-
公开(公告)号：CN115294563A
公开(公告)日：2022-11-04
申请号：CN202210863984.0
申请日：2022-07-21
Applicant: 武汉大学
Abstract: 本发明公开了一种基于Transformer的增强了局部语义学习能力的3D点云分析方法及装置，其中的方法构建了深度学习模型，包括局部语义自注意力学习模块，能够并行地感知全局上下文信息和获取更细粒度的局部语义特征，从而增强整个网络框架的感知能力；通过4个局部语义学习模块得到不同模块之间点云的局部和全局特征并进行特征汇聚得到全局联合特征，然后将学习阶段所得的联合特征分别送至后续的点云分类和点云分割阶段；得到语义分类结果和最终的分割结果；本发明能获取3D数据中关键的局部几何语义信息，在点云分类应用任务、点云分割任务和大型室内场景语义分割任务等多种3D点云分析应用上有明显的优势。
-
公开(公告)号：CN115471833A
公开(公告)日：2022-12-13
申请号：CN202211010334.8
申请日：2022-08-23
Applicant: 武汉大学
IPC: G06V20/64 , G06V10/764 , G06V10/26 , G06V10/44 , G06V10/82
Abstract: 本发明提出了一种动态局部自注意力卷积网络点云分析系统及方法。本发明包括动态局部自注意力卷积网络点云分析系统。本发明方法引入多组原始三维点云数据，通过数据预处理得到每组预处理后三维点云数据并人工标记真实标签类别；构建动态局部自注意力卷积网络，将预处理后三维点云数据输入至动态局部自注意力卷积网络并得到预测标签类别，结合损失函数和SGD算法进行网络优化；上位机通过激光雷达实时采集室内三维点云数据，并通过数据预处理得到实时预处理后室内三维点云数据，然后通过优化后的动态局部自注意力卷积网络预测得到点云数据的预测标签类别；本发明克服噪声、空间形变等不确定性问题，提高了3D点云形状识别的正确率。
-
公开(公告)号：CN114241516B
公开(公告)日：2025-01-07
申请号：CN202111455276.5
申请日：2021-12-01
Applicant: 武汉大学
Abstract: 本申请公开了一种基于行人再识别模型的行人再识别方法、计算机设备及计算机可读存储介质，该方法包括：通过随机选取待训练行人图像、预置特征提取模块、预置局部相关注意力模块和预置整体相关注意力模块得到优化后的所述待训练行人图像的行人特征和优化后具有整体相关性的行人特征优化预置深度模型，生成行人再识别模型以得到待测试行人图像的行人识别结果，实现通过深度模型学习行人图像间的依赖和图像内的依赖，并将图像间依赖与图像内依赖融合于一个网络结构中，学习行人图像的鲁棒性特征，克服环境、行人等多变性引起的不确定性问题，提高了行人再识别搜索的正确率。
-
公开(公告)号：CN114241516A
公开(公告)日：2022-03-25
申请号：CN202111455276.5
申请日：2021-12-01
Applicant: 武汉大学
Abstract: 本申请公开了一种基于行人再识别模型的行人再识别方法、计算机设备及计算机可读存储介质，该方法包括：通过随机选取待训练行人图像、预置特征提取模块、预置局部相关注意力模块和预置整体相关注意力模块得到优化后的所述待训练行人图像的行人特征和优化后具有整体相关性的行人特征优化预置深度模型，生成行人再识别模型以得到待测试行人图像的行人识别结果，实现通过深度模型学习行人图像间的依赖和图像内的依赖，并将图像间依赖与图像内依赖融合于一个网络结构中，学习行人图像的鲁棒性特征，克服环境、行人等多变性引起的不确定性问题，提高了行人再识别搜索的正确率。
-
-
-
Search Results
4
records
(took 0.03 seconds)
