-
公开(公告)号：CN114266279A
公开(公告)日：2022-04-01
申请号：CN202111637276.7
申请日：2021-12-29
Applicant: 北京大学深圳研究生院
IPC: G06K9/00
Abstract: 一种基于复数网络表达的点云特征提取方法及装置，该方法包括：第一步、使用希尔伯特变换，获取到点云复数表达当中的实数与虚数部分的处理；第二步、使用第一步的结果，对实数域虚数部分分别进行卷积，然后通过复数卷积公式来计算最终实数部分与虚数部分的特征表达，可以迭代多层来实现更复杂确定数目输出的特征的提取；第三步、则可通过第二步当中的结果计算出结合了点云实数与虚数特征表达的复数表达，通过模值计算来获得；第四步、进一步对第三步的结果进行归一化、或特征编码降维等操作，获得紧实且具有代表性的全局特征，为后续三维点云处理与分析任务提供了基础保障。
-
公开(公告)号：CN113902844A
公开(公告)日：2022-01-07
申请号：CN202111138592.X
申请日：2021-09-27
Applicant: 北京大学深圳研究生院
Abstract: 本申请涉及点云处理技术领域，公开了点云编码的方法、装置、电子设备、介质和程序产品。该方法包括：对待处理的激光雷达点云进行图像层划分，生成不同类型的图像层；采用分别针对每一图像层的类型对应设置的区域分割方法，对相应的图像层进行区域分割，获得每一图像层对应的各区域图像；分别对每一图像层对应的各区域图像进行排布，获得每一图像层对应的排布图像；基于分别针对每一排布图像的类型对应设置的编码方法，对应相应的排布图像进行编码，获得激光雷达点云的编码数据。这样，能够在对激光雷达点云进行无损编码时，提高压缩性能。
-
公开(公告)号：CN110415176A
公开(公告)日：2019-11-05
申请号：CN201910732571.7
申请日：2019-08-09
Applicant: 北京大学深圳研究生院
Abstract: 本发明提供了一种文本图像超分辨率方法，包括：先使用深度抠图技术将低分辨率图像分解成前景图层、背景图层、alpha图层；然后，对于alpha图层，先用Teager滤波对其进行预处理，再将其送入深度空域特征转换生成对抗网络(SFTGAN)进行超分辨率操作；对于前景图层和背景图层，将其直接送入增强超分生成对抗网络(ESRGAN)进行超分辨率操作；最后，将三层超分后得到得高分辨率图像进行融合，即得到高清图像。本发明的文本图像超分辨率方法，对于低分辨率文本图像，能够较好的将其转化成高分辨率图像，可以作为图像预处理中的超分辨率过程应用到多种机器视觉领域。
-
公开(公告)号：CN108830212A
公开(公告)日：2018-11-16
申请号：CN201810597905.X
申请日：2018-06-12
Applicant: 北京大学深圳研究生院
Abstract: 本发明公布了一种视频行为时间轴检测方法，基于深度学习和时间结构建模，并结合粗粒度检测与细粒度检测做视频行为时间轴检测，在已有模型SSN的基础上，使用双流模型来提取视频的时空特征；对行为的时间结构进行建模，将单个行为分为三个阶段；接着提出一种新的能够有效提取视频行为的时间边界信息的特征金字塔；最后结合粗粒度检测与细粒度检测，使得检测结果更加精确；本发明的检测精度高，超过了当前已有的所有公开方法，具有广泛的适用性，可适用于智能监控系统或者人机监护系统中对人类感兴趣视频片段的检测，便于后续的分析与处理，具有重要的应用价值。
-
公开(公告)号：CN115841069B
公开(公告)日：2025-04-08
申请号：CN202211409255.4
申请日：2022-11-11
Applicant: 北京大学深圳研究生院
IPC: G06F30/27 , G06F119/02
Abstract: 本发明的基于几何一致性的深度估计优化模型的构建方法，包括以下步骤：S1.构建空间几何一致性监督模型；S2.生成纠正模型；S3.基于深度估计优化模型优化深度图的生成过程。本发明的基于几何一致性的深度估计优化模型的构建方法，主要分为两个部分：首先，构建基于空间几何一致性的监督模型和在此基础上生成纠正模型；然后在监督信号构建的基础上纠正普遍使用损失存在的缺陷，两者共同作用保障了深度估计结果的可靠性以及优化提升估计深度图的整体精度。
-
Patent Agency Ranking
公开(公告)号：CN114972695B
公开(公告)日：2024-03-15
申请号：CN202210555391.8
申请日：2022-05-20
Applicant: 北京大学深圳研究生院
