（已筛选技术419件）
平均意见得分（MOS）：3.93(±0.11)，相似度平均意见得分（SMOS）：3.88(±0.12)。
在nuScenes数据集上进行了广泛的验证，结果表明UniM2AE在3D目标检测和BEV地图分割任务中分别提升了1.2%的NDS和6.5%的mIoU，展示了其在多模态自监督预训练和自主驾驶感知任务中的卓越性能。
相比现有的车辆服务缓存方法，实验结果表明本文的车辆服务缓存方法能够在命中率与网络延迟上分别提高15.26%和5.6%。
在Cityscape、ACDC、SHIFT数据集上进行了广泛的验证，ProGBA的性能比SOTA算法PODA在各种源域外的数据集（包括夜晚、雨天、雪天和雾天等条件）上提高约2%。
检测方法能够防御联邦学习（FL）中的标签翻转攻击。在CIC-IDS-2017数据集上，该方法能将基于联邦学习训练的入侵检测模型的准确率从84.3%提高到97.1%，同时加强了物联网（IoT）网络安全的防护。
标定精度：平移方向上平均标定精度1cm以内，旋转方向上平均标定精度1度以内；标定效率：车辆启动后10s内自动完成所有参数的标定；标定鲁棒性：在多种复杂环境（如高速道路、室内外场景）均表现优越，保证标定过程稳定可靠。低成本兼容性：支持使用低成本（百元级）IMU设备，依然能保持高标定精度。
定位精度：定位平均绝对误差仅为0.24m，比传统视觉惯性里程计精度大幅提升；定位频率：定位输出间隔仅需76.38ms，满足实时性要求；定位鲁棒性：在复杂城市道路、地标遮挡等场景下，定位误差仍能保持在分米级别；低成本兼容性：硬件需求仅包括消费级IMU、相机和GNSS能够显著降低硬件成本。
城市环境下车辆定位精度优于1m；导航传感器可信性评估准确率优于90%；导航场景与车辆行为识别准确率优于95%。
超高强镁合金及其制备成形技术
技术茂
登录
免费发布信息
