-
公开(公告)号：CN101577015A
公开(公告)日：2009-11-11
申请号：CN200910086189.X
申请日：2009-06-08
Applicant: 北京理工大学
IPC: G06T17/50
Abstract: 本发明涉及一种基于多分辨率体元的动态地形建模方法，属于计算机图形学、虚拟现实技术领域。本发明在基于体元的动态地形建模方法的基础上，将活动地形块根据发生变化的剧烈程度细分为分辨率不一致的规则网格，并将体元变形量分配到相邻的且位于碰撞区域边界的体元上，最后采用腐蚀计算进行图像的平滑处理。与已有技术相比较，本发明方法能够在进行大规模动态地形建模时既突出地形边缘变化细节，又有效的简化了模型，满足了模型正确性和真实感的要求，达到了减轻系统负担的目的，具有地形模型动态、实时、高效生成，仿真系统可实时交互的效果。
-
公开(公告)号：CN109446923B
公开(公告)日：2021-09-24
申请号：CN201811176393.6
申请日：2018-10-10
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于训练特征融合的深度监督卷积神经网络行为识别方法，属于人工智能计算机视觉领域。本方法提取目标视频的多层卷积特征，设计局部演化池化层，利用局部演化池化层将视频卷积特征映射到一个包含时间信息的向量上，从而提取到目标视频的局部演化描述符；通过使用VLAD编码方法，将多个局部演化描述符编码成基于元动作的视频级表示；利用卷积网络多层级之间信息的互补性，将多层级分类结果集成得到最终分类结果。本发明充分利用时间信息构建视频级表示，有效提高了视频行为识别的准确率。同时，通过集成多层级的预测结果提高了网络中间层的判别性，从而提高了网络整体的性能。
-
公开(公告)号：CN101577015B
公开(公告)日：2012-05-16
申请号：CN200910086189.X
申请日：2009-06-08
Applicant: 北京理工大学
IPC: G06T17/05
Abstract: 本发明涉及一种基于多分辨率体元的动态地形建模方法，属于计算机图形学、虚拟现实技术领域。本发明在基于体元的动态地形建模方法的基础上，将活动地形块根据发生变化的剧烈程度细分为分辨率不一致的规则网格，并将体元变形量分配到相邻的且位于碰撞区域边界的体元上，最后采用腐蚀计算进行图像的平滑处理。与已有技术相比较，本发明方法能够在进行大规模动态地形建模时既突出地形边缘变化细节，又有效的简化了模型，满足了模型正确性和真实感的要求，达到了减轻系统负担的目的，具有地形模型动态、实时、高效生成，仿真系统可实时交互的效果。
-
公开(公告)号：CN109446923A
公开(公告)日：2019-03-08
申请号：CN201811176393.6
申请日：2018-10-10
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于训练特征融合的深度监督卷积神经网络行为识别方法，属于人工智能计算机视觉领域。本方法提取目标视频的多层卷积特征，设计局部演化池化层，利用局部演化池化层将视频卷积特征映射到一个包含时间信息的向量上，从而提取到目标视频的局部演化描述符；通过使用VLAD编码方法，将多个局部演化描述符编码成基于元动作的视频级表示；利用卷积网络多层级之间信息的互补性，将多层级分类结果集成得到最终分类结果。本发明充分利用时间信息构建视频级表示，有效提高了视频行为识别的准确率。同时，通过集成多层级的预测结果提高了网络中间层的判别性，从而提高了网络整体的性能。
-
-
-
Search Results
4
records
(took 0.021 seconds)