IPC: G06T19/00
Abstract: 本申请提供了一种点云生成方法、装置、电子设备及存储介质，方法包括：S1、获取目标种类的点云数据；S2、对于每一点云数据，使用编码器对该点云数据进行处理，得到该点云数据对应的均值向量和方差向量；S3、基于均值向量、方差向量和高斯分布向量，得到该点云数据对应的隐码向量；S4、将第一隐码矩阵输入到点云归一化流的正向过程中，得到第一矩阵；S5、将每一点云数据和第一隐码矩阵输入到可逆解码器中，进行目标流程的正向过程，得到第二矩阵；S6、基于第一隐码矩阵和第一矩阵，计算第一损失值，并基于第一高斯分布矩阵和第二矩阵，计算第二损失值。本申请能够使得训练完成后的可逆点云解码器生成的点云具有更丰富的细节。
-
公开(公告)号：CN117319683A
公开(公告)日：2023-12-29
申请号：CN202311501797.9
申请日：2023-11-10
Applicant: 北京大学深圳研究生院
Abstract: 本发明提供了一种基于纹理驱动的图稀疏度优化方法，包括：S1.对点云进行块划分；S2.对于每个块构建多种最近邻矩阵作为候选的邻接矩阵；S3.统计每种候选邻接矩阵的纹理复杂度以及根据能量最小化准则确定最优邻接矩阵；S4.根据已经推导的邻接矩阵与权重系数之间的数学关系确定权重系数；S5.将邻接矩阵和权重系数带入码率损失优化函数中求解得到最优的权重矩阵，将最优的权重矩阵作为该块的最优图结构；S6.图变换：利用图傅里叶变换技术将点云属性值基于最优图结构从原始阈变换至频谱阈得到变换系数；以及S7.变换系数经过量化和熵编码被写入码流文件中。本发明方法可用于实现高效的点云属性压缩。
-
公开(公告)号：CN117274634A
公开(公告)日：2023-12-22
申请号：CN202311456199.4
申请日：2023-11-03
Applicant: 北京大学深圳研究生院
IPC: G06V10/44 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06V20/00 , G06N3/042 , G06N3/0464 , G06N3/048
Abstract: 本发明提供了一种面向感知重建的点云采样方法，包括：S1.点云采样网络采样：采用基于图卷积的残差块用于点云局部特征提取，根据点云特征通过映射得到采样后的点云；S2.点云上采样网络恢复感知：对采样后的点云进行上采样，得到感知重建后的点云数据；S3.点云分类网络识别上采样点云：将感知重建的点云数据输入到点云分类网络当中，通过点云分类网络监督点云说采样网络与点云上采样网络的训练。本发明方法可以获得更容易恢复感知的采样点云。
-
公开(公告)号：CN116029678A
公开(公告)日：2023-04-28
申请号：CN202310060462.1
申请日：2023-01-19
Applicant: 北京大学深圳研究生院
Abstract: 本发明提供了一种基于人工智能开放算力平台实现人工智能竞赛评测的系统及方法，系统，包含赛事举办方、人工智能竞赛平台和人工智能算力开放平台，其中赛事举办方是指开展人工智能竞赛活动的机构，负责在人工智能竞赛平台发布赛事并进行赛事管理，确定如何进行竞赛结果评测；人工智能竞赛平台包括赛事管理模块和竞赛评测模块：人工智能算力开放平台包括：用户管理模块、环境配置模块和评测任务模块。本发明基于人工智能算力开放平台为人工智能竞赛的竞赛评测环节提供环境和算力支持，只有在评测任务运行时，才使用算力资源，提高了算力资源利用率，降低了用户成本。
-
公开(公告)号：CN115984580A
公开(公告)日：2023-04-18
申请号：CN202211599363.2
申请日：2022-12-12
Applicant: 北京大学深圳研究生院
Abstract: 本申请提供了三维点云旋转不变性特征的提取方法、装置及存储介质，所述提取方法包括：获取目标点云中的多个采样点；针对每个采样点，确定出所述采样点的近邻点以及所述近邻点的质心点；针对每个采样点对应的质心点，基于所述质心点的位置坐标，确定所述采样点对应的旋转矩阵；所述旋转矩阵用于对所述质心点的旋转方向进行固定；基于所述目标点云中的多个采样点对应的旋转矩阵，确定所述目标点云的旋转不变性特征。通过各个采样点对应的旋转矩阵确定目标点云的旋转不变性三维特征，避免了旋转对目标点云带来的特征改变问题，提高了针对三维点云的旋转情况进行检索的成功率以及准确率。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.035 seconds)
