并将其存储在内存卡中,其目的通常是用做交通事故责任认定的依据。但随着硬件技术的成熟和性能的提升,行车记录仪的功能已不局限于此。如增强摄像头的感光面积可以实现夜视增强的功能,使得显示器呈现出比人眼观察更清晰的视频画面。
观之我国北方地区的雾霾高发地段,能见度极低,这为出行带来极大的安全隐患,尤其是在行车路上,视线不清楚,极易造成或大或小的交通事故,甚至是碰瓷,而且还影响了道路监控设施,通过对目前市面上销售的行车记录仪进行产品调研,发现现有的行车记录仪缺乏恶劣天气(如雾、霾、低照度等)条件下的视频复原能力,且市面上的同类的ADAS***中暂无可去霾的功能。另外,霾并没有一个有效的自然模型,因此,现有视觉辅助服务技术还有待于改进和发展,特别是对霾环境下的视觉辅助服务。
发明内容
本发明的目的在于针对现有行车记录仪存在问题,提供一种视觉辅助服务运营方法,在任何地点即可使用该视觉辅助服务运营***,具有运营成本低、推广性强的优点。
为实现上述目的,本发明的技术方案是:一种视觉辅助服务运营方法,提供一种视觉辅助服务运营***,包括用户终端和运营管理平台;
所述用户终端,为通过安装在用户自有互联网终端设备或通讯设备上的应用程序,用于向所述运营管理平台发送服务请求和地理位置,并接收和处理反馈结果;所述用户终端包括用户输入模块、用户输出模块、用户发送模块、用户接收模块、定位模块和处理模块;其中,所述处理模块负责根据接收的生成对抗模型参数对视频进行去霾、去雾处理;
所述运营管理平台,用于接收且响应用户模型更新请求,并与各用户终端构成服务管理***;所述运营管理平台包括平台接收单元、平台反馈单元和更新单元;其中,所述更新单元负责更新用户数据库和生成对抗模型参数数据库;
所述方法包括如下步骤:
(a)用户向运营管理平台发出一个带有地址信息的生成对抗模型参数更新请求;
(b)运营管理平台将用户请求与生成对抗模型参数数据库进行比对,选择出与用户请求相匹配的生成对抗模型参数,并反馈给用户;
(c)用户请求确认提交时,运营管理平台根据用户发送的请求信息,通过用户数据库判断用户是否可使用该功能,若为不能,运营管理平台向用户发送认证信息,给确认身份和进行预付费;运营管理平台同步更新相关用户数据库;
(d)运营管理平台更新生成对抗模型参数数据库,具体如下:
(d1)收集不同浓度的雾霾图像和无雾霾图像,通过对亮度直方图进行聚类,得到16种雾霾浓度的数据集;
(d2)通过由两个生成器和判别器组成的生成对抗模型对收集到的图像进行训练得到通用的生成器参数和判别器参数;
(d3)分别对16种雾霾浓度的数据集通过由两个生成器和判别器组成的生成对抗模型对(d2)得到的生成对抗模型参数进行微调,得到每种浓度下的生成对抗模型参数;
(d4)将每个定位的无霾图像通过(d3)得到的生成对抗模型参数生成对应雾霾浓度的雾霾图像,使用由一个生成器和一个判别器组成的生成对抗模型进行训练,得到每个定位对应浓度的生成对抗模型参数,存储于生成对抗模型参数数据库中;
(d5)每补充10万张对应的霾图像与无霾图像数据,重复(d1)到(d4)步骤,对生成对抗模型参数数据库进行更新。
在本发明一实施例中,所述用户输入模块、用户输出模块、用户发送模块、用户接收模块、定位模块和处理模块,是分立对接的或一体化集成,所述用户输入模块、用户输出模块为与外接***或设备对接的;
所述的用户输入模块用于用户输入信息;
所述的用户输出模块用于向用户输出信息;
所述的用户发送模块用于用户向运营业务管理平台上传/提交信息;
所述的用户接收模块用于用户下载/接收服务管理***向用户发送的信息;
所述的定位模块用于定位相应用户终端的位置信息并发送至运营管理平台;
所述的处理模块用于处理用户下载/接收运营管理平台向用户发送的信息和接收的视觉信息。
在本发明一实施例中,视觉辅助服务运营***的运营方式如下:
(a)用户向运营管理平台发出生成对抗模型更新请求;
(b)运营管理平台根据各用户终端的定位信息及请求信息,为用户选定与其请求相匹配的生成对抗模型参数,反馈相关生成对抗模型参数给用户;
(c)用户接收到相应的生成对抗模型参数,通过生成对抗模型参数对图像或视频进行去雾、去霾处理。
在本发明一实施例中,视觉辅助服务运营***的运营方式如下:所述平台接收单元、平台反馈单元和更新单元是分立的或集成的。
在本发明一实施例中,所述运营管理平台还包括扣费操作单元。
在本发明一实施例中,所述扣费操作单元,用于根据用户的付费模式、是否使用视觉增强服务的情况进行扣费操作。
在本发明一实施例中,所述平台接收单元,用于接收用户终端反馈的用户终端的位置信息和生成对抗模型参数更新要求。
