-
公开(公告)号：CN111340930A
公开(公告)日：2020-06-26
申请号：CN202010155747.X
申请日：2020-03-09
Applicant: 北京工业大学
Abstract: 一种融合多尺度邻域信息的三维几何模型形状映射方法，通过以下技术方案实现。输入为源形状和目标形状的网格模型。首先分别提取源形状和目标形状的拉普拉斯矩阵的特征向量作为特征函数。接下来对三维模型的顶点提取邻域特征。在多个尺度的邻域范围内，可以得到多个不同的邻域特征，并使用求解得到不同尺度下的基函数空间下的映射矩阵，然后进行融合。最后还原得到源形状与目标形状的点对点映射关系。相比于现有技术，本发明首先使对顶点提取邻域特征，邻域特征对形状间的非刚体映射有更强的鲁棒性。形状映射过程中，能够有效保持局部不变性。其次，本发明能够对不同尺度的邻域信息进行融合，使得不同尺度的特征进行互补。
-
公开(公告)号：CN110930370A
公开(公告)日：2020-03-27
申请号：CN201911065268.2
申请日：2019-11-04
Applicant: 北京工业大学
IPC: G06T7/00
Abstract: 一种全景图像质量评估方法，通过将无压缩的全景图和对应压缩后的全景图经过scharr滤波器滤波后获得单个像素计算的视觉得分，通过多尺度融合来评估不同尺度下输入图像的质量，针对全景图的观看模式，采用尺度自适应方案，用注意力图机制v(t)控制是否使用注意力权重W(r)进行细节感知，可以模拟实现人眼观看全景图像的不同维度时会分配不同的注意力，以及人眼在观看图像时对全局和细节的特征把握，提高了模型客观评估结果与主观结果的一致性。
-
公开(公告)号：CN110751153A
公开(公告)日：2020-02-04
申请号：CN201910886599.6
申请日：2019-09-19
Applicant: 北京工业大学
Abstract: 一种室内场景RGB-D图像的语义标注方法，其能够使室内场景语义标注方法中感受野不局限于超像素，构建超像素组的语义特征表示并进一步基于度量学习对超像素组特征进行优化，从而提高室内场景理解的准确率。该语义标注方法，包括：(1)采用gPb/UCM算法对RGB-D室内场景图像进行超像素分割；(2)超像素特征提取：执行Patch特征计算、超像素特征表示；(3)超像素组特征提取：执行实例超像素组及其特征提取、类超像素组及其特征提取；(4)超像素组特征向量化：定义高斯分量之间的常数距离、执行实例超像素组特征向量化、执行类超像素组特征向量化；(5)度量学习：学习优化矩阵L、基于优化矩阵L标注测试样本。
-
公开(公告)号：CN110544297A
公开(公告)日：2019-12-06
申请号：CN201910722716.5
申请日：2019-08-06
Applicant: 北京工业大学
Abstract: 公开一种单幅图像的三维模型重建方法，其不需要人工设计复杂的特征算法，避免了复杂的相机校准及精细的流程设计，并具备了通过学习所见拓展所知，重建所未知的能力；改进了预测不完整、噪声多，训练时间长的问题；不仅能够准确地重建图像，同时还能避免噪声的引入。该方法包括：(1)输入深度图像；(2)转换为2.5D体素网格；(3)在生成器部分，首先将输入的单幅深度图像编码为一个潜在向量，然后利用注意力机制学习一个基于注意力的潜在向量，再将注意力的潜在变量解码生成3D重建形状；(4)在判别器部分，在3D重建形状上实施重构判别器，在可见部分形状上实施掩模判别器。
-
公开(公告)号：CN110084136A
公开(公告)日：2019-08-02
申请号：CN201910268242.1
申请日：2019-04-04
Applicant: 北京工业大学
Abstract: 公开一种基于超像素CRF模型的上下文优化室内场景语义标注方法，其可有效提高语义标注正确率，可以进一步改善标注的情况。该方法包括以下步骤：(1)输入待标注的彩色图像RGB和深度图像D；(2)对图像进行超像素分割；(3)对图像进行超像素特征提取；(4)使用超像素特征进行分类得到基于超像素特征的语义标注结果；(5)根据语义标注结果和多层次超像素分割得到的超像素空间上下文关系构建超像素CRF模型；(6)得到优化的语义标注结果。
-
Patent Agency Ranking
公开(公告)号：CN109993825A
公开(公告)日：2019-07-09
申请号：CN201910179121.X
申请日：2019-03-11
Applicant: 北京工业大学
Abstract: 公开一种基于深度学习的三维重建方法，该方法包括：(1)将输入图像被约束的潜在向量重建出目标完整三维形状，学习部分和完整三维形状之间的映射，然后实现单幅深度图像的三维重建；(2)学习三维真实对象与重建对象之间的中间特征表示，从而获得步骤(1)中的目标潜在变量；(3)利用极限学习机将步骤(1)中预测的体素浮动值变换为二进制值，完成高精度重建。
-
公开(公告)号：CN109858546A
公开(公告)日：2019-06-07
申请号：CN201910081619.2
申请日：2019-01-28
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 公开一种基于稀疏表示的图像识别方法，其能够通过自适应地选择训练样本进行多轮训练，学习多个字典，每个字典有针对性地学习其他字典表示精度欠佳的样本，每个字典对应一个有针对性的弱分类器，对多个弱分类器的分类结果进行加权组合，提升传统稀疏表示应用于分类问题的识别精度。该方法包括以下步骤：(1)基于自适应增强字典学习过程学习多个字典及相应的弱分类器，并计算分类器权值系数；(2)基于步骤(1)学习的多个字典计算待分类数据的稀疏表示向量，再利用相应的弱分类器进行分类，加权组合各弱分类器识别结果而得到最终识别结果。
-
公开(公告)号：CN108520250A
公开(公告)日：2018-09-11
申请号：CN201810352496.7
申请日：2018-04-19
Applicant: 北京工业大学
Abstract: 本发明公开一种人体运动序列关键帧提取的方法，对给定的人体运动序列，首先计算每一帧各关节点与其它关节点的位置偏移矢量作为相应关节点的特征，然后，根据人体运动先验知识以关节点组合的形式定义关节点团，由关节点团的特征组合实现运动帧的特征表示，同时定义基于关节点团特征表示的人体运动帧间相似度度量模型；最后，在此模型基础上使用仿射传播的聚类算法实现数据自适应的人体运动序列关键帧提取。
-
-
公开(公告)号：CN105184767B
公开(公告)日：2018-04-06
申请号：CN201510434511.9
申请日：2015-07-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种人体姿态相似性度量方法，该方法采用分层的人体姿态度量方式，姿态的主相似性优先于细节相似性，更符合人类的主观判别结果，使得计算效率更高、准确度更高。这种人体姿态相似性度量方法，包括步骤：(1)根据公式(2)马氏距离的距离度量模型；(2)构建人体特征向量，对于每一个人体姿态取相邻关节点的方向向量作为组成特征向量的数据；(3)构建融合主姿态特征和细节特征的稀疏表示的姿态距离度量模型；(4)得到最终表达式(9)，再采用序列二次规划算法进行优化求解。
-
-
-
-
-
-
-
-
-
Search Results
149
records
(took 0.03 seconds)
