公开(公告)号：CN114926319A

公开(公告)日：2022-08-19

申请号：CN202210673432.3

申请日：2022-06-14

Applicant: 厦门大学

Inventor： 纪荣嵘 ,  周勤勤 ,  盛柯恺 ,  郑侠武 ,  李珂

IPC: G06T1/20 ,  G06N3/08 ,  G06N3/04

Abstract: 一种无训练Transformer结构搜索方法，涉及计算机视觉。在给定的ViT搜索空间中随机采样子模型结构作为基础结构集合，并对采样到的基础结构集合中的MSA和MLP模块进行模块化分析；依据MSA突触多样性评分和MLP突触显著性评分，计算基础结构集合中的各ViT模型结构的绩效指标TF‑indicator；将绩效指标TF‑indicator作为评估相应的ViT模型的代理分数，选取代理分数最高的模型结构交叉和变异，得新的子模型结构更新基础结构集合；循环迭代，选取基础结构集合代理分数最高的模型结构作为最终搜索结果。平衡搜索效率和搜索结果，提高TAS搜索效率，寻找相对最优ViT结构只需0.5个GPU天。

公开(公告)号：CN110335299A

公开(公告)日：2019-10-15

申请号：CN201910349584.6

申请日：2019-04-28

Applicant: 厦门大学

Inventor： 纪荣嵘 ,  郭锋 ,  李珂

IPC: G06T7/50

Abstract: 一种基于对抗网络的单目深度估计系统实现方法，涉及单目图像深度估计。包括训练阶段和测试，所述训练阶段的具体步骤为：收集用于训练的RGB图像集和前n张图像对应的深度图像集合；根据设计的网络结构初始化生成器网络参数θG和两个判别器网络的参数θPD,θDD；设置训练的迭代次数；所述测试阶段的具体步骤为：导入训练好的生成器网络权重；将一张图像作为输入传递给生成器网络；使用导入的网络权重对输入图像进行计算，网络输出输入图像中每个像素点对应的深度值信息。打破了主动深度感知硬件深度空洞和深度稀疏的瓶颈，并且保持了比较高的深度恢复精度，对场景重建、无人驾驶、增强现实等领域都有着重要的实用价值和意义。

公开(公告)号：CN110335299B

公开(公告)日：2021-08-13

申请号：CN201910349584.6

申请日：2019-04-28

Applicant: 厦门大学

Inventor： 纪荣嵘 ,  郭锋 ,  李珂

IPC: G06T7/50

Abstract: 一种基于对抗网络的单目深度估计系统实现方法，涉及单目图像深度估计。包括训练阶段和测试，所述训练阶段的具体步骤为：收集用于训练的RGB图像集和前n张图像对应的深度图像集合；根据设计的网络结构初始化生成器网络参数θG和两个判别器网络的参数θPD,θDD；设置训练的迭代次数；所述测试阶段的具体步骤为：导入训练好的生成器网络权重；将一张图像作为输入传递给生成器网络；使用导入的网络权重对输入图像进行计算，网络输出输入图像中每个像素点对应的深度值信息。打破了主动深度感知硬件深度空洞和深度稀疏的瓶颈，并且保持了比较高的深度恢复精度，对场景重建、无人驾驶、增强现实等领域都有着重要的实用价值和意义。