在本发明一实施例中,所述平台反馈单元,用于筛选出与用户位置信息和用户请求参数更新要求符合的生成对抗模型参数信息反馈至用户终端。
在本发明一实施例中,所述(d2)具体实现过程如下,
按照如下结构构建生成器:
第一层为数据层,将输入图像缩放为256*256大小;
第二层为卷积层,使用64个卷积核,尺寸为(7,7,3),后接BatchNorm层,激活函数为sigmoid函数;
第三层为卷积层,使用128个卷积核,尺寸为(3,3,64),后接BatchNorm层,激活函数为sigmoid函数;
第四层为卷积层,使用256个卷积核,尺寸为(3,3,128),后接BatchNorm层,激活函数为sigmoid函数;
第五层至第十三层为两级卷积,第一级卷积使用256个卷积核,尺寸为(3,3,256),后接BatchNorm层,激活函数为sigmoid函数;第二级卷积使用256个卷积核,尺寸为(3,3,256),后接BatchNorm层;
第十四层为卷积层,使用128个卷积核,尺寸为(3,3,256),后接BatchNorm层,激活函数为sigmoid函数;
第十五层为卷积层,使用64个卷积核,尺寸为(3,3,128),后接BatchNorm层,激活函数为sigmoid函数;
第十六层为卷积层,使用3个卷积核,尺寸为(7,7,64),激活函数为双曲正切函数;
按照如下结构构建判别器:
第一层为数据层,输入图像大小为256*256;
第二层为卷积层,使用64个卷积核,尺寸为(4,4,3),激活函数为LeakyRelu函数;
第三层为卷积层,使用128个卷积核,尺寸为(4,4,64),后接BatchNorm层,激活函数为LeakyRelu函数;
第四层为卷积层,使用256个卷积核,尺寸为(4,4,128),后接BatchNorm层,激活函数为LeakyRelu函数;
第五层为卷积层,使用256个卷积核,尺寸为(4,4,128),后接BatchNorm层,激活函数为LeakyRelu函数;
第六层为卷积层,使用1个卷积核,尺寸为(4,4,256)。
相较于现有技术,本发明具有以下有益效果:本发明在任何地点即可使用该视觉辅助服务运营***,具有运营成本低、推广性强的优点。
附图说明
图1是本发明的视觉辅助服务运营***的结构示意图。
图2是本发明的实施例中应用的包含两个生成器和判别器的生成对抗模型的结构图。
图3是本发明的实施例中应用的生成器的结构图。
图4是本发明的实施例中应用的判别器的结构图。
图5是本发明的实施例中应用的包含一个生成器和判别器的生成对抗模型结构图。
图6是本发明的实施例中去霾的结果可视化效果图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明的一种视觉辅助服务运营***是一个基于移动互联网和/或物联网,通过对一系列具有空间地理位置属性的生成对抗模型参数的制定和实时优化,实现用户个性化视觉增强服务需求的视觉辅助服务运营***。
如图1所示,一种视觉辅助服务运营***,包括用户终端和运营管理平台,其中:
用户终端,为通过安装在用户自有互联网终端设备或通讯设备上的应用程序,用于向运营业务管理平台发送服务请求和地理位置,并接收和处理反馈结果;它包括:用户输入模块、用户输出模块、用户发送模块、用户接收模块、定位模块和处理模块;
处理模块负责根据接受的生成对抗模型参数对视频进行去霾、去雾处理;
运营管理平台,用于接收且响应用户模型更新请求,并与各用户终端构成服务管理***;它包括平台接收单元、平台反馈单元和更新单元;
更新单元负责更新用户数据库和生成对抗模型参数数据库等。
本发明的用户终端,为通过安装在用户自有互联网终端设备或通讯设备上的应用程序,用于向运营业务管理平台发送服务请求和地理位置,并接收和处理反馈结果;它包括:用户输入模块、用户输出模块、用户发送模块和用户接收模块,定位模块,处理模块;
所述的各模块是分立对接的或一体化集成,输入/输出模块可以与其它***或设备对接,如打印机、U盘、移动硬盘等用户辅助设备;
所述的用户输入模块用于用户输入信息,可以采用具有网络通讯功能的手机、PDA、平板电脑,也可以为专用设备;
所述的用户输出模块用于向用户输出信息,可以采用具有网络通讯功能的手机、PDA、平板电脑,也可以为专用设备;
所述的用户发送模块用于用户向运营业务管理平台上传/提交带有空间地址的个体视觉服务请求和发送确认信息;
所述的用户接收模块用于用户下载/接收服务管理***向用户发送的信息。
所述的定位模块用于定位相应用户终端的位置信息并发送至运营业务管理平台,其位置信息为GPS定位信息;
所述的处理模块用于处理用户下载/接收运营管理平台向用户发送的信息和接收的视觉信息。
