-
公开(公告)号：CN114549439B
公开(公告)日：2025-03-25
申请号：CN202210126753.1
申请日：2022-02-11
Applicant: 中北大学
IPC: G06V20/70 , G06V20/00 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多模态特征融合的RGB‑D图像语义分割方法。由于RGB和深度特征的内在差异，如何更有效地融合两种特征仍是有待解决的问题。为了解决该问题提出了注意力引导多模态交叉融合分割网络(ACFNet)，本发明采用编码器－解码器结构，将深度图编码为HHA图像，设计非对称双流特征提取网络，RGB和深度编码器分别以ResNet‑101和ResNet‑50为主干网络，并在RGB编码器中添加全局‑局部特征提取模块(GL)。为有效融合RGB和深度特征，提出了注意力引导多模态交叉融合模块(ACFM)，以更好地在多阶段利用融合的增强特征表示。
-
公开(公告)号：CN116644290A
公开(公告)日：2023-08-25
申请号：CN202310600296.X
申请日：2023-05-25
Applicant: 中北大学
IPC: G06F18/20 , G06F18/214 , G06N3/044 , G06N3/006 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于优化神经网络的人体尺寸参数估计方法。为了提高人体围度尺寸预测的效率和准确性，本发明采用GBWO‑ENN的方法。针对传统灰狼算法易于陷入局部最优和无法平衡全局和局部搜索的平衡性问题，提出了GBWO算法。针对Elman神经网络收敛速度慢、容易陷入局部极小的问题，采用GBWO算法对Elman神经网络的权值和阈值进行优化。
-
公开(公告)号：CN112907602B
公开(公告)日：2022-07-19
申请号：CN202110121359.4
申请日：2021-01-28
Applicant: 中北大学
IPC: G06T7/11 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于改进K‑近邻算法的三维场景点云分割方法，属于机器视觉技术领域。为优化局部特征提取网络，提高点云模型的分割精度，在深度神经网络PointNet基础上，结合改进K‑近邻算法的局部特征提取方法，将加入局部特征提取方法的神经网络命名为PointNet‑KNN。本发明以点的k邻域特征代替单个点特征作为输入进行特征提取，通过调节局部特征提取的网络深度，增强了局部邻域点与点之间的相互关联。在K‑近邻算法的改进上，本发明对局部邻域划分区域，将其划分为k个圆形邻域，根据局部邻域样本数据分布密度的差异计算待测点对于k个圆形邻域的加权分类情况，从而对待测点精准分类，最后将改进的K‑近邻算法应用于PointNet‑KNN点云分割网络具有更高的分割精度。
-
公开(公告)号：CN114581718A
公开(公告)日：2022-06-03
申请号：CN202210233977.2
申请日：2022-03-10
Applicant: 中北大学
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种融合持久同调的三维点云分类方法，为解决当前三维点云分类技术中缺乏对点云拓扑特征进行表征的问题，本发明在现有基于神经网络的点云分类技术PointNet++基础上，进一步引入代数拓扑学中的持久同调方法进行点云分类。首先，构建点云witness单纯复形拓扑结构，从贝蒂数和持久图两个方面量化点云的持久同调拓扑特征。其次，定义一个基于持久同调的损失函数，据此对三维点云分类的网络模型进行训练学习，得到神经网络模型各项参数。最后，利用训练好的卷积神经网络，进行三维点云的分类任务。测试结果显示，本发明显著提升了点云分类准确率。
-
公开(公告)号：CN108628455A
公开(公告)日：2018-10-09
申请号：CN201810454070.2
申请日：2018-05-14
Applicant: 中北大学
IPC: G06F3/01 , G06F3/0488 , G06K9/00
Abstract: 本发明属于虚拟沙画绘制方法技术领域，具体涉及一种基于触摸屏手势识别的虚拟沙画绘制方法。本发明主要为解决真实沙画绘制受限于经费，师资力量、设备等因素，目前沙画表演的教学与介绍多为小规模的培训班模式，培训学习费用较为昂贵，且由于需要专业的绘制设备，导致难于练习，相较于传统绘画，其参与门槛较高，推广较为困难的问题。本发明利用PQ Labs G4S触摸屏获取触摸位置信息，分析接触类沙画绘制手势，构建图形结构描述手势特征，采用图嵌入方法将其描述为特征向量进而对触摸手势进行分类识别，同时结合Unity3D强大的渲染功能，以像素模拟沙粒构建沙画绘制笔刷，最终实现虚拟沙画的绘制。
-
Patent Agency Ranking
公开(公告)号：CN105844713A
