-
公开(公告)号：CN114743013A
公开(公告)日：2022-07-12
申请号：CN202210307718.X
申请日：2022-03-25
申请人： 中国科学院自动化研究所 , 北京邮电大学
IPC分类号： G06V10/40 , G06V10/44 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/00 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82
摘要： 本发明提供一种局部描述子生成方法、装置、电子设备和计算机程序产品，所述方法包括：生成跨域数据集，跨域数据集包括多对图像对；根据跨域数据集的尺度特征图，获取特征级域自适应监督信息；根据特征级域自适应监督信息的密集描述子，获取像素级跨域一致性监督信息和描述子损失信息；基于特征级域自适应监督信息、像素级跨域一致性监督信息和描述子损失信息的结合，确定总损失，总损失用于网络的监督训练，获取局部描述子。本发明可增强局部描述子的不变性和鲁棒性，提高描述子在图像匹配任务上的精度。
-
公开(公告)号：CN118521618A
公开(公告)日：2024-08-20
申请号：CN202410630555.8
申请日：2024-05-21
申请人： 中国科学院自动化研究所
IPC分类号： G06T7/33 , G06V10/762
摘要： 本申请实施例提供一种非刚性点集配准方法、装置及存储介质，所述方法包括：获取目标初始状态的源点集；基于非刚性点集配准损失函数，将所述源点集作为聚类中心，将目标点集作为聚类样本，进行无监督聚类获取目标点集，所述目标点集用于表示非刚性变形后的目标的点集结果，所述非刚性点集配准损失函数是基于#imgabs0#低秩近似方法确定的。本申请实施例提供的非刚性点集配准方法、装置及存储介质，通过获取目标初始状态的源点集，并根据非刚性点集配准损失函数，将所述源点集作为聚类中心，将目标点集作为聚类样本，进行无监督聚类，可以获取用于表示非刚性变形后的目标点集，从而能够在在不影响优化轨迹的情况下，提高非刚性点集配准的准确率。
-
公开(公告)号：CN117974996A
公开(公告)日：2024-05-03
申请号：CN202311844162.9
申请日：2023-12-28
申请人： 中国科学院自动化研究所
IPC分类号： G06V10/26 , G06V10/774 , G06V20/40 , G06V10/82 , G06N3/0455 , G06N3/08
摘要： 本发明提供一种语义分割模型训练方法、语义分割方法及相关装置，该语义分割模型训练方法包括：获取视频图像序列帧；分别对源域数据和目标域数据进行编码得到多个域特征，将多个域特征进行拼接得到语义亲和力图；根据语义亲和力图和对应解码器的分割预测输出得到域超相关表示，根据域超相关表示确定目标学习损失函数；根据源域数据、目标域数据和目标学习损失函数分别训练源域编码器和目标域编码器得到语义分割模型。本发明所述方法能够利用源域网络和目标域网络互学习提高模型的泛化能力，并通过最小化源域和目标域超相关表示的距离来学习稳健表示，利用联合互学习损失促进了交互式知识传递，增强了模型捕捉有利的语义表示的能力。
-
公开(公告)号：CN113357512B
公开(公告)日：2023-03-24
申请号：CN202110481407.0
申请日：2021-04-30
申请人： 之江实验室 , 中国科学院自动化研究所
摘要： 本发明公开了一种面向三维重建的物体多角度图像自动采集装置及系统，装置包括：俯仰模块、升降模块、旋转模块、支撑模块；俯仰模块包括分别与连杆机构和升降模块连接的舵机，连杆机构与摄像头一端活动连接，摄像头另一端与升降模块活动连接，图传模块与摄像头连接；旋转模块包括分别与支撑模块固定连接的内圈台面、步进电机，小齿轮设置在步进电机上，大齿轮与小齿轮啮合，外圈台面与大齿轮固定连接，餐桌轴承分别与外圈台面、内圈台面连接，旋转模块步进电机驱动器分别与驱动步进电机、旋转模块单片机控制板和旋转模块电池连接；升降模块分别与俯仰模块和外圈台面连接。系统：包括采集装置和软件控制模块，软件控制模块用于控制采集装置。
-
公开(公告)号：CN109242855B
公开(公告)日：2020-08-11
申请号：CN201810794383.2
申请日：2018-07-19
申请人： 中国科学院自动化研究所
摘要： 本发明涉及计算机视觉领域，具体涉及一种基于多分辨率三维统计信息的屋顶分割方法、系统及设备，旨在提供一种快速、鲁棒的屋顶分割方法。本发明的屋顶分割方法包括：从多视角航拍图像获取高精度深度及稠密三维点云信息；根据三维点云信息提取不同分辨率的三维点云特征统计信息，利用全局能量优化对三维点云场景进行语义分类，得到建筑物的点云；将建筑物的点云作为初始先验，对多视角航拍图像进行精细建筑物分割；基于深度信息的建筑物过渡区域计算，从精细建筑物分割结果中去除建筑物侧面对精细屋顶分割的干扰，得到精细屋顶分割结果。本发明实现了快速、鲁棒、通用地进行屋顶分割，而且有效去除了建筑物侧面过渡区域的影响，提高了分割精细度。
-
