-
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。
-
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:CN105719349A
公开(公告)日:2016-06-29
申请号:CN201610031891.6
申请日:2016-01-19
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: 本发明公开了一种基于最大化泊松圆盘采样的四面体网格化方法和系统;其中,该方法包括获取三维区域;对三维区域进行均匀地体素化,得到三维均匀网格;在三维区域的边界表面,进行最大化泊松圆盘采样,获得表面采样点集;然后根据表面采样点集,提取表面网格;使用松弛方法对表面网格进行边界保护,并在三维均匀网格上进行体采样,得到体采样点集;根据体采样点集,使用三维狄洛尼三角化方法或者三维正则三角化方法,提取四面体网格。通过本发明实施例,解决了如何快速生成四面体网格,且消除四面体网格中薄片的技术问题。
-
公开(公告)号:CN116188743A
公开(公告)日:2023-05-30
申请号:CN202310118365.3
申请日:2023-02-10
申请人: 中国科学院自动化研究所
摘要: 本发明实施例提供一种基于无重叠点云数据的三维形状拼接方法、装置和设备,该方法包括:获取第一目标对象的第一点云数据和第二目标对象的第二点云数据;第一点云数据和第二点云数据之间无重叠;将第一点云数据和第二点云数据输入至预训练的目标神经网络,得到目标变换矩阵和点云数据的边界点信息;目标变换矩阵表示点云数据拼接的姿态信息;目标神经网络是基于待拼接的点云数据样本训练得到的;根据目标变换矩阵和点云数据的边界点信息,对第一点云数据和第二点云数据进行拼接,得到目标拼接对象。本发明实施例的方法提升了点云数据的拼接效率和准确性。
-
公开(公告)号:CN111914946B
公开(公告)日:2021-07-06
申请号:CN202010835090.1
申请日:2020-08-19
申请人: 中国科学院自动化研究所
摘要: 本发明属于图像识别领域,具体涉及了一种针对离群点移除方法的对抗样本生成方法、系统和装置,旨在解决现有的基于深度学习的分类模型训练所采用的对抗样本无法在移除离群点的方法下使图像分类出错,导致训练出的分类模型鲁棒性差精确度低的问题。本发明包括:获取带有类别标签的训练数据集,将三维点云数据输入分类模型并计算分类损失,分别计算分类损失关于三维点云数据的梯度和关于移除离群点的三维点云数据的梯度,并将两种梯度融合乘以缩放因子生成融合扰动,将融合扰动施加到三维点云数据中反复迭代生成对抗样本。本发明生成的对抗样本在移除离群点的情况下仍然能造成图像分类错误,提高了训练出来的模型的鲁棒性和分类精确度。
-
公开(公告)号:CN107507268B
公开(公告)日:2020-07-03
申请号:CN201710639328.1
申请日:2017-07-31
申请人: 西北工业大学 , 中国科学院自动化研究所
IPC分类号: G06T17/00
摘要: 本发明公开了一种光照与生长方程共同约束的三维数字树木生长建模方法,用于解决现有三维数字树木生长建模方法不能约束树木生长高度的技术问题。技术方案是根据植物生长方程,通过输入三维数字树木根的起始位置和初始的主干方向,以及树木生长空间的光照信息,一轮一轮地迭代生长。首先计算各个树枝的顶芽和侧芽获得的光照资源,然后计算光照资源的汇聚和分配量,再利用生长方程约束树木的生长速度,确定每个顶芽和侧芽是否生长以及生长的速度,最后计算出新的树枝位置和分枝模型的几何量,更新树枝中各个结点的半径值。停止迭代生长后,输出树枝模型,添加树叶。本发明解决了在光照资源充分的条件下,不能约束树木的生长高度的技术问题。
-
公开(公告)号:CN106204742B
公开(公告)日:2019-03-08
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
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:CN109285217A
公开(公告)日:2019-01-29
申请号:CN201811052482.X
申请日:2018-09-10
申请人: 中国科学院自动化研究所
摘要: 本发明属于植物建模及计算机图形处理技术领域,具体涉及一种基于多视角图像的过程式植物模型重建方法,旨在解决现有方法构建植物模型与真实数据间误差较大,精度不高的问题,本方法包括:获取植物多视角图片信息;基于颜色和几何一致性的稠密深度估计;多视角深度信息融合的三维点云数据获取;通过预先构建的枝干结构生长参数表示模型并采用所述三维点云数据约束植物生长,构建所述植物的三维树枝结构模型。本发明为从多视角的图像重建出完整的树木模型提供了解决方案,获取的点云和模型与原始图像具有很高的吻合度,巧妙地结合了植物过程式建模与数据驱动的植物重建方法,不仅能够保证模型的精度,同时也能够保持植物的生物学意义。
-
公开(公告)号:CN109215049A
公开(公告)日:2019-01-15
申请号:CN201810788765.4
申请日:2018-07-18
申请人: 中国科学院自动化研究所
CPC分类号: G06T7/136 , G06T5/50 , G06T7/11 , G06T2207/10012 , G06T2207/20221
摘要: 本发明涉及计算机视觉领域,具体涉及一种基于多尺度三维先验信息的屋顶分割方法、系统与设备,旨在提高屋顶分割的准确度和精细度。本发明的屋顶分割方法,首先对航拍图像进行多尺度超像素分割,得到多尺度的分割图层;然后针对每个尺度的分割图层,计算基于混合暗通道先验的逐像素深度信息、对应分割区域的近邻对比度信息、对应分割区域的形状先验信息,并计算近邻对比度信息和形状先验信息的混合概率图;接下来利用概率图模型融合多个尺度的混合概率图得到最终概率图,并根据最终概率图结合自动阈值分割方法获得初始屋顶分割结果;最后根据初始屋顶分割结果,利用高阶条件随机场生成精确屋顶分割结果。本发明提高了屋顶分割的准确度和精细度。
-
公开(公告)号:CN105719349B
公开(公告)日:2018-07-31
申请号:CN201610031891.6
申请日:2016-01-19
申请人: 中国科学院自动化研究所
IPC分类号: G06T17/30
摘要: 本发明公开了种基于最大化泊松圆盘采样的四面体网格化方法和系统;其中,该方法包括获取三维区域;对三维区域进行均匀地体素化,得到三维均匀网格;在三维区域的边界表面,进行最大化泊松圆盘采样,获得表面采样点集;然后根据表面采样点集,提取表面网格;使用松弛方法对表面网格进行边界保护,并在三维均匀网格上进行体采样,得到体采样点集;根据体采样点集,使用三维狄洛尼三角化方法或者三维正则三角化方法,提取四面体网格。通过本发明实施例,解决了如何快速生成四面体网格,且消除四面体网格中薄片的技术问题。
-
-
-
-
-
-
-
-
-