公开(公告)日：2016-08-10
申请号：CN201610257440.4
申请日：2016-04-22
Applicant: 中北大学
IPC: G06T17/30
CPC classification number: G06T17/30 , G06T2215/06
Abstract: 本发明属于逆向工程中曲面重构方法技术领域，具体涉及一种参数曲面重构方法。本发明主要解决了现阶段已有的将流形用于曲面重构的方法，其坐标卡数量多，以及传统的参数曲面重构方法后期复杂的拼接操作的技术问题。本发明利用三维激光扫描仪得到三维物体的点云，并对三维点云进行精简，将精简后的点云作为控制网格的顶点，将控制顶点的环邻域参数化得到坐标卡，使得坐标卡数量明显减少，构造转换函数经坐标卡进行粘合得到参数曲面的定义域，在定义域上构造基函数，将基函数归一化得到微分流形上的单位分解，将流形上的单位分解与控制顶点复合实现曲面重构，避免了复杂的曲面片的拼接操作，适用于任意复杂拓扑的曲面重建，具有较高的效率和精度。
-
公开(公告)号：CN102831601A
公开(公告)日：2012-12-19
申请号：CN201210261000.8
申请日：2012-07-26
Applicant: 中北大学
IPC: G06T7/00
Abstract: 本发明提供一种基于联合相似性测度和自适应支持权重的立体匹配方法，具体步骤为：（1）将得到的左右视图通过校正算法校正为标准视图；（2）利用局部的基于联合相似性测度进行立体匹配代价计算，得到初始的基于像素的匹配代价；（3）利用自适应支持权重算法，为支持域中的每个像素设置支持权重，利用导向滤波器进行过滤得到平滑的基于支持域窗口的匹配代价；（4）利用WTA原则选择匹配代价取最小值时的视差值为该像素的视差值；（5）进行左右一致性检查，替换无效视差值并过滤；（6）求取目标物体的深度值。本方法可以应用于计算机视觉、机器人导航、模式识别、医学诊断、工业检测、军事应用、航空测绘等领域。
-
公开(公告)号：CN116007607B
公开(公告)日：2025-05-16
申请号：CN202211551320.7
申请日：2022-12-05
Applicant: 中北大学
Abstract: 本发明属于机器人动态SLAM视觉技术领域，具体涉及一种多源语义感知下的室内动态SLAM方法。针对室内动态环境中的定位及建图精度不高，没有统一的语义表征和计算方法等问题，本发明拟基于多传感器，对室内常见物体分类，识别并移除分割出运动物体及与其交互的可移动物体，得到清晰完整的单视角三维点云；追踪帧间运动，基于加权RANSAC方法计算局部摄像机位姿；基于多传感器感知因子图，计算摄像机全局位姿并进行回环检测，基于微分流形方法得到整个场景的全局三维点云图及摄像机运动轨迹。
-
公开(公告)号：CN114581718B
公开(公告)日：2025-04-01
申请号：CN202210233977.2
申请日：2022-03-10
Applicant: 中北大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G01S13/86 , G06V20/64
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种融合持久同调的三维点云分类方法，为解决当前三维点云分类技术中缺乏对点云拓扑特征进行表征的问题，本发明在现有基于神经网络的点云分类技术PointNet++基础上，进一步引入代数拓扑学中的持久同调方法进行点云分类。首先，构建点云witness单纯复形拓扑结构，从贝蒂数和持久图两个方面量化点云的持久同调拓扑特征。其次，定义一个基于持久同调的损失函数，据此对三维点云分类的网络模型进行训练学习，得到神经网络模型各项参数。最后，利用训练好的卷积神经网络，进行三维点云的分类任务。测试结果显示，本发明显著提升了点云分类准确率。
-
公开(公告)号：CN119691292A
公开(公告)日：2025-03-25
申请号：CN202411763492.X
申请日：2024-12-03
Applicant: 中北大学
IPC: G06F16/9537 , G06Q50/00 , G06F18/241 , G06F18/25 , G06F18/15 , G06N3/0455 , G06N3/042 , G06N3/0499
Abstract: 本发明属于大数据分析技术领域，具体涉及一种融合社会关系网络和时空上下文信息的POI推荐方法。针对没有充分考虑社会关系对个人访问轨迹的影响、未有效提取和融合时空上下文信息特征的问题，将用户特征和时间信息特征细分为多个子特征，深入挖掘特征之间的关系，同时构建区域用户轨迹图对POI‑POI社会关系网络进行建模，通过编码器全面学习用户和时空上下文信息特征，并进行加权融合，捕捉用户的动态偏好，从而提升POI预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.031 seconds)
