公开(公告)号：CN114708473A

公开(公告)日：2022-07-05

申请号：CN202011492114.4

申请日：2020-12-17

申请人： 复旦大学

发明人： 付彦伟 ,  韩文慧 ,  任新麟 ,  林航宇 ,  薛向阳

IPC分类号： G06V10/776 ,  G06V10/774 ,  G06K9/62 ,  G06N3/04

摘要： 本发明提供了一种用于小样本甲骨文识别的数据增广方法、应用及装置，其特征在于，包括如下步骤：对大样本数据、小样本数据序列化得到序列化大样本数据、序列化小样本数据；对序列化大样本数据抹除得到抹除大样本数据、完整大样本数据，对抹除大样本数据编码得到编码后抹除大样本数据；将编码后抹除大样本数据输入特征提取网络得到深度特征；利用预测网络对抹除大样本数据预测得到预测大样本数据；训练更新深度学习网络得到增广器；对序列化小样本数据随机抹除得到抹除小样本数据，并对抹除小样本数据编码得到编码后抹除小样本数据；将编码后抹除小样本数据输入增广器预测得到预测小样本数据，将该预测小样本数据作为增广样本。

公开(公告)号：CN117934875A

公开(公告)日：2024-04-26

申请号：CN202410104177.X

申请日：2024-01-24

申请人： 复旦大学

发明人： 付彦伟 ,  曹辰捷 ,  任新麟 ,  王金朝 ,  张建涛

IPC分类号： G06V10/74 ,  G06T7/80 ,  G06T7/50 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明涉及一种基于视觉Transformer的多视觉立体匹配系统及方法，该系统包括特征抽取模块和代价矩阵模块，特征抽取模块用于提取图像特征、抽取跨视图信息；代价矩阵模块通过单应变化将源图片特征变化到参考图片的坐标系下，并且进行特征融合，利用CVT以及3D楔形位置编码FPE和自适应注意力缩放AAS，以得到深度估计结果。与现有技术相比，本发明分别设计MVS流程中特征编码器和成本体积正则化对应的注意力机制，通过SVA将跨视图信息无缝地整合到预训练的DINOv2特征中。此外，在代价矩阵模块中设计FPE和AAS，以增强CVT对高分辨率图像的泛化能力，有效提高图像重建质量。

公开(公告)号：CN114286103A

公开(公告)日：2022-04-05

申请号：CN202111597535.8

申请日：2021-12-24

申请人： 复旦大学

发明人： 付彦伟 ,  贺蕴 ,  任新麟 ,  唐丹航 ,  张寅达 ,  薛向阳

IPC分类号： H04N19/189 ,  H04N19/91 ,  H04N19/597

摘要： 本发明提供一种基于深度学习的保留密度的点云压缩方法，用于在点云压缩过程中保留原始点云的密度从而生成高质量的重建点云，其特征在于，包括如下步骤：步骤S1，对预先获取的点云数据进行预处理从而得到训练样本；步骤S2，构建用于提取点云数据的几何信息与密度信息的编码器，并基于编码器获取点云特征；步骤S3，采用熵编码器对点云特征进行压缩；步骤S4，构建用于对点云特征进行上采样的解码器；步骤S5，构建损失函数；步骤S6，基于训练样本对由编码器、熵编码器以及解码器组成的点云压缩模型采用损失函数进行训练；步骤S7，将点云数据输入至训练好的点云压缩模型从而实现保留原始点云密度的点云压缩。