公开(公告)号：CN108734182B

公开(公告)日：2022-04-05

申请号：CN201810604352.6

申请日：2018-06-13

Applicant: 大连海事大学

Inventor： 李楠楠 ,  王胜法 ,  栗志扬 ,  蒋波

IPC: G06V10/40 ,  G06V10/776 ,  G06K9/62

Abstract: 本发明公开了一种基于小数据样本学习的兴趣特征识别检测方法，包括：S1‑1建立特征空间：在三维模型上进行兴趣特征的定义与描述；S1‑2建立度量空间：利用自适应偏微分方程引导的扩散方法和子模优化方法进行小数据样本驱动的兴趣特征分析和提取；S1‑3利用S1‑2的结果进行三维模型上的兴趣特征识别和检测。通过设计灵活方便的兴趣特征定义方式，拓展了传统三维模型上特征的形式，为模型的局部和全局分析与描述建立了纽带。通过将兴趣特征检测转化为全局图上的扩散，减小了特征分析所需的成本与代价，可推动相关的三维模型处理与应用。

公开(公告)号：CN108734182A

公开(公告)日：2018-11-02

申请号：CN201810604352.6

申请日：2018-06-13

Applicant: 大连海事大学

Inventor： 李楠楠 ,  王胜法 ,  栗志扬 ,  蒋波

IPC: G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种基于小数据样本学习的兴趣特征识别检测方法，包括：S1-1建立特征空间：在三维模型上进行兴趣特征的定义与描述；S1-2建立度量空间：利用自适应偏微分方程引导的扩散方法和子模优化方法进行小数据样本驱动的兴趣特征分析和提取；S1-3利用S1-2的结果进行三维模型上的兴趣特征识别和检测。通过设计灵活方便的兴趣特征定义方式，拓展了传统三维模型上特征的形式，为模型的局部和全局分析与描述建立了纽带。通过将兴趣特征检测转化为全局图上的扩散，减小了特征分析所需的成本与代价，可推动相关的三维模型处理与应用。