-
公开(公告)号：CN119942100A
公开(公告)日：2025-05-06
申请号：CN202411751530.X
申请日：2024-12-02
Applicant: 集美大学 , 厦门大学 , 厦门思总建设有限公司
IPC: G06V10/26 , G06V20/70 , G06V20/64 , G06V10/40 , G06V10/62 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/096
Abstract: 本申请的实施例提供了一种基于跨域伪标签生成的点云分割方法、装置、介质及设备。该方法包括：获取三维点云数据及其对应的遥感图像；将与点云区域对齐的遥感图像输入至学生模型中，以使所述学生模型输出预测并计算交叉熵损失以优化学生模型；通过指数移动平均，基于所述学生模型对教师模型进行更新；采用更新后的所述教师模型对所述三维点云数据对应的点云投影图像进行预测，输出对应的伪标签；将所述伪标签扩散到所述三维点云数据中的各个点，以得到各所述点对应的点标签；根据各所述点对应的点标签，采用点云语义分割网络对所述三维点云数据进行语义分割。本申请实施例的技术方案可以降低数据集的获取成本，并保证点云语义分割网络的训练效果。
-
公开(公告)号：CN118823510A
公开(公告)日：2024-10-22
申请号：CN202410915845.7
申请日：2024-07-09
Applicant: 厦门大学
IPC: G06V10/774 , G06V10/82 , G06V10/771 , G06V10/74
Abstract: 本申请的实施例提供了一种基于局部信息的对抗点云的生成方法、装置、介质及设备。该方法包括：针对原始点云中的每一个点，确定对应的相邻点；根据对应于同一所述点的相邻点的坐标信息，确定各所述点对应的协方差矩阵；分别根据各所述点对应的所述协方差矩阵的特征值之间的大小关系以及比率关系，确定各所述点对应的局部信息度量；根据局部信息度量确定待攻击子集；将所述原始点云以及所述待攻击子集输入至扰动网络中，以生成对应的对抗子集；根据所述对抗子集以及所述原始点云中除所述待攻击子集以外的其他点，生成目标对抗点云。本申请实施例的技术方案可以提高对抗点云生成的合理性和有效性，进而保证三维点云模型的抗扰动训练效果。
-
公开(公告)号：CN118446352A
公开(公告)日：2024-08-06
申请号：CN202410367719.2
申请日：2024-03-28
Applicant: 厦门大学
IPC: G06Q10/04 , G06T17/05 , G06N3/0464 , G06N3/084 , G06Q50/26
Abstract: 本申请的实施例提供了一种基于城市生成点云的地表温度预测方法、装置、介质及设备。该方法包括：根据获取到的目标城市的数字表面模型以及建筑模型，生成与目标城市对应的三维点云；根据目标城市的地物分布，确定三维点云中各点对应的地理语义标签；针对由三维点云按照预定尺寸划分得到的每一区域，根据区域中各点对应的地理语义标签以及高度信息，构建区域对应的地理特征分布矩阵；获取区域的大气状态数据，并将区域对应的地理特征分布矩阵、数字表面模型以及大气状态数据输入至地表温度预测网络中以进行网络训练，得到目标地表温度预测网络。本申请实施例的技术方案可以提高地表温度预测的精度和准确性，并保证地表温度预测的泛化性。
-
公开(公告)号：CN114637880B
公开(公告)日：2024-07-19
申请号：CN202210151825.8
申请日：2022-02-18
Applicant: 厦门大学
IPC: G06F16/583 , G06T3/06 , G06V10/80 , G06V10/82 , G06V10/44 , G06V10/54 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于多视角投影的跨维数据检索方法，该方法包括：获取二维图像数据和对应匹配的原始三维点云；对对应匹配的原始三维点云进行体素化处理，以得到对应的体素；将对应的体素投影到二维空间以生成每个二维图像对应匹配的点云多视角投影图像；根据孪生网络构建深度学习模型，并将二维图像数据和对应匹配的点云多视角投影图像输入到深度学习模型进行训练；获取多个待检索的二维图像和三维点云，并基于训练好的深度学习模型从二维图像对三维点云进行检索，以得到每个待检索的二维图像在所有三维点云中最匹配的三维点云；由此，可缩小点云数据在跨维匹配中与二维图像的数据差异，从而提高二维图像到三维点云的检索准确率。
-
公开(公告)号：CN109583626B
公开(公告)日：2020-12-01
申请号：CN201811275175.8
申请日：2018-10-30
Applicant: 厦门大学
IPC: G06F16/29
Abstract: 本发明公开了一种路网拓扑重建方法、介质及系统，包括：获取原始路网数据，生成训练数据集；构建生成器，其中，生成器根据原始路网数据生成第一数据信息；根据道路基准图像、第一路网源图像和第一数据信息进行训练以构建第一判别器；根据道路基准图像、第一初始路网地图和第一数据信息进行训练以构建第二判别器；构建路网拓扑重建生成对抗网络；获取第二路网源图像，生成第二初始路网地图，以及将第二路网源图像和第二初始路网地图输入网络，以进行路网拓扑重建；从而实现对乡村地区的路网拓扑进行重建，且结果的准确度更高，同时，通过路网匹配算法进行原始路网数据的匹配，使得训练数据更易获取，提高路网拓扑重建生成对抗网络的构建效率。