本发明的运营管理平台包括平台接收单元、平台反馈单元和更新单元,以上各单元是分立或集成的。所述运营管理平台还包括扣费操作单元。
所述运营管理平台的平台接收单元,用于接收所述用户终端的生成对抗模型参数更新请求、所述用户终端反馈的用户终端的位置信息和生成对抗模型参数更新要求。
所述运营管理平台的平台反馈单元,用于筛选出与用户位置信息和用户请求参数更新要求符合的生成对抗模型参数信息反馈至用户终端。
所述运营管理平台的更新单元,用于更新用户数据库和生成对抗模型参数数据库。
本发明还提供了一种视觉辅助服务运营方法,应用上述视觉辅助服务运营***,盖方法包括以下步骤:
(a)用户向运营管理平台发出一个带有地址信息的生成对抗模型参数更新请求;
(b)运营管理平台将用户请求与生成对抗模型参数数据库进行比对,选择出与用户选择相接近的生成对抗模型参数信息,并反馈给用户
(c)用户请求确认提交时,运营管理平台根据用户发送的请求信息,根据用户数据库判断用户是否可使用该功能,若为不能,运营管理平台向用户发送认证信息,给确认身份和进行预付费;运营管理平台同步更新相关用户数据库。
(d)运营管理平台更新生成对抗模型参数数据库,具体步骤如下:
(d1)收集不同浓度的雾霾图像和无雾霾图像,通过对亮度直方图进行聚类,得到16种雾霾浓度的数据集;
(d2)按照如下结构构建如图2所示的构建由两个生成器和判别器组成的生成对抗模型,对收集到的图像进行训练得到通用的生成器参数和判别器参数;
按照如下结构构建如图3所示的构建生成器:
第一层为数据层,将输入图像缩放为256*256大小;
第二层为卷积层,使用64个卷积核,尺寸为(7,7,3),后接BatchNorm层,激活函数为sigmoid函数;
第三层为卷积层,使用128个卷积核,尺寸为(3,3,64),后接BatchNorm层,激活函数为sigmoid函数;
第四层为卷积层,使用256个卷积核,尺寸为(3,3,128),后接BatchNorm层,激活函数为sigmoid函数;
第五层至第十三层为两级卷积,第一级卷积使用256个卷积核,尺寸为(3,3,256),后接BatchNorm层,激活函数为sigmoid函数;第二级卷积使用256个卷积核,尺寸为(3,3,256),后接BatchNorm层;
第十四层为卷积层,使用128个卷积核,尺寸为(3,3,256),后接BatchNorm层,激活函数为sigmoid函数;
第十五层为卷积层,使用64个卷积核,尺寸为(3,3,128),后接BatchNorm层,激活函数为sigmoid函数;
第十六层为卷积层,使用3个卷积核,尺寸为(7,7,64),激活函数为双曲正切函数;
按照如下结构构建如图4所示的构建判别器:
第一层为数据层,输入图像大小为256*256;
第二层为卷积层,使用64个卷积核,尺寸为(4,4,3),激活函数为LeakyRelu函数;
第三层为卷积层,使用128个卷积核,尺寸为(4,4,64),后接BatchNorm层,激活函数为LeakyRelu函数;
第四层为卷积层,使用256个卷积核,尺寸为(4,4,128),后接BatchNorm层,激活函数为LeakyRelu函数;
第五层为卷积层,使用256个卷积核,尺寸为(4,4,128),后接BatchNorm层,激活函数为LeakyRelu函数;
第六层为卷积层,使用1个卷积核,尺寸为(4,4,256)
(d3)分别对16种雾霾浓度的数据集通过由两个生成器和判别器组成的生成对抗模型对(d2)得到的生成对抗模型参数进行微调,得到每种浓度下的生成对抗模型参数;
(d4)将每个定位的无霾图像通过(d3)得到的生成对抗模型参数生成对应雾霾浓度的雾霾图像,按照如下结构构建如图5所示的构建由一个生成器和一个判别器组成的生成对抗模型进行训练,得到每个定位对应浓度的生成对抗模型参数,存储于生成对抗模型参数数据库中;
(d5)每补充10万张对应的霾图像与无霾图像数据,重复(d1)到(d4)步骤,对生成对抗模型参数数据库进行更新。
图6为应用本发明***及方法去霾的结果可视化效果图。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (9)
1.一种视觉辅助服务运营方法,其特征在于,提供一种视觉辅助服务运营***,包括用户终端和运营管理平台;
所述用户终端,为通过安装在用户自有互联网终端设备或通讯设备上的应用程序,用于向所述运营管理平台发送服务请求和地理位置,并接收和处理反馈结果;所述用户终端包括用户输入模块、用户输出模块、用户发送模块、用户接收模块、定位模块和处理模块;其中,所述处理模块负责根据接收的生成对抗模型参数对视频进行去霾、去雾处理;
