一种基于多视角图像的3D人体自监督重建方法

    公开(公告)号:CN114998515B

    公开(公告)日:2024-08-30

    申请号:CN202210558080.7

    申请日:2022-05-19

    摘要: 本发明提供了一种基于多视角图像的3D人体自监督重建方法,涉及三维人体重建技术领域,所述方法包括如下步骤:获取多视角图像,建立三维空间;将多视角图像、多视角图像对应的SMPL参数、相机参数输入至特征提取网络ResUnet34中,输出多视角特征图;通过双线性插值采样得到顶点在多视角特征图的特征;利用稀疏卷机网络SpareConvNet将所述结构化隐式编码扩散到周围的空间中;根据所述几何编码和外观编码得到通用型神经辐射场;使用体素渲染的方法给定一个新的视角相机参数,对所述通用型神经辐射场进行渲染,得到新视角相机参数下的2D图像。本发明通过利用稀疏的多视角对人体进行重建,然后渲染到目标视角下的图像,实现了2D图像到2D图像的自监督,避免了对3D真值的依赖。

    基于自适应匹配的视频显著性检测方法、装置及存储介质

    公开(公告)号:CN115115970A

    公开(公告)日:2022-09-27

    申请号:CN202210557195.4

    申请日:2022-05-19

    摘要: 本发明提供一种基于自适应匹配的视频显著性检测方法、装置及存储介质。方法包括:S1、将待检测视频的第一帧图像数据输入分割网络进行处理;S2、建立一个记忆模块存储参考特征,用第一帧前景特征进行初始化;S3、将下一帧图像数据输入特征提取网络,将当前帧特征与参考特征进行相关性匹配,基于相关性匹配图与前一帧的显著性预测图获取相关性匹配特征,将相关性特征、当前帧的8倍下采样特征以及前一帧的前景特征融合后送入所述预测网络,从而得到当前帧的显著性预测图;S4、根据当前帧前景特征与参考特征的相关性匹配结果更新记忆模块的参考特征;S5、持续输入视频帧,重复上述S3‑S4直到得到所有视频帧的显著性预测图。本发明有效地利用视频整体的时序信息,并且不会随着视频帧数的增多而增加大量计算量。

    一种基于YOLOv5的智能机器人冰壶检测方法

    公开(公告)号:CN115100111A

    公开(公告)日:2022-09-23

    申请号:CN202210549759.X

    申请日:2022-05-17

    摘要: 本发明提供一种基于YOLOv5的智能机器人冰壶检测方法,涉及计算机视觉技术领域。本发明方法,包括如下步骤:获取冰壶比赛现场图像;使用标注软件对所述冰壶比赛现场图像进行标注,得到标注后的图像;将所述图像特征图输入至YOLOv5预测网络进行前背景预测,输出不同采样倍数对应的分类预测分数和回归定位系数;将所述预测分数及边框回归值反向映射至原始图像,并在原始图像上打印,得到检测结果图。本发明针对冰壶机器人比赛的数据特点,设计轻量化的目标检测网络,并克服数据分布单一、拍摄光线较暗等困难,设计了不同的数据增强方式,重新设计损失函数。在满足高识别和定位精度的同时实现了高帧率的检测速度。

    一种基于yolov5的遥感图像检测方法、装置及存储介质

    公开(公告)号:CN114998756A

    公开(公告)日:2022-09-02

    申请号:CN202210541629.1

    申请日:2022-05-17

    摘要: 本发明提供一种基于yolov5的遥感图像检测方法、装置及存储介质。方法包括:S1、获取统一尺寸的遥感图像构成遥感图像数据集,获取每幅遥感图像的检测目标标注结果图像,从而获得遥感图像样本集,所述遥感图像样本集中的样本包括遥感图像和与遥感图像匹配的检测目标标注结果图像;对所述遥感图像样本集中的样本按照预设比例随机划分为训练集和测试集;S2、基于训练集和测试集中的样本数据对改进的yolov5模型的进行模型训练,所述改进的yolov5模型包括特征提取模块、CBAM模块、特征融合模块以及分类输出模块;S3、基于训练完成的改进的yolov5模型对遥感图像进行目标检测。本发明采用改进的yolov5模型能够更好的实现特征融合,给出精准的检测分类结果。

    一种基于多原型和迭代增强的单样本图像分割方法及装置

    公开(公告)号:CN114996495A

    公开(公告)日:2022-09-02

    申请号:CN202210551149.3

    申请日:2022-05-18

    摘要: 本发明提供一种基于多原型和迭代增强的单样本图像分割方法及装置。方法包括:分别获取支持图像和查询图像,基于同一特征提取网络获取支持特征和查询特征;基于支持特征的前景部分生成若干支持原型;计算任意支持原型与查询特征的余弦相似度生成相应的相似度图,将各支持原型根据引导表放置到对应位置,生成引导特征;同时,对所有相似度图进行累加操作生成指引查询前景位置的概率图;将所述查询特征、引导特征以及概率图连接后,进行基于多尺度增强,解码后生成查询分割图。本发明采用输出迭代来增强支持特征的指导信息,利用产生的分割图通过加法和乘法计算修正前面进行指导的概率图,使其重新进行更为准确的引导,生成更为精确的分割结果。

