公开(公告)号：CN119130865A

公开(公告)日：2024-12-13

申请号：CN202411056876.8

申请日：2024-08-02

Applicant: 厦门大学

Inventor： 臧彧 ,  邵笑 ,  刘伟权 ,  王程

IPC: G06T5/80 ,  G06T5/60 ,  G06V10/774 ,  G06V10/82

Abstract: 本申请的实施例提供了一种三维点云的标签迭代校正方法、装置、介质及设备。该方法采用训练完成的若干验证器对原始点云进行至少一轮标签迭代校正，得到标签校正后的目标点云；其中，在每一轮标签迭代校正中，包括：将原始点云中的每一个点及其在上一轮确定的校正标签分别输入至若干验证器中，以使各验证器分别输出原始点云中各点为干净样本或者污染样本的判断结果；针对被各验证器确定为污染样本的点，将污染样本分别输入至各验证器包含的深度神经网络中，以使各深度神经网络输出对应的预测标签以确定污染样本在当前轮对应的校正标签。本申请实施例的技术方案可以准确分离并校正点云数据集中的污染标签样本，保证后续神经网络训练的有效性。

公开(公告)号：CN114387580B

公开(公告)日：2024-10-18

申请号：CN202210010060.6

申请日：2022-01-06

Applicant: 厦门大学

Inventor： 范晓亮 ,  陈亮 ,  王程 ,  程明

IPC: G06V20/58 ,  G06V10/774 ,  G06V10/82 ,  G06N20/00 ,  G06N3/098

Abstract: 本发明公开了一种基于联邦学习的模型训练方法及装置，其中方法包括：采集每个客户端对应的三维点云数据进行预处理，以得到对应的道路点云二维灰度分块图片；获取服务器端的全局模型，并根据道路点云二维灰度分块图片对全局模型进行训练及计算，以得到每个客户端对应的模型参数和道路标识权重，并将每个客户端对应的模型参数和道路标识权重发送给服务器端以对每个客户端对应的模型进行加权平均以得到更新后的全局模型，并发送给每个客户端，以便进行下一轮模型更新，直至达到最大通信轮数后得到道路标识提取模型；由此，通过各个客户端正负样本占比设置权重，实现了客户端的公平聚合，从而提高了联邦学习模型的准确度和公平性。

公开(公告)号：CN114638964B

公开(公告)日：2024-07-23

申请号：CN202210216065.4

申请日：2022-03-07

Applicant: 厦门大学

Inventor： 程明 ,  袁直敏 ,  刘伟权 ,  苏燕飞 ,  王程

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/764 ,  G06V10/772 ,  G06V10/80 ,  G06V10/82 ,  G06V20/56 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/082 ,  G06N3/094 ,  G06N3/096 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明提供一种基于深度学习的跨域三维点云分割方法、存储介质，方法包括：获取训练数据；构建高效域迁移对抗分割框架；使用训练数据中的源域数据对框架中的条件域融合分割网络模型进行监督训练，得到预训练条件域融合分割网络模型并更新至框架中，再使用训练数据继续训练更新后的分割网络模型得到跨域三维点云条件域融合分割网络模型；输入目标域数据至跨域三维点云条件域融合分割网络模型后，先分别通过其中的主分支Ev和辅助分支Ep提取基于体素的特征和基于点的特征，再通过注意力融合模块融合这两个特征，再通过分类器对融合特征和基于体素的特征进行逐点分类，得到各点的预测标签。本发明能够极大地提升跨域分割的准确率和性能。

公开(公告)号：CN117975210A

公开(公告)日：2024-05-03

申请号：CN202311790434.1

申请日：2023-12-22

Applicant: 厦门大学

Inventor： 臧彧 ,  林晨露 ,  陈斌杰 ,  刘伟权 ,  王程 ,  李军

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/44 ,  G06V20/64

Abstract: 本申请的实施例提供了一种基于局部特征的点云数据处理方法、装置、介质及设备。该方法包括：获取待处理点云数据；将所述待处理点云数据输入至预先构建的特征提取模型中，所述特征提取模型包括依次连接的若干特征提取模块，得到各特征提取模块的输出特征后，根据数据处理类别标识，采用与所述数据处理类别标识对应的数据处理网络对所述特征提取模块的输出特征进行数据处理，得到数据处理结果。本申请实施例的技术方案可以将空间关系的显式建模与局部特征聚合进行解耦，减少点云数据处理过程中的计算量，保证点云数据处理结果的有效性。

公开(公告)号：CN117011524A

公开(公告)日：2023-11-07

申请号：CN202310796499.0

申请日：2023-06-30

Applicant: 厦门大学

Inventor： 程明 ,  邱日煌 ,  王程

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/774 ,  G06V10/20 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请的实施例提供了一种基于DA‑Unet模型的SAR遥感影像分割方法、装置、介质及设备。该方法包括：对待分割的SAR遥感影像进行预处理，得到预处理后的所述SAR遥感影像，所述SAR遥感影像包含待识别对象；将预处理后的所述SAR遥感影像输入至预先训练完成的DA‑Unet模型中，以使所述DA‑Unet模型输出针对所述待识别对象的分割图像；其中，所述DA‑Unet模型在原始Unet模型具有的第一编码器的基础上，增加去除全连接层的ResNet101模型以作为第二编码器，所述第一编码器的输出层与所述第二编码器的输出层的输出形状相同。本申请实施例的技术方案可以提高SAR遥感影像的特征提取的有效性，进而保证图像分割结果的准确性。

