-
公开(公告)号：CN114373077B
公开(公告)日：2024-10-29
申请号：CN202111514031.5
申请日：2021-12-07
Applicant: 燕山大学
IPC: G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于双层次结构的草图识别方法，针对目前多数草图识别方法未考虑形状特征的现状，该方法提出利用双层次结构同时编码形状特征和视觉特征用于草图识别。包括：获取两种格式的草图样本，基于卷积神经网络提取深度特征的层次化思想构建多层次形状网络，通过构建多尺度残差块、内层残差块和外层残差块搭建多层次视觉网络。基于草图样本，使用交叉熵损失训练形状网络，使用交叉熵损失和权重压缩三元组中心损失训练视觉网络。将形状网络、视觉网络与乘法融合层结合获取双层次结构。最后，将草图测试样本输入双层次结构进行识别测试。本发明不要求草图样本含有笔画信息，且无需微调过程，训练过程简单，草图识别效果具有明显优势。
-
公开(公告)号：CN115457564A
公开(公告)日：2022-12-09
申请号：CN202211070214.7
申请日：2022-09-02
Applicant: 燕山大学
Abstract: 本发明提出了一种基于点‑线段层次交互的草图语义分割方法。具体地，本发明基于邻近点和中心点的距离信息开发了增强型局部特征聚集模块，该模块考虑了邻近点对中心点的不同影响。基于增强型局部特征聚集模块，本发明构建了密集连接的编解码结构，并基于该结构搭建了点层次分支网络和线段层次分支网络用于同时从两个层次编码草图语义。为了解决由于特征选择和提取造成的语义细节丢失的问题，本发明设计了点‑线段层次交互模块。点‑线段层次交互模块放置在解码部分的若干阶段，有利于保留和利用有用的语义细节。最终，点层次特征和线段层次特征进行融合，获取语义分割结果。本发明相对于已存在的方法，具有分割精度高，计算复杂度低等优点。
-
公开(公告)号：CN114373077A
公开(公告)日：2022-04-19
申请号：CN202111514031.5
申请日：2021-12-07
Applicant: 燕山大学
Abstract: 本发明公开了一种基于双层次结构的草图识别方法，针对目前多数草图识别方法未考虑形状特征的现状，该方法提出利用双层次结构同时编码形状特征和视觉特征用于草图识别。包括：获取两种格式的草图样本，基于卷积神经网络提取深度特征的层次化思想构建多层次形状网络，通过构建多尺度残差块、内层残差块和外层残差块搭建多层次视觉网络。基于草图样本，使用交叉熵损失训练形状网络，使用交叉熵损失和权重压缩三元组中心损失训练视觉网络。将形状网络、视觉网络与乘法融合层结合获取双层次结构。最后，将草图测试样本输入双层次结构进行识别测试。本发明不要求草图样本含有笔画信息，且无需微调过程，训练过程简单，草图识别效果具有明显优势。
-
-
Search Results
3
records
(took 0.012 seconds)