-
Patent Agency Ranking
公开(公告)号：CN109583626A
公开(公告)日：2019-04-05
申请号：CN201811275175.8
申请日：2018-10-30
Applicant: 厦门大学
Abstract: 本发明公开了一种路网拓扑重建方法、介质及系统，包括：获取原始路网数据，生成训练数据集；构建生成器，其中，生成器根据原始路网数据生成第一数据信息；根据道路基准图像、第一路网源图像和第一数据信息进行训练以构建第一判别器；根据道路基准图像、第一初始路网地图和第一数据信息进行训练以构建第二判别器；构建路网拓扑重建生成对抗网络；获取第二路网源图像，生成第二初始路网地图，以及将第二路网源图像和第二初始路网地图输入网络，以进行路网拓扑重建；从而实现对乡村地区的路网拓扑进行重建，且结果的准确度更高，同时，通过路网匹配算法进行原始路网数据的匹配，使得训练数据更易获取，提高路网拓扑重建生成对抗网络的构建效率。
-
公开(公告)号：CN109558801A
公开(公告)日：2019-04-02
申请号：CN201811281849.5
申请日：2018-10-31
Applicant: 厦门大学
Abstract: 本发明公开了一种道路网络提取方法、介质、计算机设备及系统，包括：获取原始图像；对原始图像进行处理以提取多个候选样本，并选取局部斑块；计算每个局部斑块的置信评分，并计算所有局部斑块的置信评分均值，以及将均值作为对应的候选样本的置信度，并将置信度小于预设置信阈值的候选样本选取为训练样本以生成训练样本集；分别构造生成器、第一判别器、第二判别器和VGG网络以进行道路网络提取模型的训练，以生成道路网络提取模型；将待测试的道路源图像输入道路网络提取模型，以生成路网地图；从而使得使用者可以通过简单地交互获取大量的训练样本，节约人力和物力资源；同时，可以获取异常的道路区域，增强道路网络的最终提取效果。
-
公开(公告)号：CN106408011A
公开(公告)日：2017-02-15
申请号：CN201610813682.7
申请日：2016-09-09
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的激光扫描三维点云树木自动分类方法，可以自动对已提取的单株树木进行分类，分类的单株树木包含树干和树冠结构。本发明采用旋转侧面投影的方法，在树木数据少情况下依然可以有效进行模型训练，由于采用了归一化的预处理方法，克服了点云数据密度远近(距离扫描仪)分布不均的缺点，使得结果受采集设备影响小，更具稳定性。此外，由于采用深度学习进行模型训练，提高了对多种树木的自动分类的准确性。本发明采用特征向量为单元进行计算，计算速度快，更适用于大规模点云场景，具有实际意义和应用价值。
-
公开(公告)号：CN106295604A
公开(公告)日：2017-01-04
申请号：CN201610693722.9
申请日：2016-08-19
Applicant: 厦门大学
Abstract: 本发明公开了一种基于联合滤波的遥感影像的路网提取技术，结合人类视觉系统认知规律，根据显著图像结构在人类认知中所形成的非周期性、各向异性以及局部方向性，建立了一个完整的对道路显著结构的数学度量模型；在道路显著结构度量模型的指导下，结合流线方向性，建立了一个自适应平滑滤波函数，结合像素点空间距离高斯函数，实现对道路遥感影像的自适应平滑；在道路显著结构度量模型的指导下，结合极大极小值滤波，定义了一个自适应冲击滤波函数，该函数在不同区域产生的冲击增强强度不同，从而实现自适应的冲击滤波增强，从而在平滑非道路结构区域的同时保留显著道路结构，实现道路提取过程中遥感影像的预处理。
-
公开(公告)号：CN115019105B
公开(公告)日：2024-07-19
申请号：CN202210731014.5
申请日：2022-06-24
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/82 , G06N3/06
Abstract: 本申请的实施例提供了一种点云分类模型的隐语义分析方法、装置、介质及设备。该方法包括：将点云数据输入至点云分类模型中进行识别处理，以使点云分类模型输出分类结果；根据分类结果以及点云分类模型中各神经元的启动值，按照神经元之间的启动链路反向确定各神经元与分类结果之间的相关性值；根据点云分类模型对点云数据的分组信息，确定在点云分类模型的各网络层中与各分组点云分别对应的目标神经元组；根据目标神经元组中每一神经元对应的相关性值，确定该网络层中与目标神经元组对应的分组点云的显著值，以生成与各网络层相对应的可视化信息。本申请实施例的技术方案可以提高隐语义分析的分析结果的可靠性，保证隐语义分析的分析效果。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.023 seconds)