公开(公告)号：CN105303606B
公开(公告)日：2018-01-26
申请号：CN201510711702.5
申请日：2015-10-28
申请人： 中国科学院自动化研究所
摘要： 本发明实施例公开了一种基于BP神经网络的番茄植株建模方法，该方法包括以下步骤：步骤S1、基于用户在单幅番茄植株图像上勾勒的主茎，构建二维主茎；步骤S2、基于用户在单幅番茄植株图像上勾勒的冠形轮廓，通过对用户在单幅番茄植株图像上勾勒的主茎进行复制、矫正和旋转，构建三维主茎；步骤S3、根据三维主茎的参数，构建并训练一BP神经网络；步骤S4、基于用户在单幅番茄植株图像上勾勒的冠形轮廓，通过BP神经网络预测侧茎参数，并通过自相似原理产生侧茎；步骤S5、基于叶子模型，为侧茎添加叶子，得到完整植株。本发明实施例为番茄植株建模提供了一种快速解决方案，构建的植株模型具有真实感，可应用于虚拟现实中的场景模拟。
-
公开(公告)号：CN106204742A
公开(公告)日：2016-12-07
申请号：CN201610563518.5
申请日：2016-07-18
申请人： 中国科学院自动化研究所
IPC分类号： G06T17/30
CPC分类号： G06T17/30
摘要： 本发明公开了一种固定点数的二维等半径最大化泊松圆盘采样方法和采样系统。其中，该方法包括根据用户指定的采样点数目和采样区域，生成第一采样点集；对所述第一采样点集进行Delaunay三角化，并提取Delaunay三角化结果中的最短边长作为第一采样半径；确定所述第一采样点集是否达到所述最大化泊松圆盘采样；在所述第一采样点集达到所述最大化泊松圆盘采样的情况下，记录所述第一采样点集及所述第一采样半径。通过本发明实施例解决了如何实现点数固定的最大化泊松圆盘采样的技术问题，可使得采样点集具有很好的蓝噪声性质，具有简单、易于实现、性能稳定且能够收敛的优点，可应用于图像渲染和纹理合成等应用中。
-
公开(公告)号：CN103279621B
公开(公告)日：2016-04-06
申请号：CN201310225943.X
申请日：2013-06-07
申请人： 中国科学院自动化研究所
IPC分类号： G06F17/50
摘要： 本发明提出了一种装配体自动拆卸方法，包括如下步骤：S1、根据装配体的实际结构和形状生成与该装配体相应的数字化三维模型；S2、对所述模型进行形状分析以将其分割成多个部件，建立各部件的有向接触关系，并计算各部件之间的遮挡关系；S3、利用所述各部件的几何特征计算模型的层次结构，将模型划分为若干子装配体模型，并计算各子装配体模型的分解方向；S4、根据所述遮挡关系和模型层次结构计算模型的分解序列，该分解序列包括部件的分解次序和分解运动方向；S5、根据所述分解序列获得所述装配体的各部件的拆卸次序和拆卸方向，完成对所述装配体的物理拆卸。本发明能够使操作人员对复杂装配体进行高效的拆卸。
-
公开(公告)号：CN102496140A
公开(公告)日：2012-06-13
申请号：CN201110401999.7
申请日：2011-12-06
申请人： 中国科学院自动化研究所
IPC分类号： G06T3/00
摘要： 本发明公开了一种基于多层嵌套笼体的实时交互式图像变形方法。该方法包括如下步骤：A、根据图像生成网格，所述网格由网格顶点和由网格顶点围成的网格面组成；B、对需要变形的图像区域生成多层嵌套笼体，所述多层嵌套笼体由多个多边形构成，且所述多个多边形不交叉；C、计算笼体坐标，所述笼体坐标是指每个网格顶点的位置相对于多层嵌套笼体的系数，所述生成的网格顶点的位置为多层笼体顶点位置的线性组合；D、将所述多层嵌套笼体的顶点作为手柄，通过交互式操作该手柄来实现变形；E、将笼体坐标进行打包，并将打包的笼体坐标作为纹理输入图像处理单元以用于使用线性方程更新网格顶点位置实现实时的图像变形。本发明实现了使用多层嵌套笼体实时交互式地对图像进行变形，并可通过多次重复以对图像实现各种可能的变形效果。
-
公开(公告)号：CN114863131A
公开(公告)日：2022-08-05
申请号：CN202210579586.6
申请日：2022-05-25
申请人： 之江实验室 , 中国科学院自动化研究所
IPC分类号： G06V10/44 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
摘要： 本发明涉及计算机视觉和人工智能领域，具体涉及一种基于三条带注意机制的特征图加权方法和装置，旨在提高深度学习网络特征提取的有效性。本发明提出了一种新的注意力加权机制，它通过加权操作增加特征图的表现力，关注重要特征而抑制非重要特征。首先，采取全局池化操作将原始特征图分离成列条带、行条带和通道条带；其次，对每个条带都采取压缩和扩张的一系列加权操作；然后，将所有的加权后的三个条带分别扩充到原始的特征图尺寸大小，并将这三个加权后的特征图进行相加，随后进行非线性处理。最后，将所得到的加权特征图和原特征图相乘，并将结果作为后续的输入。本发明提出的基于三条带注意机制的特征图加权方法提高了特征图的有效性。
-
-
-
-
-
-
-
-
-
搜索结果
41 条记录 (耗时 0.039 秒)