所述运营管理平台,用于接收且响应用户模型更新请求,并与各用户终端构成服务管理***;所述运营管理平台包括平台接收单元、平台反馈单元和更新单元;其中,所述更新单元负责更新用户数据库和生成对抗模型参数数据库;
所述方法包括如下步骤:
(a)用户向运营管理平台发出一个带有地址信息的生成对抗模型参数更新请求;
(b)运营管理平台将用户请求与生成对抗模型参数数据库进行比对,选择出与用户请求相匹配的生成对抗模型参数,并反馈给用户;
(c)用户请求确认提交时,运营管理平台根据用户发送的请求信息,通过用户数据库判断用户是否可使用该功能,若为不能,运营管理平台向用户发送认证信息,给确认身份和进行预付费;运营管理平台同步更新相关用户数据库;
(d)运营管理平台更新生成对抗模型参数数据库,具体如下:
(d1)收集不同浓度的雾霾图像和无雾霾图像,通过对亮度直方图进行聚类,得到16种雾霾浓度的数据集;
(d2)通过由两个生成器和判别器组成的生成对抗模型对收集到的图像进行训练得到通用的生成器参数和判别器参数;
(d3)分别对16种雾霾浓度的数据集通过由两个生成器和判别器组成的生成对抗模型对(d2)得到的生成对抗模型参数进行微调,得到每种浓度下的生成对抗模型参数;
(d4)将每个定位的无霾图像通过(d3)得到的生成对抗模型参数生成对应雾霾浓度的雾霾图像,使用由一个生成器和一个判别器组成的生成对抗模型进行训练,得到每个定位对应浓度的生成对抗模型参数,存储于生成对抗模型参数数据库中;
(d5)每补充10万张对应的霾图像与无霾图像数据,重复(d1)到(d4)步骤,对生成对抗模型参数数据库进行更新。
2.根据权利要求1所述的一种视觉辅助服务运营方法,其特征在于:所述用户输入模块、用户输出模块、用户发送模块、用户接收模块、定位模块和处理模块,是分立对接的或一体化集成,所述用户输入模块、用户输出模块为与外接***或设备对接的;
所述的用户输入模块用于用户输入信息;
所述的用户输出模块用于向用户输出信息;
所述的用户发送模块用于用户向运营业务管理平台上传/提交信息;
所述的用户接收模块用于用户下载/接收服务管理***向用户发送的信息;
所述的定位模块用于定位相应用户终端的位置信息并发送至运营管理平台;
所述的处理模块用于处理用户下载/接收运营管理平台向用户发送的信息和接收的视觉信息。
3.根据权利要求1所述的一种视觉辅助服务运营方法,其特征在于:该***的运营方式如下:
(a)用户向运营管理平台发出生成对抗模型更新请求;
(b)运营管理平台根据各用户终端的定位信息及请求信息,为用户选定与其请求相匹配的生成对抗模型参数,反馈相关生成对抗模型参数给用户;
(c)用户接收到相应的生成对抗模型参数,通过生成对抗模型参数对图像或视频进行去雾、去霾处理。
4.根据权利要求1所述的一种视觉辅助服务运营方法,其特征在于:该***的运营方式如下:所述平台接收单元、平台反馈单元和更新单元是分立的或集成的。
5.根据权利要求1所述的一种视觉辅助服务运营方法,其特征在于:所述运营管理平台还包括扣费操作单元。
6.根据权利要求5所述的一种视觉辅助服务运营方法,其特征在于:所述扣费操作单元,用于根据用户的付费模式、是否使用视觉增强服务的情况进行扣费操作。
7.根据权利要求1所述的一种视觉辅助服务运营方法,其特征在于:所述平台接收单元,用于接收用户终端反馈的用户终端的位置信息和生成对抗模型参数更新要求。
8.根据权利要求1所述的一种视觉辅助服务运营方法,其特征在于:所述平台反馈单元,用于筛选出与用户位置信息和用户请求参数更新要求符合的生成对抗模型参数信息反馈至用户终端。
9.根据权利要求1所述的一种视觉辅助服务运营方法,其特征在于:所述(d2)具体实现过程如下,
按照如下结构构建生成器:
第一层为数据层,将输入图像缩放为256*256大小;
第二层为卷积层,使用64个卷积核,尺寸为(7,7,3),后接BatchNorm层,激活函数为sigmoid函数;
第三层为卷积层,使用128个卷积核,尺寸为(3,3,64),后接BatchNorm层,激活函数为sigmoid函数;
第四层为卷积层,使用256个卷积核,尺寸为(3,3,128),后接BatchNorm层,激活函数为sigmoid函数;
第五层至第十三层为两级卷积,第一级卷积使用256个卷积核,尺寸为(3,3,256),后接BatchNorm层,激活函数为sigmoid函数;第二级卷积使用256个卷积核,尺寸为(3,3,256),后接BatchNorm层;
第十四层为卷积层,使用128个卷积核,尺寸为(3,3,256),后接BatchNorm层,激活函数为sigmoid函数;
