-
公开(公告)号：CN107239827B
公开(公告)日：2020-06-09
申请号：CN201710460814.7
申请日：2017-06-18
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于人工神经网络的空间信息学习方法，属于深度学习技术领域。包括：利用传统神经网络对输入图片进行抽象表达，在传统神经网络的中高层提取特征图得到特征向量F；对F进行滤波映射操作得到LF以增强数据显著性；对LF通过卷积神经网络进行卷积操作以得到更加抽象的特征表达X；对X进行GAP降维处理得到特征点X*；对X*通过公式D＝X*×X*T进行相关性分析得到相关矩阵；对D通过公式CD＝D*V进行投影操作得到结构特征向量CD；对CD通过公式Y(F)＝F+λ*CD得到最终的特征并输出。对比现有技术，本发明不依赖于数据增强的方法就可以识别发生几何形变的物体，使神经网络对于不变性的识别更加鲁棒。
-
公开(公告)号：CN107239827A
公开(公告)日：2017-10-10
申请号：CN201710460814.7
申请日：2017-06-18
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于人工神经网络的空间信息学习方法，属于深度学习技术领域。包括：利用传统神经网络对输入图片进行抽象表达，在传统神经网络的中高层提取特征图得到特征向量F；对F进行滤波映射操作得到LF以增强数据显著性；对LF通过卷积神经网络进行卷积操作以得到更加抽象的特征表达X；对X进行GAP降维处理得到特征点X*；对X*通过公式D＝X*×X*T进行相关性分析得到相关矩阵；对D通过公式CD＝D*V进行投影操作得到结构特征向量CD；对CD通过公式Y(F)＝F+λ*CD得到最终的特征并输出。对比现有技术，本发明不依赖于数据增强的方法就可以识别发生几何形变的物体，使神经网络对于不变性的识别更加鲁棒。
-
公开(公告)号：CN104007971B
公开(公告)日：2017-06-13
申请号：CN201410230846.4
申请日：2014-05-28
Applicant: 北京理工大学
IPC: G06F9/44
Abstract: 本发明涉及一种非代码化快速构建大规模虚拟战场仿真平台，属于计算机图形学、虚拟现实技术领域。其包括：资源库、动态模型库、人机交互模块、仿真编辑模块、数据转换模块、运行支撑环境处理模块和可视化模块。本发明方法能够将资源库中抽象的数据以较好的可视化形式显示出来；可利用人机交互模块对资源库和动态模型库中的数据进行更新，从而更加直观方便地对资源库和动态模型库进行读写操作；同时在无代码的情况下生成仿真战场环境的脚本文件，降低了代码生成脚本文件的复杂性，减少了出现错误的可能性，更加快速便捷准确的生成仿真脚本文件，并且易于对脚本文件进行管理，方便进行二次开发。
-
公开(公告)号：CN105761314A
公开(公告)日：2016-07-13
申请号：CN201610150721.X
申请日：2016-03-16
Applicant: 北京理工大学
CPC classification number: G06T17/205 , G06T9/001
Abstract: 本发明涉及一种基于显著颜色属性特征保持的模型简化方法，属于计算机图形学、虚拟现实技术领域。本发明具体步骤为：读入原始网格模型数据，对网格模型进行规整化，包括顶点的几何位置和颜色属性的规整化；计算所有顶点的二次误差矩阵；对模型执行属性的显著性计算，得到所有顶点的属性显著度；计算待折叠边的几何属性误差和颜色属性误差，然后得到待折叠边的折叠代价；依折叠代价从小到大对所有的边进行排序；从中选择代价最小的边进行折叠操作，并更新相关信息，包括全局特征重要度，以及与之关联的边的折叠代价；反复进行边折叠操作，直到达到简化要求或堆为空。本发明不但能很好的实现对带属性网格的网格简化，同时能有效保持模型的颜色显著属性特征，在简化率达到90％时依然可以保持模型的颜色显著特征。
-
公开(公告)号：CN101894392A
公开(公告)日：2010-11-24
申请号：CN201010210807.X
申请日：2010-06-28
Applicant: 北京理工大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于骨骼运动数据的运动单元弯曲和扭转角度分析方法，首先获取关节点在骨骼运动数据的初始帧以及当前帧中的坐标，通过比较运动单元中关节点在骨骼运动数据中的位置变化获得复杂模型的每一个局部变形区域在运动中的弯曲和扭转变形角度，使用本发明方法可以简化使用动作数据驱动三维模型进行自动变形的计算。此外，根据骨骼运动的有关规则，本发明方法通过将运动单元中的扭转角度限定在-π/2～π/2之间，解决了分析骨骼运动数据时，弯曲和扭转角度计算中的二义性问题。
