-
公开(公告)号：CN108364302A
公开(公告)日：2018-08-03
申请号：CN201810096334.1
申请日：2018-01-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种无标记的增强现实多目标注册跟踪方法，包括：1)离线阶段：通过分层k-means聚类出词汇树模型，并为词汇树所有叶子节点的倒排索引注册对应的图像id，最后根据整棵树的叶子结点出现的频数和总共的待注册图像数更新为一棵带tf-idf的词汇树；2)在线阶段：在线阶段是一个实时响应的系统，对摄像头实时输入的图像，根据训练好的词汇树，检索出最相似的图像，随后通过相机的位姿估计计算出待加载的3D物体初始位姿，并采用KLT的跟踪算法对此目标的运动进行跟踪，最后通过渲染线程搭建各目标的增强现实场景。本发明为无标记的多目标增强现实提供了高效、可靠的解决方案。
-
公开(公告)号：CN108345661A
公开(公告)日：2018-07-31
申请号：CN201810096348.3
申请日：2018-01-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于大规模Embedding技术的Wi-Fi聚类方法及系统，主要是通过将用户对Wi-Fi的连接行为按时间序列化，在经过滑动窗口的进行加窗处理以及负采样后，得到一组Local Context和Global Context，输入到一个三层神经网络中，来预测滑动窗口下一个Wi-Fi出现的概率，而输入层到隐藏层之间的权值矩阵则为Wi-Fi的Embedding向量，该向量能有效的表征Wi-Fi的特点；再利用该Embedding向量作为特征采用传统的聚类算法进行聚类，可得到较好的聚类效果。本发明可充分学习到每个Wi-Fi的一个唯一的向量表达，使相同场景下的Wi-Fi能得到相近的向量表达；能使模型较快得到收敛，对大规模的数据训练和测试在性能上有较大提高。
-
公开(公告)号：CN108364302B
公开(公告)日：2020-09-22
申请号：CN201810096334.1
申请日：2018-01-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种无标记的增强现实多目标注册跟踪方法，包括：1)离线阶段：通过分层k‑means聚类出词汇树模型，并为词汇树所有叶子节点的倒排索引注册对应的图像id，最后根据整棵树的叶子结点出现的频数和总共的待注册图像数更新为一棵带tf‑idf的词汇树；2)在线阶段：在线阶段是一个实时响应的系统，对摄像头实时输入的图像，根据训练好的词汇树，检索出最相似的图像，随后通过相机的位姿估计计算出待加载的3D物体初始位姿，并采用KLT的跟踪算法对此目标的运动进行跟踪，最后通过渲染线程搭建各目标的增强现实场景。本发明为无标记的多目标增强现实提供了高效、可靠的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN108345661B
公开(公告)日：2020-04-28
申请号：CN201810096348.3
申请日：2018-01-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于大规模Embedding技术的Wi‑Fi聚类方法及系统，主要是通过将用户对Wi‑Fi的连接行为按时间序列化，在经过滑动窗口的进行加窗处理以及负采样后，得到一组Local Context和Global Context，输入到一个三层神经网络中，来预测滑动窗口下一个Wi‑Fi出现的概率，而输入层到隐藏层之间的权值矩阵则为Wi‑Fi的Embedding向量，该向量能有效的表征Wi‑Fi的特点；再利用该Embedding向量作为特征采用传统的聚类算法进行聚类，可得到较好的聚类效果。本发明可充分学习到每个Wi‑Fi的一个唯一的向量表达，使相同场景下的Wi‑Fi能得到相近的向量表达；能使模型较快得到收敛，对大规模的数据训练和测试在性能上有较大提高。
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
