公开(公告)号：CN113052298A

公开(公告)日：2021-06-29

申请号：CN202110268146.4

申请日：2021-03-12

Applicant: 电子科技大学

Inventor： 贾海涛 ,  刘欣月 ,  许文波 ,  罗欣 ,  任利 ,  周焕来 ,  贾宇明

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06K9/46

Abstract: 本发明公开了一种基于胶囊网络的三维模型检索方法，包括：将输入的三维模型转换为离散体素形式，建立卷积神经网路，将体素化形式的三维模型作为待测数据输入到卷积神经网络模型中，卷积神经网络模型输出识别结果，即为待测三维模型的检索结果。本发明中，卷积神经网络模型中包括特征提取模块、胶囊网络模块以及全连接层。其中特征提取模块用于提取模型更多的低级特征，并且引入了尺寸和步长都较小的池化层，可以减少冗余特征；胶囊网络模块使用向量神经元保存特征空间信息，解决了传统卷积神经网络大量池化层的引入导致特征信息丢失的问题，动态路由算法优化了胶囊权重的迭代计算过程，取得了较好的识别效果。

公开(公告)号：CN113393582A

公开(公告)日：2021-09-14

申请号：CN202110563571.6

申请日：2021-05-24

Applicant: 电子科技大学

Inventor： 贾海涛 ,  刘欣月 ,  张诗涵 ,  李玉琳 ,  邹新雷 ,  任利 ,  许文波 ,  罗俊海

IPC: G06T17/20 ,  G06T19/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的三维物体重建算法，包括：输入多个从任意角度获得的物体二维图像并进行预处理，建立卷积神经网路，将二维图像作为训练数据输入到建立的卷积神经网络中进行训练，将待测的二维图像输入到训练好的卷积神经网络模型中，卷积神经网络模型输出三维重建结果。本发明中，所述的卷积神经网络模型包括编码器、解码器、多视图特征组合模块。其中，编码器的输入为多视角的二维图像，输出为二维特征向量，需将其转换为三维信息；将三维信息输入到解码器中，得到单幅图像的三维预测体素占用；再通过多视图特征组合模块，得到最终的预测体素占用。在测试阶段，根据分层预测策略预测所得的0‑1占用与地面真实占用来计算准确率。