-
公开(公告)号：CN107122792B
公开(公告)日：2019-11-26
申请号：CN201710154250.4
申请日：2017-03-15
摘要： 本发明公开了一种基于学习预测的室内布局估计方法及系统，该方法包括：构建训练集，并利用训练集内的训练样本进行训练反卷积网络；所述训练样本为房间布局图及其对应的边缘图，房间布局图及其对应的边缘图分别作为反卷积网络的输入和输出；将待测房间布局图输至训练完成的反卷积网络，输出预测的边缘图；计算待测房间布局图中预设方向的消失点，生成若干个扇区；再基于预测的边缘图，从生成的若干个扇区中选择局部最大边缘强度的扇区为采样扇区；对采样扇区采样，得到一系列候选的房间布局估计图；再根据房间布局估计图与得到的边缘图的相似性，从候选的房间布局估计图中筛选出与预测的边缘图最接近的房间布局估计图作为最终的房间布局图。
-
公开(公告)号：CN106780573A
公开(公告)日：2017-05-31
申请号：CN201611020915.4
申请日：2016-11-15
申请人： 山东大学
IPC分类号： G06T7/33
CPC分类号： G06T2207/10028 , G06T2207/20016
摘要： 本发明公开了一种全景图特征匹配精度优化的方法及系统；建立图像金字塔逐层改善匹配结果；采用普通图像为媒介，获取全景图像上的颜色信息，通过NCC，优化特征点位置；由优化匹配改善相机参数等思路和方法；通过本发明，可以提高全景图像特征匹配的精度，充分利用全景图像丰富信息量特点的同时，提高了图像定位、三维场景重建的精度。
-
公开(公告)号：CN114821237A
公开(公告)日：2022-07-29
申请号：CN202210485344.0
申请日：2022-05-06
申请人： 山东大学
IPC分类号： G06V10/774 , G06V10/762 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明属于船舶再识别技术领域，尤其涉及一种基于多级对比学习的无监督船舶再识别方法及系统。该方法包括，获取训练船舶图像，生成训练船舶图像的伪标签，并对训练船舶图像进行增强，得到增强图像；采用特征提取网络提取增强图像的增强图像特征，基于增强图像特征及伪标签，对特征提取网络进行训练；获取查询船舶图像，利用训练好的特征提取网络提取查询船舶图像特征，基于查询船舶图像特征，检索得到备选船舶图像集中与所述查询船舶图像属于同一船舶的图像。本发明通过结合实例级对比学习和聚类级对比学习，在无需任何记忆块的情况下以无监督的方式学习具有辨识性的船舶特征，进而提升船舶再识别任务准确率。
-
-
公开(公告)号：CN107122792A
公开(公告)日：2017-09-01
申请号：CN201710154250.4
申请日：2017-03-15
申请人： 山东大学
摘要： 本发明公开了一种基于学习预测的室内布局估计方法及系统，该方法包括：构建训练集，并利用训练集内的训练样本进行训练反卷积网络；所述训练样本为房间布局图及其对应的边缘图，房间布局图及其对应的边缘图分别作为反卷积网络的输入和输出；将待测房间布局图输至训练完成的反卷积网络，输出预测的边缘图；计算待测房间布局图中预设方向的消失点，生成若干个扇区；再基于预测的边缘图，从生成的若干个扇区中选择局部最大边缘强度的扇区为采样扇区；对采样扇区采样，得到一系列候选的房间布局估计图；再根据房间布局估计图与得到的边缘图的相似性，从候选的房间布局估计图中筛选出与预测的边缘图最接近的房间布局估计图作为最终的房间布局图。
-
-
-
-
搜索结果
5 条记录 (耗时 0.034 秒)
