公开(公告)号：CN115953586A

公开(公告)日：2023-04-11

申请号：CN202211239339.8

申请日：2022-10-11

Applicant: 香港中文大学(深圳)未来智联网络研究院

Inventor： 李镇 ,  颜旭 ,  占贺深 ,  郑超达 ,  高建焘 ,  崔曙光

IPC: G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06T15/00 ,  G06N5/02

Abstract: 本发明公开了一种跨模态知识蒸馏的方法、系统、电子装置和存储介质，方法包括：渲染CAD模型或从不同视角在点云上进行透视投影，获得点云对应的3D图像的多个视图的辅助图像；将所有的辅助图像输入到图像网络中，获得3D图像的全局特征；在点云和全局特征之间进行特征增强和分类器增强，将3D图像的图像特征蒸馏至点云。本发明利用感知二维图像的全局特征，并将全局特征蒸馏至点云，能够获得更具辨别性的点云表示，解决了图像和点云之间的跨模态学习障碍的问题，另外，本发明只需要将点云作为输入数据，在没有图像输入的情况下，仍然能够进行点云的形状进行推理和识别，提升了推理时模型对目标模态的性能。

公开(公告)号：CN115272392A

公开(公告)日：2022-11-01

申请号：CN202210889605.5

申请日：2022-07-27

Applicant: 香港中文大学(深圳)未来智联网络研究院

Inventor： 李镇 ,  郑超达 ,  高建焘 ,  颜旭 ,  赵伟兵 ,  廖颖泓 ,  崔曙光

IPC: G06T7/20 ,  G06V10/40 ,  G06V10/75 ,  G06V10/82 ,  G06V20/64

Abstract: 本发明公开了一种目标跟踪方法、装置、设备及存储介质，用于解决对于稀疏激光雷达场景中模板信息不足时，无法识别跟踪目标的问题。通过雷达采集目标场景中的点云数据序列，并提取点云数据序列中的第一帧点云，根据跟踪目标，利用预设的3D目标跟踪算法确定第一帧点云中的目标的边界框，并提取边界框中的所有目标点云，生成第一模板点云，利用预设的自适应模板生成算法基于边界框进行模板扩张处理，得到第二模板点云，提取点云数据序列中其他帧点云数据中的搜索区域中的点云特征，并将点云特征与第二模板点云和跟踪目标对应的参考模板点云进行比较，得到比较结果，基于比较结果生成点云数据序列中跟踪目标的跟踪结果，并进行显示。

公开(公告)号：CN115938468A

公开(公告)日：2023-04-07

申请号：CN202210502796.5

申请日：2022-05-09

Applicant: 上海智峪生物科技有限公司 ,  香港中文大学(深圳)未来智联网络研究院

Inventor： 李镇 ,  王晟 ,  陆盈枫 ,  颜旭 ,  郑良振 ,  林明智 ,  崔曙光

IPC: G16B15/20 ,  G16B30/00 ,  G16B40/20 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/09

Abstract: 本申请公开了一种蛋白质模型质量评估方法、装置及计算机设备。方法通过获取目标蛋白质模型的坐标信息以及化学键信息，目标蛋白质模型包括多个氨基酸残基，坐标信息包括每一氨基酸残基中每一原子的坐标信息，化学键信息包括目标蛋白质模型中原子之间的化学键信息；根据每一原子的坐标信息、每一原子的原子类型信息以及每一原子所属的氨基酸残基的氨基酸类型信息提取每一原子的几何特征；基于原子之间的化学键信息提取每一原子的拓扑特征；将每一原子的几何特征与对应的拓扑特征进行融合，得到每一原子的融合特征；基于每一原子的融合特征确定目标蛋白质模型中每一原子对应的模型质量分数。该方法可以提升蛋白质模型质量评估的准确性。

公开(公告)号：CN114972763B

公开(公告)日：2022-11-04

申请号：CN202210894615.8

申请日：2022-07-28

Applicant: 香港中文大学(深圳)未来智联网络研究院

Inventor： 李镇 ,  颜旭 ,  高建焘 ,  郑超达 ,  崔曙光

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V20/64 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种激光雷达点云分割方法、装置、设备及存储介质，用于解决现有的点云数据分割方案对计算资源消耗较大，且分割准确度较低的技术问题。该方法通过获取目标场景的三维点云和二维图像，并对二维图像进行图块化处理，得到多个图像块，从多个图像块中随机选择一个输出至预设的二维特征提取网络中特征提取，生成多尺度二维特征，利用预设的三维特征提取网络，基于三维点云进行特征提取，生成多尺度三维特征，根据多尺度二维特征和多尺度三维特征进行融合处理，得到融合特征，对融合特征进行单向模态保持的蒸馏，得到单模态语义分割模型；基于单模态语义分割模型以三维点云作为输入进行判别，得到语义分割标签对目标场景进行分割。

公开(公告)号：CN114972763A

公开(公告)日：2022-08-30

申请号：CN202210894615.8

申请日：2022-07-28

Applicant: 香港中文大学(深圳)未来智联网络研究院

Inventor： 李镇 ,  颜旭 ,  高建焘 ,  郑超达 ,  崔曙光

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V20/64 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种激光雷达点云分割方法、装置、设备及存储介质，用于解决现有的点云数据分割方案对计算资源消耗较大，且分割准确度较低的技术问题。该方法通过获取目标场景的三维点云和二维图像，并对二维图像进行图块化处理，得到多个图像块，从多个图像块中随机选择一个输出至预设的二维特征提取网络中特征提取，生成多尺度二维特征，利用预设的三维特征提取网络，基于三维点云进行特征提取，生成多尺度三维特征，根据多尺度二维特征和多尺度三维特征进行融合处理，得到融合特征，对融合特征进行单向模态保持的蒸馏，得到单模态语义分割模型；基于单模态语义分割模型以三维点云作为输入进行判别，得到语义分割标签对目标场景进行分割。