-
Patent Agency Ranking
公开(公告)号：CN101271587B
公开(公告)日：2010-09-08
申请号：CN200810100857.5
申请日：2008-02-25
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于过渡光贴图的光照和阴影绘制方法。该系统主要包括以纹理映射技术和动态光照及阴影计算技术为基础的场景实时绘制技术。与一般利用纹理预存光照信息的光贴图不同，本算法不仅把空间光照亮度信息存入纹理，同时还将每个空间位置的阴影时间变化信息，作为阴影过渡值保存到纹理中，实现了动态光照和动态阴影的仿真，解决纹理光贴图融合算法中阴影真实性和实时性的问题。实验表明此算法在具有固定路线运动光源的虚拟现实环境中，可以达到甚至超过实时计算光照和阴影的效果，计算速度比实时光照的速度提高一倍以上，取得了良好的仿真效果。
-
公开(公告)号：CN101329772B
公开(公告)日：2010-06-02
申请号：CN200810116898.3
申请日：2008-07-21
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于SPH的运动物体与水交互的仿真建模方法，属于计算机图形学与虚拟现实领域。本发明的方法包括以下步骤：一、对仿真进行初始化，包括粒子属性的初始配置和建立粒子的相邻粒子列表；二、对水粒子的相邻粒子列表进行更新；三、计算水粒子在下一步时间步的位置和运动状态；四、计算物体粒子在下一步时间步的位置和运动状态；五、判断粒子与障碍物是否发生碰撞，如果发生碰撞，则改变粒子的运动速率和方向，否则直接执行第六步；六、基于marching cubes算法构建水面拓朴结构；七、采用图形绘制语言，进行水面和物体的绘制和显示；八、判断仿真是否停止运行。使用本发明所述方法可以模拟运动物体与水的交互现象，获得比较真实的仿真结果。
-
公开(公告)号：CN100568266C
公开(公告)日：2009-12-09
申请号：CN200810100861.1
申请日：2008-02-25
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于运动场局部统计特征分析的异常行为检测方法。该系统主要包括视频图像的运动场分析，局部统计特征提取，基于样本的统计学习与模式识别技术。首先通过基本的运动分析技术，提取图像中物体的特征，计算其运动状态，形成一个运动场。在此基础上，对局部运动信息进行统计特征提取，获得运动场的局部运动特征。最后将这些运动特征的空间分布关系表示成全局结构化信息，采用基于统计学习的方法，来识别行为的类型。本算法通过直接基于运动信息的分析进行行为识别，来提高算法的效率和鲁棒性。
-
公开(公告)号：CN105955501A
公开(公告)日：2016-09-21
申请号：CN201610244240.5
申请日：2016-04-19
Applicant: 北京理工大学
IPC: G06F3/023
CPC classification number: G06F3/0233
Abstract: 本发明涉及一种基于人机交互的汉字信息流可视化方法，属于数据可视化研究领域。具体为：①将显示页面分为键盘区、主机区和显示器区。主机区分为内存区和硬盘区。在键盘区内，有输入法类型的选项。②选择一种输入法类型。③通过键盘得到输入码并显示在键盘区内。④在对应输入法类型的输入码和机内码对映表，查找输入码对应的机内码并在显示页面的内存区显示。⑤将十六进制的机内码转换为二进制形式并在显示页面的内存区上显示。⑥将机内码转换为国标码，并在硬盘区显示。⑦将国标码转换为区位码并在硬盘区显示。⑧根据区位码在区位表中查找对应汉字并在显示器区显示。本发明实现了输入字符到对应机内码、国标码、区位码和对应汉字的可视化。
-
公开(公告)号：CN102855486B
公开(公告)日：2015-02-11
申请号：CN201210297337.4
申请日：2012-08-20
Applicant: 北京理工大学
Abstract: 本发明公开了一种广义图像目标检测方法，属于图像分析处理技术领域。本发明方法结合图像特征提取与学习过程中的样例方法和多实例方法的优势，在此基础上扩展成为多核多实例相似度特征（MKMIS），能够为同一类中具有不同外观的目标进行很好的描述，并能接受一定范围内的配准误差；其次，针对MKMIS特征的弱势，即图像特征维度过高、计算量大的情况，在分类器学习过程中，使用推广的前向特征选择方法，使其能够满足任意条件的损失和约束函数，使分类器可以选择到少量并且有效的图像特征，当进行在线目标检测时，只计算和使用这些特征即可，从而加快目标检测的速度。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.021 seconds)
