-
公开(公告)号：CN110378047A
公开(公告)日：2019-10-25
申请号：CN201910673638.4
申请日：2019-07-24
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种基于计算机视觉的大跨度桥梁拓扑感知三维重建方法，属于土木工程健康监测与防灾减灾领域。该方法解决了现有技术在大跨度桥梁的自动化基于图像三维重建失效，仍需要人工建模和人工干预的问题。本发明通过建立大跨度桥梁的CAD数据集和基于计算机视觉和深度学习的三维重建网络，该网络能够从多视角渲染图像和三维点云中学习大跨度桥梁的参数化三维模型；然后利用建立的数据集对所述三维重建网络进行训练，得到训练好的模型，训练过程中使用多约束损失函数；最后将待重建桥梁的图像和点云输入到步骤三中所述训练所好的模型，得到参数化三维重建结果。本发明适用于土木工程健康监测以及防灾减灾。
-
公开(公告)号：CN112784909B
公开(公告)日：2021-09-28
申请号：CN202110119391.9
申请日：2021-01-28
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于自注意力机制和自适应子网络的图像分类识别方法，该方法包括：构建初始图像分类识别的神经元计算模型；利用自注意力机制使上述模型的每层神经元将注意力集中在预设图像的感兴趣区域，并提取出感兴趣区域的注意力比例系数；利用自适应子网络使上述模型的单个神经元学习非线性表达能力，以提取预设图像的高层级特征；通过设置注意力比例系数、非线性表达能力中子网络层数和子网络结点数量控制图像分类识别过程中的计算量，在获得高准确率图像分类识别结果的同时控制计算成本。该方法具备复杂非线性表达能力的难题，同时在复杂应用场景下可以实现注意力集中、局部网络加深和加宽的效果，从而提升网络的表达能力和识别准确度。
-
公开(公告)号：CN112784909A
公开(公告)日：2021-05-11
申请号：CN202110119391.9
申请日：2021-01-28
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于自注意力机制和自适应子网络的图像分类识别方法，该方法包括：构建初始图像分类识别的神经元计算模型；利用自注意力机制使上述模型的每层神经元将注意力集中在预设图像的感兴趣区域，并提取出感兴趣区域的注意力比例系数；利用自适应子网络使上述模型的单个神经元学习非线性表达能力，以提取预设图像的高层级特征；通过设置注意力比例系数、非线性表达能力中子网络层数和子网络结点数量控制图像分类识别过程中的计算量，在获得高准确率图像分类识别结果的同时控制计算成本。该方法具备复杂非线性表达能力的难题，同时在复杂应用场景下可以实现注意力集中、局部网络加深和加宽的效果，从而提升网络的表达能力和识别准确度。
-
-
Search Results
3
records
(took 0.018 seconds)
