公开(公告)号：CN112232885A

公开(公告)日：2021-01-15

申请号：CN202011181801.4

申请日：2020-10-29

Applicant: 北京工商大学

Inventor： 熊海涛 ,  刘鑫

IPC: G06Q30/02 ,  G06Q30/06 ,  G06F16/29 ,  G06F16/951 ,  G06F16/9537 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多模态信息融合的仓租价格预测方法，该方法包括：(1)获取仓库结构化信息、仓库地理位置信息和仓库实景图像多模态信息；(2)数据预处理：对于结构化信息进行异常数据剔除、独热编码等处理；(3)对于地理位置信息进行K‑means聚类分析；(4)对于实景图像利用二阶段CNN(Two‑stage CNN)模型进行特征提取；(5)基于步骤1至4，构建包含结构化信息、地理位置信息、仓库实景图像的多模态信息的特征数据集，并利用XGBoost模型进行训练拟合，以获得仓租价格的预测。相比于传统的价格预测模型，通过使用单模态和多模态信息的对比试验可知，使用多模态信息融合的预测方式，更加有利于仓租价格的预测，本发明具有精确度高、泛化能力强的特点。

公开(公告)号：CN118840508A

公开(公告)日：2024-10-25

申请号：CN202411104990.3

申请日：2024-08-13

Applicant: 北京工商大学

Inventor： 吴晓群 ,  刘鑫

IPC: G06T17/20 ,  G06T15/55 ,  G06T15/06 ,  G06T5/70 ,  G06T5/60 ,  G06T7/73 ,  G06T7/90

Abstract: 本发明公开了一种基于法向引导的RGB‑D场景重建方法，针对输入的RGB图像、深度图、相机姿态等数据，重建出对应的三维场景网格模型。首先，选取公共数据集中某一场景，提取RGB图像及其对应的深度图像、相机姿态矩阵，根据RGB图像估计法向图；接着，将数据输入到深度学习网络中进行处理，得到预测的符号距离值、颜色值、深度值、法向值，与真值进行损失计算；之后，通过训练最小化损失函数，优化全局网络；最后，从训练好的截断符号距离函数中提取网格。与现有方法相比，我们的方法更聚焦于处理如何准确重建室内场景弱纹理区域的问题。该方法在虚拟现实、增强现实、电影动画等领域具有广泛应用前景。