-
Patent Agency Ranking
公开(公告)号：CN109472819B
公开(公告)日：2021-12-28
申请号：CN201811038173.7
申请日：2018-09-06
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于级联几何上下文神经网络的双目视差估计方法；本发明设计了一种新的级联卷积神经网络Cascaded GCNet(CGCNet)，该网络主要通过改进GCNet,通过将3d卷积和原有的2d卷积操作结合，得到了较好的视差图特征表述，有利于后续网络训练；并且利用RefineNet对GCnet网络输出的粗糙视差图进行优化，迭代求精，提高了视差图的预测精度；RefineNet优化过程中，利用难例挖掘使得网络模型专注于难得样本学习，以此提高本网络对于不同复杂度图像对的视差估计精度。
-
公开(公告)号：CN109472819A
公开(公告)日：2019-03-15
申请号：CN201811038173.7
申请日：2018-09-06
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于级联几何上下文神经网络的双目视差估计方法；本发明设计了一种新的级联卷积神经网络Cascaded GCNet(CGCNet)，该网络主要通过改进GCNet,通过将3d卷积和原有的2d卷积操作结合，得到了较好的视差图特征表述，有利于后续网络训练；并且利用RefineNet对GCnet网络输出的粗糙视差图进行优化，迭代求精，提高了视差图的预测精度；RefineNet优化过程中，利用难例挖掘使得网络模型专注于难得样本学习，以此提高本网络对于不同复杂度图像对的视差估计精度。
-
公开(公告)号：CN109241321A
公开(公告)日：2019-01-18
申请号：CN201810797133.4
申请日：2018-07-19
Applicant: 杭州电子科技大学
IPC: G06F16/532 , G06K9/46
Abstract: 本发明公开了一种基于深度领域适应的图像和模型联合分析方法，该方法具体包括数据预处理，通过深度领域适应算法进行特征抽取和进行特征表示融合；本发明能支持不同形式的跨模态数据检索，即以图像来检索三维模型，和以三维模型来检索图像。另外，在支持基于语义的数据检索，例如基于语义的图像检索，基于语义的三维模型检索。在公开数据集上的实验证明该方法具有很高的准确性。
-
公开(公告)号：CN109191511A
公开(公告)日：2019-01-11
申请号：CN201810842268.8
申请日：2018-07-27
Applicant: 杭州电子科技大学
IPC: G06T7/55
Abstract: 本发明提出了一种基于卷积神经网络的双目立体匹配方法，通过改进现有的用于视差估计的DispNet网络模型，利用亚像素卷积来替代原本网络模型中的上采样层。相比于原上采样操作在较高的分辨率图像上进行，亚像素卷积直接在低分辨率图像上进行卷积计算，这不仅提高了计算效率，对于整个网络而言则加快了匹配速度，同时它还提高了网络模型的良好性能，增加了丰富的细节信息，解决了病态区域无法正确匹配的问题。
-
公开(公告)号：CN109191511B
公开(公告)日：2021-04-13
申请号：CN201810842268.8
申请日：2018-07-27
Applicant: 杭州电子科技大学
IPC: G06T7/55
Abstract: 本发明提出了一种基于卷积神经网络的双目立体匹配方法，通过改进现有的用于视差估计的DispNet网络模型，利用亚像素卷积来替代原本网络模型中的上采样层。相比于原上采样操作在较高的分辨率图像上进行，亚像素卷积直接在低分辨率图像上进行卷积计算，这不仅提高了计算效率，对于整个网络而言则加快了匹配速度，同时它还提高了网络模型的良好性能，增加了丰富的细节信息，解决了病态区域无法正确匹配的问题。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