第十五层为卷积层,使用64个卷积核,尺寸为(3,3,128),后接BatchNorm层,激活函数为sigmoid函数;
第十六层为卷积层,使用3个卷积核,尺寸为(7,7,64),激活函数为双曲正切函数;
按照如下结构构建判别器:
第一层为数据层,输入图像大小为256*256;
第二层为卷积层,使用64个卷积核,尺寸为(4,4,3),激活函数为LeakyRelu函数;
第三层为卷积层,使用128个卷积核,尺寸为(4,4,64),后接BatchNorm层,激活函数为LeakyRelu函数;
第四层为卷积层,使用256个卷积核,尺寸为(4,4,128),后接BatchNorm层,激活函数为LeakyRelu函数;
第五层为卷积层,使用256个卷积核,尺寸为(4,4,128),后接BatchNorm层,激活函数为LeakyRelu函数;
第六层为卷积层,使用1个卷积核,尺寸为(4,4,256)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710968408.1A CN107766815B (zh) | 2017-10-18 | 2017-10-18 | 一种视觉辅助服务运营方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710968408.1A CN107766815B (zh) | 2017-10-18 | 2017-10-18 | 一种视觉辅助服务运营方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107766815A CN107766815A (zh) | 2018-03-06 |
CN107766815B true CN107766815B (zh) | 2021-05-18 |
Family
ID=61269714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710968408.1A Expired - Fee Related CN107766815B (zh) | 2017-10-18 | 2017-10-18 | 一种视觉辅助服务运营方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107766815B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272455B (zh) * | 2018-05-17 | 2021-05-04 | 西安电子科技大学 | 基于弱监督生成对抗网络的图像去雾方法 |
CN109376903B (zh) * | 2018-09-10 | 2021-12-17 | 浙江工业大学 | 一种基于博弈神经网络的pm2.5浓度值预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809773A (zh) * | 2016-04-19 | 2016-07-27 | 北京新能源汽车股份有限公司 | 车辆、车辆***和车辆影像装置的参数调节方法 |
CN106104207A (zh) * | 2014-03-24 | 2016-11-09 | 高通股份有限公司 | 用于传送定位辅助数据的***、方法和装置 |
CN106127702A (zh) * | 2016-06-17 | 2016-11-16 | 兰州理工大学 | 一种基于深度学习的图像去雾算法 |
CN106446098A (zh) * | 2016-09-13 | 2017-02-22 | 四川研宝科技有限公司 | 基于位置信息的实景图像处理方法及其服务器 |
CN107215294A (zh) * | 2016-03-21 | 2017-09-29 | 现代自动车株式会社 | 在拥挤的室内环境中的设备位置的确定 |
-
2017
- 2017-10-18 CN CN201710968408.1A patent/CN107766815B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106104207A (zh) * | 2014-03-24 | 2016-11-09 | 高通股份有限公司 | 用于传送定位辅助数据的***、方法和装置 |
CN107215294A (zh) * | 2016-03-21 | 2017-09-29 | 现代自动车株式会社 | 在拥挤的室内环境中的设备位置的确定 |
CN105809773A (zh) * | 2016-04-19 | 2016-07-27 | 北京新能源汽车股份有限公司 | 车辆、车辆***和车辆影像装置的参数调节方法 |
