-
公开(公告)号：CN115019105A
公开(公告)日：2022-09-06
申请号：CN202210731014.5
申请日：2022-06-24
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/82 , G06N3/06
Abstract: 本申请的实施例提供了一种点云分类模型的隐语义分析方法、装置、介质及设备。该方法包括：将点云数据输入至点云分类模型中进行识别处理，以使点云分类模型输出分类结果；根据分类结果以及点云分类模型中各神经元的启动值，按照神经元之间的启动链路反向确定各神经元与分类结果之间的相关性值；根据点云分类模型对点云数据的分组信息，确定在点云分类模型的各网络层中与各分组点云分别对应的目标神经元组；根据目标神经元组中每一神经元对应的相关性值，确定该网络层中与目标神经元组对应的分组点云的显著值，以生成与各网络层相对应的可视化信息。本申请实施例的技术方案可以提高隐语义分析的分析结果的可靠性，保证隐语义分析的分析效果。
-
公开(公告)号：CN111260794B
公开(公告)日：2022-07-08
申请号：CN202010034538.X
申请日：2020-01-14
Applicant: 厦门大学
Abstract: 本发明提出了一种基于跨源图像匹配的户外增强现实应用方法，该方法包括：获取相机图像和与相机图像对应匹配的渲染图像，并对相机图像和渲染图像进行处理，以获取成对匹配的局部相机图像块和局部渲染图像块；根据自动编码机和孪生网络构建深度学习模型，并对深度学习模型进行训练；基于训练好的深度学习模型对待匹配的局部相机图像块和局部渲染图像块的特征描述子进行提取，并根据提取到的特征描述子对待匹配的局部相机图像块和局部渲染图像块进行跨源图像匹配，以获得跨源图像匹配结果；根据跨源图像匹配结果获取跨源图像的对应关系，并根据对应关系计算虚实注册变换关系；根据虚实注册变换关系实现对户外增强现实的应用从而提高增强现实的效果。
-
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
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。
-
Patent Agency Ranking
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
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
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：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
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：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
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：CN114638964A
公开(公告)日：2022-06-17
申请号：CN202210216065.4
申请日：2022-03-07
Applicant: 厦门大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/772 , G06V10/80 , G06V10/82 , G06V20/56 , G06N3/04 , G06N3/08 , G06K9/62
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。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.024 seconds)
