一种基于空间通道注意力机制神经网络的图像匹配方法

    公开(公告)号:CN112489098B

    公开(公告)日:2024-04-09

    申请号:CN202011461803.9

    申请日:2020-12-09

    Abstract: 本发明涉及一种基于空间通道注意力机制神经网络的图像匹配方法。该方法包括步骤:步骤1:根据SIFT方法得到初始匹配集合c;步骤2:通过改进的OANet网络对输入数据进行处理从而得到匹配对为正确匹配的概率;步骤3:对步骤2得到的结果通过加权8点算法进行计算得到本质矩阵;步骤4,根据本质矩阵信息得到准确的相机姿态(旋转和平移)。本发明的网络能够有效地剔除异常值(离群点),同时估计成图像对的相机姿态。本发明的一种基于空间通道注意力机制神经网络的图像匹配方法在mAP5°方法取得很大的提升。

    一种基于向量的SIFT点集平滑匹配方法

    公开(公告)号:CN110147801B

    公开(公告)日:2023-05-12

    申请号:CN201910461320.X

    申请日:2019-05-30

    Abstract: 本发明涉及一种基于向量的SIFT点集平滑匹配方法。该方法包括:对待匹配的图片进行预处理,提取图片的SIFT特征点构造两个点集;利用开源库初步计算两个点集之间可能存在的关系,通过连接两个点集的特征点对构成向量,用来表示点集映射关系;计算特征点对之间匹配情况的最大后验概率,利用高斯核函数构造正则化项,通过对应关系和正则化项构造能量函数;通过EM算法迭代计算,在第一步中,利用现有的特征点匹配关系估计值,更新其最大后验概率值;在第二步中,根据在第一步中求得的对应关系最大后验概率值,最大化能量函数,从而更新对应关系的估计值;重复迭代进行上述两步,从而得到最佳对应关系,即两个点集正确匹配结果。

    一种基于深度学习和TFIDF算法的文本情感分析方法

    公开(公告)号:CN111767741B

    公开(公告)日:2023-04-07

    申请号:CN202010617921.8

    申请日:2020-06-30

    Abstract: 本发明涉及一种基于深度学习结合TFIDF算法的文本情感分析方法,将获取的中文语料及维基百科的中文语料进行文本预处理后,使用word2vec模型分别进行训练,然后结合两者训练的得到的词向量,作为深度学习训练模型的输入,然后进行情感分析模型的构建;最后,进行新语料的预测。本发明无需进行复杂的词典构建,减少了人工成本,避免了繁琐的特征工程构建对分类结果的影响,同时将深度学习模型中学习的特征结合了传统的语义信息,增加了分类的准确性。此外,在词向量的训练中将文本自身领域与维基百科的中文语料纳入考虑,提高了词向量对文本语义信息表达的准确性。

    一种基于联合表示注意力机制的深度学习图像匹配方法

    公开(公告)号:CN114398972A

    公开(公告)日:2022-04-26

    申请号:CN202210018929.1

    申请日:2022-01-07

    Abstract: 本发明涉及一种基于联合表示注意力机制的深度学习图像匹配方法。包括以下步骤:步骤1、使用SIFT算法和NN匹配算法建立初始匹配集;步骤2、利用改进的网络JRA‑Net进行误匹配剔除,得到匹配为内点的概率集;步骤3、将步骤2输出的概率集视为权重集,利用加权8点算法估计本质矩阵;步骤4、通过本质矩阵回归准确的相对姿态(旋转和平移)。本方法通过联合表示注意力机制的相关理论知识以及在室内外公开数据集上的大量实验说明了本方法具有高精度,高效率和高鲁棒性的特点,可广泛应用于三维重建,遥感图像拼接、即时定位与地图构建等计算机视觉任务中。

    基于SDN的IPv4及IPv6的管理系统及方法

    公开(公告)号:CN112491724A

    公开(公告)日:2021-03-12

    申请号:CN202011427051.4

    申请日:2020-12-09

    Abstract: 本发明涉及基于SDN的IPv4及IPv6的管理系统及方法。所述系统包含SDN控制器和SDN交换机,所述SDN控制器具有openflow‑suit模块、主动路由模块、被动路由模块、意图网络模块;其中,openflow‑suit模块使得SDN控制器可以跟SDN交换机进行通信及对其进行配置;主动路由模块对穿越SDN网络的数据流进行处理;被动路由模块对SDN部的网络流量以及其他流量,如外部网络访问SDN内部网络的流量进行处理。意图网络模块为主动路由模块以及被动路由模块提供流表管理服务。所述SDN交换机接收到控制器下发的流表后,对命中流表匹配域的数据执行对应流表规定的操作。

    3D题库中实现选项与试题对应关系序列的方法

    公开(公告)号:CN106448311B

    公开(公告)日:2020-03-17

    申请号:CN201610828677.3

    申请日:2016-09-19

    Abstract: 本发明涉及一种3D题库中实现选项与试题对应关系序列的方法,提供n个用于表征不同类题库的菜单项;菜单项包括n个通过预制件对应进行预设的题库;预制件与题库一一对应;预制件包括题目内容信息、选项内容信息以及操作选项信息;选项内容信息包括选项序列号、选项图标以及选项内容;根据题目内容信息,通过数组存储该题目内容信息对应的正确选项内容信息的选项序列号;用户在进行选择操作时,根据用户选择的菜单项,加载对应的预制件;根据数组存储的内容,通过布尔型函数对用户的选择操作进行判断,将判断结果返回至预制件,重新加载选项图标提示用户选择结果。本发明所提出的方法,优化了系统表达方式,减少了预制件的数量,提高了系统性能。

Patent Agency Ranking