-
公开(公告)号：CN117635679A
公开(公告)日：2024-03-01
申请号：CN202311654298.3
申请日：2023-12-05
Applicant: 之江实验室
IPC: G06T7/49 , G06T7/73 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于预训练扩散概率模型的曲面高效重建方法和装置，属于精密测量和图像处理领域，包括：标定包含高精度接触式探针和光度立体视觉装置的测量系统的相对位姿关系；采用测量系统对待测曲面进行测量，得到稀疏点云数据和稠密法向量图；基于预训练的扩散概率模型将稠密法向量图转换为多尺度法向量特征；将稀疏点云数据转换为稀疏深度图，将稀疏深度图和多尺度法向量特征输入基于引导卷积的融合模块，得到高精度稠密深度图，完成高精度曲面重构。本发明采用扩散概率模型获得多尺度法向量特征，再将多尺度法向量特征和稀疏深度图输入融合模块，仅需以少量的真值样本作为监督，即可实现高效高精度的曲面重构。
-
公开(公告)号：CN115761137B
公开(公告)日：2023-12-22
申请号：CN202211484005.7
申请日：2022-11-24
Applicant: 之江实验室 , 中国铁建重工集团股份有限公司
Abstract: 面重建。本发明公开了一种基于法向量和点云数据相互融合的高精度曲面重建方法和装置，包括：获取高精度稀疏点云数据，重建高精度稀疏点云数据得到粗糙曲面的低频法向量特征；获取光照方向及其对应的图像，根据光照方向及其对应的图像并以粗糙曲面的低频法向量特征为指导，采用光度立体视觉方式获得高精度稠密法向量特征；对高精度高密度法向量特征积分得到高精度稠密点云数据后，对高精度稠密点云数据和高精(56)对比文件Xiaohan Pei等.Topology Reconstructionof High-Reflective Surfaces Based onMulti-modality Data《.Intelligent Roboticsand Applications》.2022,全文.
-
公开(公告)号：CN114820329A
公开(公告)日：2022-07-29
申请号：CN202210764209.X
申请日：2022-07-01
Applicant: 之江实验室 , 中国铁建重工集团股份有限公司
Abstract: 本发明公开了基于高斯过程大核注意力装置引导的曲面测量方法及装置，依次进行初始点采样、曲面上采样、曲面重建和误差评定、采样点选择，其中曲面上采样由高斯过程模型和基于大核注意力机制的预训练上采样模型组成，通过上述操作获得关键的点云数据，通过这些数据，可以用非常有限的数据完成目标精度的曲面重建；同时，针对高精度接触式形貌测量传感器测量效率较低的问题，通过局域高斯过程和深度学习的上采样模型，进行点云的自适应采样，然后再对这些数据进行重建，可以在保证重建精度和细节还原度的同时提高复杂曲面的测量效率。
-
公开(公告)号：CN113436237B
公开(公告)日：2021-12-21
申请号：CN202110987333.8
申请日：2021-08-26
Applicant: 之江实验室
Abstract: 本发明涉及一种基于高斯过程迁移学习的复杂曲面高效测量系统，主要针对形貌随机复杂的2.5D连续曲面，由于训练数据集和测试数据存在的分布上的差异，利用高斯过程在低维隐空间对测试数据进行操作，使其分布逼近训练数据集，该系统包括点云自适应采样模块、曲面配准和稀疏误差重建模块、误差像素化和归一化模块、编码器模块、高斯过程处理模块、解码器模块、解归一化模块、点云空间映射模块，最终将稀疏的点云数据进行增强得到高质量高密度的点云数据。该系统针对接触式形貌测量传感器测量效率较低的问题，通过结合高斯过程和基于深度学习的超分辨技术，完成对稀疏测量数据的高精度加密，具有测量效率高、点云上采样精度高和曲面细节还原性高的优点。
-
公开(公告)号：CN112507997B
公开(公告)日：2021-05-11
申请号：CN202110170037.9
申请日：2021-02-08
