-
公开(公告)号：CN117217991A
公开(公告)日：2023-12-12
申请号：CN202311026041.3
申请日：2023-08-15
申请人： 杭州电子科技大学丽水研究院
发明人： 颜成钢 , 张文豪 , 陈雨中 , 魏宇鑫 , 汪奇挺 , 傅晟 , 付莹 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏 , 丁贵广
IPC分类号： G06T3/40 , G06N3/0455 , G06N3/08 , G06N5/046
摘要： 本发明公开了一种基于TensorRT的视频超分推理方法及装置，首先对视频超分网络进行训练；然后对网络算子进行分析，对常用算子进行整理，对不支持算子进行编写，对于可优化算子做算子融合；最后对于完整的视频超分网络结构，使用TensorRT编写并生成序列化引擎进行推理。本发明提出了视频超分推理落地的新方法，即是使用TensorRT该推理框架进行部署和加速，建立常用算子库将TensorRT算子和Pytorch算子进行对齐，优化部署过程，并能够比在训练框架下的推理有更好的速度和更低的显存占用。
-
公开(公告)号：CN118865392A
公开(公告)日：2024-10-29
申请号：CN202411339837.9
申请日：2024-09-25
申请人： 杭州电子科技大学丽水研究院
摘要： 本发明公开了基于强化学习的场景布局估计方法，涉及场景布局估计技术领域，包括如下步骤：将场景的稠密点云映射到平面上，利用形态学侵蚀进行分割，并进行合并处理，得到房间点云；再将房间点云投影到二维平面上，提取房间点云中的边缘点云，并进行分割处理，得到独立区域的壁面点云；然后基于Q‑learning算法，确定强化学习中的状态、动作和奖励；再基于独立区域的壁面点云采用Q‑learning算法拟合线段，得到独立区域的壁面线段数据；最后基于独立区域的壁面线段数据，生成场景布局模型；本发明用于解决现有技术中无法在消除了独立区域之间的干扰和遮挡物的影响的同时减少计算量，场景布局估计效率和准确性较低的问题。
-
公开(公告)号：CN118397016A
公开(公告)日：2024-07-26
申请号：CN202410620967.3
申请日：2024-05-17
申请人： 杭州电子科技大学
IPC分类号： G06T7/10 , G06T17/00 , G06F18/23 , G06F30/13 , G06F30/20 , G06F111/04 , G06F111/08
摘要： 本发明涉及计算机视觉技术领域，更具体地说，本发明涉及基于结构先验的室内场景布局估计方法，方法包括，步骤1、重采样点云模型；步骤2、提取平面与分割结构；步骤3、生成立面候选段；步骤4、聚类基于可扩展图的房间；步骤5，基于步骤1至步骤4的所得进行轮廓墙的优化，在候选段中选择子集，生成完整的平面布局图。本发明显著降低了重建的拓扑复杂度，消除了不同房间之间墙候选段的相互影响，进而提高了重建的效率和准确度。
-
公开(公告)号：CN117274049A
公开(公告)日：2023-12-22
申请号：CN202311018629.4
申请日：2023-08-14
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于训练后量化的视频超分方法，首先使用数据集训练FP32的模型，然后使用TensorRT对模型进行部署；最后使用数据集进行int8量化以及校准。本发明提出了视频超分网络的优化方法能够有效的减少参数量，缩短推理时间。并实现部分场景下的落地使用。本发明基于TensorRT对FRVSR做训练后静态量化，并针对量化误差大的层做分组量化，能够保证最终的量化精度，并提出了具体的实现方案，能够有效的优化FRVSR在GPU上的推理部署。
-
公开(公告)号：CN113868739A
公开(公告)日：2021-12-31
申请号：CN202111122177.5
申请日：2021-09-24
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于神经网络的多房间室内户型图重建方法，本发明在室内稠密三维重建模型的基础上使用Mask‑Rcnn神经网络，将拥有多个房间的场景分割为多个单房间小场景，将单个房间中的所有墙面提取出来，将构成墙面所有的点做平面投影，对2D投影平面图的结果做线段拟合，将每面墙用一个2D线段表示，再计算线段与线段的交点得到整体房间的角点，将所得角点按顺序相连，最后将线段沿着Z轴方向拔高得到模型户型图结构。本发明在对场景中的重建时，消除了不同房间之间的干扰，保证了重建后结果的完整性，在对场景中的房间角点计算时，引入了传统的计算方法，对于角点计算的结果相比于神经网络检测的结果更加精确。
-
-
-
-
搜索结果
5 条记录 (耗时 0.024 秒)