    一种用于水库水位变幅较大、拦截污物、保证泄洪及发电安全的装置

    公开(公告)号:CN111705759A

    公开(公告)日:2020-09-25

    申请号:CN202010649073.9

    申请日:2020-07-08

    IPC分类号: E02B8/02 E02B5/08

    摘要: 一种用于水库水位变幅较大、拦截污物、保证泄洪及发电安全的装置,包括右岸边坡、左岸边坡,置于右岸边坡及左岸边坡内部的锚索及锚头,设置于右岸边坡及左岸边坡坡脚处的混凝土基座,在混凝土基座上埋设有立柱,立柱通过横向连接杆与锚头相连,在立柱与右岸边坡及左岸边坡之间设置有固定拦截网,在右岸边坡及左岸边坡的立柱之间设置浮动拦截网,浮动拦截网通过高强钢索将带有滚珠的套环与立柱相连,浮动拦截网上、下分别设有上部高强钢索及下部高强钢索,下部高强钢索设有浮球,漂浮在水面上的污物通过浮动拦截网拦截。该装置很好的适应水库大的水位变幅,有效的拦截污物,在泄洪其间能防止污物堵塞泄洪通道,避免发生洪水漫坝的危害。

    一种用于陡峭河谷地形的混凝土重力坝

    公开(公告)号:CN111636384A

    公开(公告)日:2020-09-08

    申请号:CN202010512264.0

    申请日:2020-06-08

    IPC分类号: E02B7/10 E02B3/16

    摘要: 本发明公开了一种用于陡峭河谷地形的混凝土重力坝,包括原地形线、右岸右岸先导墙、左岸先导墙、河床坝段、右岸灌浆平硐、左岸灌浆平硐、右岸坡帷幕灌浆、河床帷幕灌浆、左岸坡帷幕灌浆、上游扩展墙、下游扩展墙、坝轴线。本发明有益效果是能够显著的减小高边坡陡峭河谷混凝土重力坝施工的难度和工程量,减小施工风险,节约施工成本,缩短施工工期。

    一种严寒地区坝体温控结构系统

    公开(公告)号:CN111636383A

    公开(公告)日:2020-09-08

    申请号:CN202010580302.6

    申请日:2020-06-23

    IPC分类号: E02B7/08 C04B40/02

    摘要: 一种严寒地区坝体温控结构系统,混凝土坝,混凝土坝上、下游侧及顶部的保温材料,混凝土坝下游侧设置太阳能发热板,混凝土坝内部设置热水器,热水器通过热水管与太阳能发热板联结,将太阳能发热板产生的热水通过下水管路输送到升温隔热水管,通过表层取水管与热水器相连,将夏季表层高温水通过下水管路输送到升温隔热水管,来维持混凝土坝的稳定温度场,避免坝基温度场影响混凝土坝的稳定温度场。该结构系统充分利用严寒地区的强烈光照,利用太阳能热水器,通过太阳能热水器的热水来升温,提高坝体稳定温度场,简化温控程序,加快施工进度,有效的控制混凝土坝的坝体温度,从而达到减少或防止混凝土坝产生裂缝甚至漏水的可能,保证了坝体的安全。

    一种严寒地区碾压混凝土坝间歇层防水平漏水结构

    公开(公告)号:CN111549725A

    公开(公告)日:2020-08-18

    申请号:CN202010474880.1

    申请日:2020-05-29

    发明人: 王一帆 康飞

    IPC分类号: E02B3/16

    摘要: 本发明公开了一种严寒地区碾压混凝土坝间歇层防水平漏水结构,包括下层先浇混凝土层,在下层先浇混凝土层上部浇筑的上层后浇混凝土层,在下层先浇混凝土层与上层后浇混凝土层之间存在的可能水平开裂缝,在下层先浇混凝土层浇筑上层后浇混凝土层之前设置的预留槽,预留槽内部在靠近下游侧设置土工布,在预留槽内部回填粘土。本结构通过预留槽内回填的粘土,有效防止水平开裂缝存在时坝体渗漏水的产生,且施工方便,投资小,效果好。

    基于自适应匹配的视频显著性检测方法、装置及存储介质

    公开(公告)号:CN115115970B

    公开(公告)日:2024-09-13

    申请号:CN202210557195.4

    申请日:2022-05-19

    摘要: 本发明提供一种基于自适应匹配的视频显著性检测方法、装置及存储介质。方法包括:S1、将待检测视频的第一帧图像数据输入分割网络进行处理;S2、建立一个记忆模块存储参考特征,用第一帧前景特征进行初始化;S3、将下一帧图像数据输入特征提取网络,将当前帧特征与参考特征进行相关性匹配,基于相关性匹配图与前一帧的显著性预测图获取相关性匹配特征,将相关性特征、当前帧的8倍下采样特征以及前一帧的前景特征融合后送入所述预测网络,从而得到当前帧的显著性预测图;S4、根据当前帧前景特征与参考特征的相关性匹配结果更新记忆模块的参考特征;S5、持续输入视频帧,重复上述S3‑S4直到得到所有视频帧的显著性预测图。本发明有效地利用视频整体的时序信息,并且不会随着视频帧数的增多而增加大量计算量。