公开(公告)号：CN116964599A

公开(公告)日：2023-10-27

申请号：CN202280006555.X

申请日：2022-02-25

Applicant: 厦门大学 ,  上海科技大学

Inventor： 王程 ,  李嘉廉 ,  许岚 ,  温程璐 ,  虞晶怡

IPC: G06N20/00

Abstract: 本发明介绍了训练机器学习模型生成基于光探测和测距(LiDAR)点云的三维(3D)动作的系统和方法。在各个实施例中，计算系统可以对代表场景中对象的机器学习模型进行编码。所述计算系统可以使用数据集训练所述机器学习模型，所述数据集包括单目LiDAR传感器捕捉到的同步LiDAR点云以及从IMU设备获得的地面实况三维运动。机器学习模型可以基于单目LiDAR传感器捕捉到的多个点云帧的输入生成对象的三维动作。

公开(公告)号：CN116645582A

公开(公告)日：2023-08-25

申请号：CN202310473027.1

申请日：2023-04-27

Applicant: 厦门大学

Inventor： 王程 ,  郑世均 ,  刘伟权 ,  臧彧 ,  温程璐

IPC: G06V10/82 ,  G06N3/094 ,  G06V10/774 ,  G06V20/64 ,  G06N3/0475

Abstract: 本申请公开了一种基于梯度优化的显著性区域三维点云对抗攻击方法，包括：对原始点云进行区域划分，以得到多个不同区域组合；将多个不同区域组合分别输入到训练好的网络模型，以得到对应的不同区域组合对网络模型识别结果的重要程度；根据重要程度得到每个区域的显著性值，并对每个区域按照显著性值进行排列；获取攻击区域数量，以便根据攻击区域数量在排序后的每个区域中确定攻击的显著性区域；对显著性区域进行攻击以生成对抗点云，并根据距离约束得到对应的点云对抗样本；使用基于梯度优化的对抗攻击算法根据点云对抗样本更新所述对抗点云，并对对抗点云进行可视化；由此，不仅生成代价低，而且人类视觉难以察觉。

公开(公告)号：CN116543457A

公开(公告)日：2023-08-04

申请号：CN202310483296.6

申请日：2023-04-28

Applicant: 厦门大学

Inventor： 温程璐 ,  林希平 ,  戴雨笛 ,  林逸泰 ,  沈思淇 ,  王程

IPC: G06V40/20 ,  G06T7/246 ,  G06T7/80

Abstract: 本申请的实施例提供了一种在场景中的人体动作捕捉方法、装置、介质及设备。该方法包括：获取目标对象的第一IMU数据、以及观测人员针对目标对象捕捉到的点云数据和图像；根据第一IMU数据对目标对象进行动作估计，得到目标对象对应的人体动作；将点云数据与图像进行对齐；基于激光雷达自身的第二IMU数据，估计激光雷达的运动轨迹信息，并根据运动轨迹信息和对齐后的点云数据构建三维场景网格；根据人体场景接触约束项、平滑约束项、姿态先验约束项以及网格到点约束项对人体动作和三维场景网格进行优化，以得到优化后的人体动作和三维场景网格。本申请实施例的技术方案提高对场景和人体动作的捕捉精度，保证捕捉到的数据的准确性。

公开(公告)号：CN116128922A

公开(公告)日：2023-05-16

申请号：CN202310020378.7

申请日：2023-01-06

Applicant: 厦门大学

Inventor： 王程 ,  顾旭升 ,  林修弘 ,  臧彧 ,  刘伟权

IPC: G06T7/246 ,  G01V8/10 ,  G06V10/774

Abstract: 本申请的实施例提供了一种基于事件相机的物体掉落检测方法、装置、介质及设备。该方法包括：获取事件相机输出的事件流，所述事件流包含连续的若干个事件的事件信息，所述事件信息包括事件的发生坐标以及发生时间；根据各所述事件对应的发生坐标以及发生时间，生成与所述事件流对应的特征图，所述特征图于描述所述事件流包含的事件的时间特征和/或位置特征；根据所述特征图中每一坐标对应的特征值进行聚类识别，确定所述特征图中存在目标物体的至少一个目标区域的位置信息；基于连续的至少一个事件流对应的特征图中各目标区域的位置信息，确定所述目标物体的运动轨迹。本申请实施例的技术方案提高掉落物体识别的准确性，保证识别效果。

公开(公告)号：CN115510277A

公开(公告)日：2022-12-23

申请号：CN202210717598.0

申请日：2022-06-23

Applicant: 厦门大学

Inventor： 范晓亮 ,  闫旭 ,  杨佩蓁 ,  陈龙彪 ,  臧彧 ,  王程

IPC: G06F16/901 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种连续时序交互图表示方法和介质，其中方法包括：获取原始动态图数据，进行预处理，以得到结构数据、节点特征和边特征；进行划分，以生成训练集、测试集和验证集；根据训练集对模型进行训练，以得到初始图表示模型，并根据测试集和验证集对初始图表示模型进行测试和验证，以得到最终图表示模型，获取待处理动态图，并通过最终图表示模型输出待处理动态图中节点对应的节点表示向量；能够有效捕捉节点表示的连续动态性并学习其状态轨迹，进而有效提升非活跃节点的表示能力及长间隔交互的预测效果。