-
公开(公告)号：CN106709997A
公开(公告)日：2017-05-24
申请号：CN201610279232.4
申请日：2016-04-29
Applicant: 电子科技大学
IPC: G06T17/30
CPC classification number: G06T17/30 , G06T2207/20081
Abstract: 本发明属于三维计算机视觉技术领域，具体涉及一种基于深度神经网络和稀疏自编码器的三维关键点检测方法。该方法包括训练稀疏自编码器和深度神经网络阶段与利用训练好的深度神经网络作为回归模型检测三维关键点阶段。三维网格模型在多尺度空间中的局部和全局信息被充分利用来检测待测点是否是关键点。引入多层稀疏自编码器可以有效地发现这些局部和全局信息之间的相关性并形成这些信息的高级特征表示形式，以便对其进行回归。最终能够有效地、鲁棒地和稳定地检测出三维网格模型中的关键点。
-
Patent Agency Ranking
公开(公告)号：CN106709997B
公开(公告)日：2019-07-19
申请号：CN201610279232.4
申请日：2016-04-29
Applicant: 电子科技大学
IPC: G06T17/30
Abstract: 本发明属于三维计算机视觉技术领域，具体涉及一种基于深度神经网络和稀疏自编码器的三维关键点检测方法。该方法包括训练稀疏自编码器和深度神经网络阶段与利用训练好的深度神经网络作为回归模型检测三维关键点阶段。三维网格模型在多尺度空间中的局部和全局信息被充分利用来检测待测点是否是关键点。引入多层稀疏自编码器可以有效地发现这些局部和全局信息之间的相关性并形成这些信息的高级特征表示形式，以便对其进行回归。最终能够有效地、鲁棒地和稳定地检测出三维网格模型中的关键点。
-
公开(公告)号：CN106340010A
公开(公告)日：2017-01-18
申请号：CN201610703605.6
申请日：2016-08-22
Applicant: 电子科技大学
IPC: G06T7/00
CPC classification number: G06T2207/20164
Abstract: 本发明属于计算机视觉技术和图像处理领域，具体涉及一种基于二阶轮廓差分的角点检测方法。本发明通过：二阶轮廓差分来计算角点响应函数，极大的降低计算复杂度，提高角点检测效率；利用点在轮廓多尺度空间中的角点响应值的乘积作为点的最终角点响应值，有效的提高检测精度，增强角点检测算法对噪声的鲁棒性。最终本发明实现了高效地、鲁棒地和稳定的检测出二维图像中的角点。
-
公开(公告)号：CN105740859A
公开(公告)日：2016-07-06
申请号：CN201610057558.2
申请日：2016-01-27
Applicant: 电子科技大学
IPC: G06K9/32
CPC classification number: G06K9/3233
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于几何测度和稀疏优化的三维兴趣点检测方法。该方法包括构建三维网格模型的尺度空间、计算三维网格模型的显著性响应图、根据显著性响应图选取三维兴趣点候选集和稀疏优化兴趣点候选集四步。通过引入两种三维网格模型表面的局部几何性质来定义一种新的三维兴趣点响应函数；对三维网格模型中的任意一点，使用在尺度空间中不同尺度下的显著性响应值之间的乘积作为该点的最终显著性响应值；使用稀疏优化模型来精炼三维兴趣点候选集，以得到更加精确和稳定的三维兴趣点。最终实现高效的、鲁棒的和稳定的检测效果。
-
公开(公告)号：CN105740859B
公开(公告)日：2019-03-05
申请号：CN201610057558.2
申请日：2016-01-27
Applicant: 电子科技大学
IPC: G06K9/32
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于几何测度和稀疏优化的三维兴趣点检测方法。该方法包括构建三维网格模型的尺度空间、计算三维网格模型的显著性响应图、根据显著性响应图选取三维兴趣点候选集和稀疏优化兴趣点候选集四步。通过引入两种三维网格模型表面的局部几何性质来定义一种新的三维兴趣点响应函数；对三维网格模型中的任意一点，使用在尺度空间中不同尺度下的显著性响应值之间的乘积作为该点的最终显著性响应值；使用稀疏优化模型来精炼三维兴趣点候选集，以得到更加精确和稳定的三维兴趣点。最终实现高效的、鲁棒的和稳定的检测效果。
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
