-
公开(公告)号：CN113554115B
公开(公告)日：2022-09-13
申请号：CN202110922982.X
申请日：2021-08-12
Applicant: 同济大学
IPC: G06K9/62 , G06V10/774 , G06V10/764 , G06V10/46 , G06V10/82 , G06N3/04 , G06N3/08 , G06T15/20 , G06T17/00
Abstract: 本发明涉及一种基于不确定性学习的三维模型草图检索方法，包括以下步骤：S1：获取三维模型训练数据和草图训练数据；S2：构建草图特征提取网络，三维模型特征提取网络以及一个共享分类器，训练得到草图和三维模型共享的类中心。S3：基于共享类中心和预训练的草图特征提取网络构建草图不确定性学习网络，将每张草图图片建模成一个高斯分布，学习得到草图的不确定性。S4：利用训练完成的三维模型特征提取网络和草图不确定性学习网络分别提取待检索三维模型特征和查询草图特征，检索得到用于相应应用的三维模型。与现有技术相比，本发明具有有效缓解草图噪声问题，即减小噪声样本对干净样本拟合的损害等优点。
-
Patent Agency Ranking
公开(公告)号：CN111368123A
公开(公告)日：2020-07-03
申请号：CN202010097592.9
申请日：2020-02-17
Applicant: 同济大学
IPC: G06F16/583 , G06K9/62
Abstract: 本发明涉及一种基于跨模态向导网络的三维模型草图检索方法，包括以下步骤：S1：获取三维模型训练数据和草图训练数据；S2：训练三维模型网络，并利用训练完成的三维模型网络学习得到三维模型特征空间；S3：以三维模型特征空间为目标空间训练草图网络，得到训练完成的草图网络；S4：利用训练完成的三维模型网络和草图网络提取的待检索三维模型特征和查询草图特征，检索得到用于相应应用的三维模型，与现有技术相比，本发明具有有效克服跨模态差异性问题等优点。
-
公开(公告)号：CN113656616B
公开(公告)日：2024-02-27
申请号：CN202110694949.6
申请日：2021-06-23
Applicant: 同济大学
IPC: G06F16/51 , G06T17/00 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种基于异构孪生神经网络的三维模型草图检索方法，包括以下步骤：S1：获取三维模型训练数据和草图训练数据；S2：利用两个模态独立网络别提取草图和三维模型的深度特征；S3：用一个模态共享网络将模态独立网络学习到的草图特征和三维模型特征映射到共享特征空间中；S4：利用训练完成的模态独立网络和模态共享网络提取查询草图特征和三维模型库中三维模型特征，进行草图和三维模型特征相似度计算并排序，得到检索结果。与现有技术相比，本发明具有有效克服跨模态差异性，网络设计简单易复现，为后续方法提高简单基线等优点。
-
公开(公告)号：CN111368123B
公开(公告)日：2022-06-28
申请号：CN202010097592.9
申请日：2020-02-17
Applicant: 同济大学
IPC: G06F16/583 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种基于跨模态向导网络的三维模型草图检索方法，包括以下步骤：S1：获取三维模型训练数据和草图训练数据；S2：训练三维模型网络，并利用训练完成的三维模型网络学习得到三维模型特征空间；S3：以三维模型特征空间为目标空间训练草图网络，得到训练完成的草图网络；S4：利用训练完成的三维模型网络和草图网络提取的待检索三维模型特征和查询草图特征，检索得到用于相应应用的三维模型，与现有技术相比，本发明具有有效克服跨模态差异性问题等优点。
-
公开(公告)号：CN113656616A
公开(公告)日：2021-11-16
申请号：CN202110694949.6
申请日：2021-06-23
Applicant: 同济大学
Abstract: 本发明涉及一种基于异构孪生神经网络的三维模型草图检索方法，包括以下步骤：S1：获取三维模型训练数据和草图训练数据；S2：利用两个模态独立网络别提取草图和三维模型的深度特征；S3：用一个模态共享网络将模态独立网络学习到的草图特征和三维模型特征映射到共享特征空间中；S4：利用训练完成的模态独立网络和模态共享网络提取查询草图特征和三维模型库中三维模型特征，进行草图和三维模型特征相似度计算并排序，得到检索结果。与现有技术相比，本发明具有有效克服跨模态差异性，网络设计简单易复现，为后续方法提高简单基线等优点。
-
公开(公告)号：CN113554115A
公开(公告)日：2021-10-26
申请号：CN202110922982.X
申请日：2021-08-12
Applicant: 同济大学
Abstract: 本发明涉及一种基于不确定性学习的三维模型草图检索方法，包括以下步骤：S1：获取三维模型训练数据和草图训练数据；S2：构建草图特征提取网络，三维模型特征提取网络以及一个共享分类器，训练得到草图和三维模型共享的类中心。S3：基于共享类中心和预训练的草图特征提取网络构建草图不确定性学习网络，将每张草图图片建模成一个高斯分布，学习得到草图的不确定性。S4：利用训练完成的三维模型特征提取网络和草图不确定性学习网络分别提取待检索三维模型特征和查询草图特征，检索得到用于相应应用的三维模型。与现有技术相比，本发明具有有效缓解草图噪声问题，即减小噪声样本对干净样本拟合的损害等优点。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