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多尺度卷积和感受野特征融合的人脸超分辨系统，该系统包括依次连接的粗超分辨率模块、粗上采样模块、第一多尺度卷积模块、高低频增强模块、精超分辨率模块、精上采样模块、第三度尺度卷积模块、图像增强模块和对抗网络；人脸关键点提取网络和高低频增强模块分别与融合模块连接，所述融合模块、粗超分辨率模块分别与精超分辨率模块连接。该系统适用于人脸的增强，尤其是小分辨率的人脸，通过高低频特征交互增强和人脸先验知识的利用，具有放大倍数高，高频细节还原度高的特点；采用感受野模块有助于提取细节特征并降低计算复杂度。
-
Patent Agency Ranking
公开(公告)号：CN112581626A
公开(公告)日：2021-03-30
申请号：CN202110198676.6
申请日：2021-02-23
Applicant: 之江实验室
Abstract: 本发明公开了一种基于非参数化和多注意力机制的复杂曲面测量系统，主要针对形貌随机复杂的2.5D连续曲面，该系统包括依次连接的基于被测对象几何形状的曲面特定核函数设计模块、高斯过程（GP）点云自适应采样模块、曲面配准和稀疏误差重建模块、像素化和归一化模块、多尺度多注意力超分辨模块、解归一化模块、点云空间映射模块，最终将稀疏的点云数据进行增强得到高质量高密度的点云数据。该系统针对接触式形貌测量传感器测量效率较低的问题，通过结合高斯过程和多注意力机制的超分辨技术，利用较少的测量点即可以完成对连续复杂的2.5D曲面的高精度测量和重建，具有测量效率高、点云上采样精度高和曲面细节还原性高的优点。
-
公开(公告)号：CN111768342B
公开(公告)日：2020-12-01
申请号：CN202010915168.0
申请日：2020-09-03
Applicant: 之江实验室
Abstract: 本发明涉及一种基于注意力机制和多级反馈监督的人脸超分辨方法，采用两个阶段学习极低分辨率的人脸图像到高分辨率图像的映射，并且学习一个额外的反馈回归映射，估计下采样核并重建低分辨率图像，形成一个闭环来提供额外的监督。首先利用残差网络和通道注意力机制对原始图像进行特征提取，利用亚像素卷积进行上采样，得到质量较好的图像并进行反馈监督，然后输入到精细超分辨网络中得到目标高分辨图像，并对其提取人脸五官解析图，将解析图和主网络图像特征融合后送到一个精细的超分辨解码器来恢复高分辨图像，并进行反馈监督。本发明针对原始图片无法提取较好的人脸几何形状，采用两级超分辨网络和反馈回归映射进一步增强人脸特征。
-
公开(公告)号：CN111768342A
公开(公告)日：2020-10-13
申请号：CN202010915168.0
申请日：2020-09-03
Applicant: 之江实验室
Abstract: 本发明涉及一种基于注意力机制和多级反馈监督的人脸超分辨方法，采用两个阶段学习极低分辨率的人脸图像到高分辨率图像的映射，并且学习一个额外的反馈回归映射，估计下采样核并重建低分辨率图像，形成一个闭环来提供额外的监督。首先利用残差网络和通道注意力机制对原始图像进行特征提取，利用亚像素卷积进行上采样，得到质量较好的图像并进行反馈监督，然后输入到精细超分辨网络中得到目标高分辨图像，并对其提取人脸五官解析图，将解析图和主网络图像特征融合后送到一个精细的超分辨解码器来恢复高分辨图像，并进行反馈监督。本发明针对原始图片无法提取较好的人脸几何形状，采用两级超分辨网络和反馈回归映射进一步增强人脸特征。
-
-
公开(公告)号：CN117011316A
公开(公告)日：2023-11-07
申请号：CN202311278665.4
申请日：2023-10-07
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
Abstract: 一种基于CT图像的大豆茎秆内部结构辨识方法和系统，该方法包括：步骤一，将大豆盆栽放入植物CT采集设备，利用micro‑CT设备对大豆植株进行从上而下的扫描，得到采集的大豆茎秆CT图像数据；步骤二，对采集的CT图像数据集进行数据增强，引入扩散模型对数据进行超分辨处理，获取更丰富的组织细节信息；步骤三，对CT图像进行分割，得到大豆茎秆内部的组织结构的分割图；步骤四，根据分割结果进行体积重建，获得网格化数据，获得分割区域的体积、表面积等参数。本发明利用CT技术对大豆全生命周期的茎秆内部组织进行捕获，避免了传统破坏式捕获大豆植株内部信息，能有效提升大豆植株茎秆内部结构辨识的细粒度，实现精准精细的表型识别。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.023 seconds)
