-
公开(公告)号：CN116843693A
公开(公告)日：2023-10-03
申请号：CN202211664071.2
申请日：2022-12-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种面向无人机采集点云数据的树木枝干骨架提取方法，包括：S1，获取无人机采集的树木枝干点云数据；S2，对树木枝干点云数据进行预处理，预处理包括点云去噪和提升树木枝干点云密度；S3，基于八叉树算法对集聚后的点云进行空间划分，在划分的子空间中对经过数据预处理的点云数据提取枝干骨架点；S4，基于所提取的骨架点使用球状收缩的骨架拓扑连接方式构建树木枝干的粗骨架并进行精细化调整；S5，对精细化调整后的粗骨架进行曲线平滑，优化粗骨架的三维形态，从而获得精细骨架作为最终的树木枝干骨架。还公开了对应的模型构建系统、电子设备以及计算机可读存储介质。
-
Patent Agency Ranking
公开(公告)号：CN116168392A
公开(公告)日：2023-05-26
申请号：CN202211697161.1
申请日：2022-12-28
Applicant: 北京工业大学
IPC: G06V20/70 , G06V20/17 , G06V20/10 , G06V10/422 , G06V10/46 , G06V10/54 , G06V10/56 , G06V10/762 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于多维空间特征模型最佳源域的目标标注方法，包括：S1，获取不同类别的目标域前景图像；S2，基于不同类别的目标域前景图像进行多维空间特征定量化分析并基于定量化分析后的多维空间特征构建跨类别共性描述模型；基于跨类别共性描述模型获得目标的最佳源域；S3，基于目标的最佳源域进行目标标注。本发明还公开了对应的系统、电子设备以及计算机可读存储介质。本发明建立了一种泛化性更高、域适应性更强，而且能够满足不同类别果实数据集的自动标注方法；能够自动获得目标域目标的标签，从而应用到下游的智慧农业项目中；并且大大减少了人工标注目标框时所产生的费用成本和时间成本。
-
公开(公告)号：CN113723190A
公开(公告)日：2021-11-30
申请号：CN202110861330.X
申请日：2021-07-29
Applicant: 北京工业大学
Abstract: 本发明公开了一种面向同步移动目标的多目标跟踪方法，应用目标检测算法检测图像中所要跟踪的目标，得到所要跟踪目标的检测框；然后将所要跟踪目标的检测框信息输入到基于位移相似性的多目标跟踪算法中进行目标匹配关联：首先利用滤波器方法对目标的运动轨迹进行预测与更新；然后对得到的轨迹和当前帧检测框利用目标的运动状态和IoU代价矩阵进行初次关联匹配；最后，对于初次关联匹配结果中未匹配的跟踪目标，基于位移相似性特点计算其在当前帧的位置信息。以引入目标表观特征增强跟踪器的性能，充分利用到多目标之间的运动位移相似性特点，当出现跟踪目标被遮挡或无法在连续帧被检测的情况时，避免了产生跟踪ID变换问题，因此适用于同步运动场景。
-
公开(公告)号：CN113378830A
公开(公告)日：2021-09-10
申请号：CN202110488161.X
申请日：2021-05-06
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于域适应的可自主学习数据标签生成方法，合源域数据集标签数据构建已标注中间域合成数据集；利用已标注中间域合成数据集训练目标检测网络，并输入无标注目标域数据集中图像数据获取对应的图像检测框结果；对当前目标检测网络置信度阈值参数值进行动态更新操作，对检测框结果进行噪声滤除、循环更新操作，将检测框结果转换为图像标签数据格式。输出图像标签数据，并结合相应的目标域图像数据构建已标注目标域数据集，实现目标域数据集的自动标注功能。本发明应用于多种不同目标场景或者类别的数据集自动标注工作，从而无需对不同应用场景下的图像数据集重新进行大量的人工数据集标注工作，节约劳动力成本并提高工作效率。
-
公开(公告)号：CN113378830B
公开(公告)日：2024-05-28
申请号：CN202110488161.X
申请日：2021-05-06
Applicant: 北京工业大学
IPC: G06V10/25 , G06V10/30 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/045
Abstract: 本发明公开了一种基于域适应的可自主学习数据标签生成方法，合源域数据集标签数据构建已标注中间域合成数据集；利用已标注中间域合成数据集训练目标检测网络，并输入无标注目标域数据集中图像数据获取对应的图像检测框结果；对当前目标检测网络置信度阈值参数值进行动态更新操作，对检测框结果进行噪声滤除、循环更新操作，将检测框结果转换为图像标签数据格式。输出图像标签数据，并结合相应的目标域图像数据构建已标注目标域数据集，实现目标域数据集的自动标注功能。本发明应用于多种不同目标场景或者类别的数据集自动标注工作，从而无需对不同应用场景下的图像数据集重新进行大量的人工数据集标注工作，节约劳动力成本并提高工作效率。
-
公开(公告)号：CN116778223A
公开(公告)日：2023-09-19
申请号：CN202310505349.X
申请日：2023-05-06
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/56 , G06V10/54 , G06V10/20 , G06V10/22 , G06V10/762 , G06V10/74 , G06N3/0475 , G06N3/094 , G06N3/088
Abstract: 本发明公开了一种基于零标注的多类别目标域数据集标注方法，包括：获取不同类别的目标域前景图像；基于不同类别的目标域前景图像进行多维空间特征定量化分析并基于分析后的多维空间特征构建跨类别共性描述模型；基于跨类别共性描述模型获得目标的最佳源域；对获得最佳源域的图像进行转换；基于转换后的图像构建目标域合成数据集；基于目标域合成数据集生成目标域标签，并基于目标域合成数据集及目标域标签训练检测模型；基于目标域标签训练检测模型进行目标标注获得已标注的目标域数据集。本发明还公开了系统、电子设备及计算机可读存储介质，无需人工成本的标注即可实现深度学习模型训练。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