CN106127702A (zh) * | 2016-06-17 | 2016-11-16 | 兰州理工大学 | 一种基于深度学习的图像去雾算法 |
CN106446098A (zh) * | 2016-09-13 | 2017-02-22 | 四川研宝科技有限公司 | 基于位置信息的实景图像处理方法及其服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN107766815A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902575B (zh) | 基于无人驾驶车辆的防拐卖方法、装置及相关设备 | |
CN110473418B (zh) | 危险路段识别方法、装置、服务器及存储介质 | |
DE60028088T2 (de) | System und verfahren zur auf einem e-commerce website basierten verwaltung von werbe- und informationsanzeigen auf fahrzeugen | |
US11830103B2 (en) | Method, apparatus, and computer program product for training a signature encoding module and a query processing module using augmented data | |
CN110942071A (zh) | 一种基于车牌分类和lstm的车牌识别方法 | |
WO2022166625A1 (zh) | 一种车辆行驶场景中信息推送的方法以及相关装置 | |
CN107766815B (zh) | 一种视觉辅助服务运营方法 | |
CN107832794B (zh) | 一种卷积神经网络生成方法、车系识别方法及计算设备 | |
CN107038675B (zh) | 一种公安盘查管理***及其运行方法 | |
CN106059999A (zh) | 一种媒体文件的展示方法、客户端、插件及*** | |
CN110991392A (zh) | 人群识别方法、装置、终端及存储介质 | |
CN112132216B (zh) | 车型识别方法、装置、电子设备及存储介质 | |
CN103108042A (zh) | 车载信息采集*** | |
CN108876053A (zh) | 旅游线路智能规划方法和*** | |
EP4365757A1 (en) | Method and apparatus for analyzing positional relationship between target objects, and storage medium and electronic device | |
DE102013016356A1 (de) | Verfahren zum Nutzen eines Kamerasystems eines Kraftfahrzeugs als Diebstahlwarnanlage, Kamerasystem und Kraftfahrzeug | |
CN109492821A (zh) | 一种维稳预警方法及***、电子设备 | |
CN108960398A (zh) | 一种无线远程的客车超员主动监测装置及监测方法 | |
CN115408609A (zh) | 泊车路线推荐方法、装置、电子设备和计算机可读介质 | |
CN111210746A (zh) | 使用可移动广告媒介的广告***和方法 | |
CN115082828A (zh) | 基于支配集的视频关键帧提取方法和装置 | |
CN111806458B (zh) | 无人驾驶汽车报案方法、装置、无人驾驶汽车及存储介质 | |
CN111354210B (zh) | 地图生成设备、地图生成***、地图生成方法以及地图生成程序 | |
CN113887297A (zh) | 基于云端形成数据闭环的安全驾驶监控方法及装置 | |
CN112308612A (zh) | 一种基于广告观看的免费乘车管理*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210518 |
|
CF01 | Termination of patent right due to non-payment of annual fee |