公开(公告)号：CN115660979A

公开(公告)日：2023-01-31

申请号：CN202211289790.0

申请日：2022-10-20

Applicant: 桂林理工大学

Inventor： 蒋志鑫 ,  于广旺 ,  陈梦强

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于注意力机制的双判别器图像修复方法，包括3个步骤：步骤一：构造缺失区域掩膜。算法设计规则形状的掩膜，缺失区域为一个矩形并随机分布在图像中。步骤二：构造图像修复的网络模型。生成器网络包含编码器和解码器结构，网络大部分都是卷积层组成。判别器包括全局判别器和局部判别器。判别器类似于编码器结构。步骤三：搭建图像修复模型并进行训练和测试。对公开数据集ImageNet选取部分素材进行训练，之后对得到的模型进行测试，并对结果进行定性分析和定量分析。本发明主要解决现有生成对抗网络对于复杂数字图像修复，缺失区域上下文连接不自然且由于网络层数较深导致重建过程衔接处细节结构难以生成的问题。

公开(公告)号：CN115222625A

公开(公告)日：2022-10-21

申请号：CN202210839961.6

申请日：2022-07-15

Applicant: 桂林理工大学

Inventor： 杨家志 ,  沈洁 ,  陈梦强 ,  于广旺 ,  周国清

IPC: G06T5/00 ,  G06V10/762 ,  G06V10/764 ,  G01S7/487 ,  G01S7/493

Abstract: 本发明提供一种基于多尺度噪声的激光雷达点云去噪方法，涉及三维点云去噪技术领域，包括根据不同尺度的噪声点进行分类处理；获取DBSCAN算法参数，将点云数据集分为不同形状的簇；使用Kd‑tree树加速搜索，DBSCAN算法对大尺度噪声进行聚类去噪处理；设定移动最小二乘法阶数，根据曲面进行法线估计，确定拟合半径；对小尺度噪声点使用移动最小二乘法平滑去噪和重采样处理。本发明的方法将两种去噪方法进行结合处理点云数据，点云数据中存在的多尺度噪声能够有效去除，并保持了点云模型的细节部分。

公开(公告)号：CN116051884A

公开(公告)日：2023-05-02

申请号：CN202211625847.X

申请日：2022-12-14

Applicant: 桂林理工大学

Inventor： 杨家志 ,  沈洁 ,  陈梦强 ,  于广旺 ,  周国清

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供一种基于深度学习的点云分类方法，属于三维点云数据处理领域，采用残差网络模型中应用通道注意力机制以及改进分类器的方式，对点云数据集进行分类处理。本发明中的残差网络解决了深度学习网络随着网络层数增加出现的梯度爆炸问题，提高了模型的泛化能力；通道注意力机制通过学习每个通道的重要程度，进行权重分配，提高了点云特征提取能力；通过改进分类器，进一步提高了点云数据分类的准确度。