公开(公告)号：CN117876625A

公开(公告)日：2024-04-12

申请号：CN202311753697.5

申请日：2023-12-19

申请人： 华南理工大学

发明人： 黄张金 ,  张浩杰 ,  李艳雄

IPC分类号： G06T17/10 ,  G06T17/30 ,  G06T15/00

摘要： 本发明公开了一种联合显式和隐式表面表达的多视角重建方法及装置，属于三维重建技术领域。其中方法包括：首先，获取重建目标物体的多视角图像以及对应的相机参数；接着，构建显式表面表达和相应的表面位置特征编码器；同时，构建隐式表面表达和相应的空间位置特征编码器；构建两种表达共用的颜色解码器；根据相机参数采样光线和对应图像像素颜色，使用显式表达进行表面渲染优化，同时使用隐式表达进行体积渲染优化，最终获得高质量重建的三维物体表面。在迭代优化过程中，隐式表达指导显式表达向真值表面形变，显式表达指导隐式表达渲染过程中的光线采样。本发明结合了隐式表达优化稳定和显式表达渲染采样高效的优点，提升了重建精度与优化效率。

公开(公告)号：CN112507327B

公开(公告)日：2022-11-18

申请号：CN202011507579.2

申请日：2020-12-18

申请人： 华南理工大学

发明人： 张灿炜 ,  梁凌宇 ,  张通 ,  何淇昌 ,  黄张金 ,  林子珩 ,  许皓钧 ,  陈帅琦

IPC分类号： G06F21/46

摘要： 本发明公开了一种基于机器学习的晴雨检测与处理方法，包括以下步骤：搜集N张无雨图像，同时搜集H张雨滴模板，利用图像合成的方法合成包含N张有雨图像及N张无雨图像构成的数据集，并根据类别设置标签，划分成训练图像与测试图像。将训练图像输入晴雨分类卷积神经网络，进行晴雨分类，并用测试图像进行训练效果检验；构造支持向量机晴雨图像分类器；构建宽度学习神经网络，输入训练图像到该网络，进行宽度学习训练，并使用测试图像检验训练效果；使用集成学习方法组合所述的晴雨分类卷积神经网络、SVM晴雨图像分类器和宽度学习神经网络，形成并行联合判别测试模型；使用该模型检测图像是否有雨，若无雨直接输出；若有雨则进行去雨处理。

公开(公告)号：CN111723874B

公开(公告)日：2023-05-26

申请号：CN202010624687.1

申请日：2020-07-02

申请人： 华南理工大学

发明人： 黄张金 ,  李艳雄 ,  张文浩 ,  林子珩 ,  陈奕纯 ,  谭煜枫

IPC分类号： G06F18/214 ,  G06F18/213 ,  G06F18/2431 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公开了一种基于宽度和深度神经网络的声场景分类方法，包括下列步骤：首先从声场景音频样本提取对数梅尔谱特征，并划分为训练集和测试集；再设计宽度神经网络和深度联合概率网络；将训练集各音频样本的对数梅尔谱特征作为输入，对上述两个网络进行预训练；根据预训练结果构建联合判别分类树模型，训练并调优该联合判别分类树模型；最后将测试集各音频样本的对数梅尔谱特征输入联合判别分类树模型，辨识各音频样本所对应的声场景。本发明构建的联合判别分类树模型可以补足单一网络泛化能力差、稳定性弱的缺点，并利用宽度神经网络和深度神经网络的优势互补特性提升声场景分类效果。

公开(公告)号：CN112507327A

公开(公告)日：2021-03-16

申请号：CN202011507579.2

申请日：2020-12-18

申请人： 华南理工大学

发明人： 张灿炜 ,  梁凌宇 ,  张通 ,  何淇昌 ,  黄张金 ,  林子珩 ,  许皓钧 ,  陈帅琦

IPC分类号： G06F21/46

摘要： 本发明公开了一种基于机器学习的晴雨检测与处理方法，包括以下步骤：搜集N张无雨图像，同时搜集H张雨滴模板，利用图像合成的方法合成包含N张有雨图像及N张无雨图像构成的数据集，并根据类别设置标签，划分成训练图像与测试图像。将训练图像输入晴雨分类卷积神经网络，进行晴雨分类，并用测试图像进行训练效果检验；构造支持向量机晴雨图像分类器；构建宽度学习神经网络，输入训练图像到该网络，进行宽度学习训练，并使用测试图像检验训练效果；使用集成学习方法组合所述的晴雨分类卷积神经网络、SVM晴雨图像分类器和宽度学习神经网络，形成并行联合判别测试模型；使用该模型检测图像是否有雨，若无雨直接输出；若有雨则进行去雨处理。

公开(公告)号：CN111723874A

公开(公告)日：2020-09-29

申请号：CN202010624687.1

申请日：2020-07-02

申请人： 华南理工大学

发明人： 黄张金 ,  李艳雄 ,  张文浩 ,  林子珩 ,  陈奕纯 ,  谭煜枫

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于宽度和深度神经网络的声场景分类方法，包括下列步骤：首先从声场景音频样本提取对数梅尔谱特征，并划分为训练集和测试集；再设计宽度神经网络和深度联合概率网络；将训练集各音频样本的对数梅尔谱特征作为输入，对上述两个网络进行预训练；根据预训练结果构建联合判别分类树模型，训练并调优该联合判别分类树模型；最后将测试集各音频样本的对数梅尔谱特征输入联合判别分类树模型，辨识各音频样本所对应的声场景。本发明构建的联合判别分类树模型可以补足单一网络泛化能力差、稳定性弱的缺点，并利用宽度神经网络和深度神经网络的优势互补特性提升声场景分类效果。