-
公开(公告)号：CN115082512A
公开(公告)日：2022-09-20
申请号：CN202210806269.3
申请日：2022-07-08
Applicant: 北京大学深圳研究生院
IPC: G06T7/223
Abstract: 本公开提供了一种点云运动的估计方法、装置、电子设备及存储介质，通过获取待估计点云帧和参考点云帧；在参考点云帧中采样运动中心点构建点云运动变形图；确定参考点云帧与待估计点云帧之间的第一匹配关系；根据第一匹配关系和点云运动变形图，构建点云运动能量方程；求解点云运动能量方程确定运动中心点对应的稀疏非刚性运动场；针对稀疏非刚性运动场进行插值，确定精细非刚性运动场；基于精细非刚性运动场补偿参考点云帧得到参考运动补偿帧；确定待估计点云帧与参考运动补偿帧之间的第二匹配关系；基于第二匹配关系构建待估计点云帧与参考运动补偿帧之间的帧间率失真函数；迭代估计帧间率失真函数，确定点云运动。可以提升点云运动的估计精度。
-
公开(公告)号：CN110490823A
公开(公告)日：2019-11-22
申请号：CN201910747855.3
申请日：2019-08-14
Applicant: 北京大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明提供了一种真实环境下的图像去噪方法，包括使用连拍多张并位置矫正生成训练集，再使用域自适应扩充该训练集，最后通过将此训练集用于训练一个噪声注意力生成对抗网络，以此达到对真实环境下的噪声去噪。本发明的方法能够在真实环境未知图像噪声类型的情况下，精确地去除图像中的噪声，作为图像预处理中的去噪过程应用到多种机器视觉领域，特别地，本发明提供了对常用公开测试集的去噪实施实例。
-
公开(公告)号：CN113011352B
公开(公告)日：2025-02-21
申请号：CN202110318706.2
申请日：2021-03-25
Applicant: 北京大学深圳研究生院
IPC: G06V20/40 , G06V40/20 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 一种用于动作的时间轴定位的低通滤波方法，步骤1：使用时空特征提取器提取整个输入视频的特征；步骤2：根据提取的整个输入视频的特征，利用相关动作提议算法计算得到动作提议；步骤3：对每个动作提议对应的特征使用低通滤波过滤掉部分高频信息；步骤4：使用时序下采样计算得到动作提议对应的特征；以及步骤5：使用动作提议对应的特征计算动作最终对应的位置和类别。本发明方法使用低通滤波去除动作的时间轴定位模型中存在的混叠问题，通过动态地调整截断频率，同时也保存了部分重要的高频信息，因此能够有效地提升模型的检测性能。
-
公开(公告)号：CN117528120A
公开(公告)日：2024-02-06
申请号：CN202311479611.4
申请日：2023-11-08
Applicant: 北京大学深圳研究生院
IPC: H04N19/91 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于切片的深度学习点云几何压缩方法，包括：S1.预处理；S2.切片分割；S3.深度学习模型的设计与训练；S4.熵模型处理；S5.熵编码/熵解码：已知待编码/解码符号的概率分布，使用算术编码器/解码器将符号进行无损编解码，实现高效压缩，获得解码体素的顺序；S6.点云的重建：熵解码之后得到体素的占位码信息，根据解码体素的顺序，恢复各个点的坐标，进而重建点云的几何信息。本发明方法通过将点云转换为切片序列表示的形式，能够高效地压缩点云数据，减少数据的冗余信息。
-
Patent Agency Ranking
公开(公告)号：CN116738208A
公开(公告)日：2023-09-12
申请号：CN202310732308.4
申请日：2023-06-19
Applicant: 北京大学深圳研究生院
IPC: G06F18/213 , G06N3/0464 , G06N10/00
Abstract: 本申请提供了一种量子态点云的特征提取方法、装置及电子设备，方法包括：获取原始点云，原始点云包括多个原始特征点；针对每个原始特征点，执行以下处理：利用预先构建的叠加态公式和欧拉公式对该原始特征点进行极坐标转换，得到该原始特征点在希尔伯特空间下的复值表达式；采用预设复值卷积网络对复值表达式进行特征卷积，得到该原始特征点对应的抽象表达；对各原始特征点对应的抽象表达进行特征降维处理，得到原始点云对应的量子态点云组合特征，本申请通过将点云转换为量子态，最终获得紧实有效的点云组合特征表达，提高后续针对点云数据的分析处理精度。
-
公开(公告)号：CN114266850A
公开(公告)日：2022-04-01
申请号：CN202111569119.7
申请日：2021-12-21
Applicant: 北京大学深圳研究生院
IPC: G06T15/00
Abstract: 一种基于连续标准化流及对抗精细化网络的点云补全方法，包括以下步骤：S1：将残缺点云Xi输入到基于连续流模型的点云补全网络中，生成残缺点云的完整形状作为粗粒度补全结果Xc；以及S2：将残缺点云Xi和粗粒度补全结果Xc输入到对抗精细化网络中，进一步精细化局部细节，生成具有高质量局部细节的细粒度补全结果Xf。本发明通过提出两个子网络基于流模型的点云补全网络和对抗精细化网络逐步生成具有精细化细节的点云补全结果，从而提高补全质量。
-
公开(公告)号：CN114219798A
公开(公告)日：2022-03-22
申请号：CN202111572393.X
申请日：2021-12-21
Applicant: 北京大学深圳研究生院
Abstract: 一种无参考图像质量评价方法，包括输入图像并进行数据预处理，得到归一化的图像和高频部分图像；经过归一化的图像小块进入主干基准网络，得到主干基准网络的低层次特征以及高层次特征；子任务一：以均方误差为损失函数，生成降采样后的残差图像；子任务二：以结构相似距离为损失函数，生成更精细的残差图像；主任务：质量评价，生成基于场景的质量损失敏感图；将子任务一与子任务二的残差图像拼接在一起，与主任务的质量损失敏感图做以元素为单位的乘法，获得感知质量损失图；对感知质量损失图征做全局平均池化，预测得到质量分数。该方法有效提高了对不同场景的适应性，提高了评价的准确率和效率。
-
公开(公告)号：CN113011352A
公开(公告)日：2021-06-22
申请号：CN202110318706.2
申请日：2021-03-25
Applicant: 北京大学深圳研究生院
Abstract: 一种用于动作的时间轴定位的低通滤波方法，步骤1：使用时空特征提取器提取整个输入视频的特征；步骤2：根据提取的整个输入视频的特征，利用相关动作提议算法计算得到动作提议；步骤3：对每个动作提议对应的特征使用低通滤波过滤掉部分高频信息；步骤4：使用时序下采样计算得到动作提议对应的特征；以及步骤5：使用动作提议对应的特征计算动作最终对应的位置和类别。本发明方法使用低通滤波去除动作的时间轴定位模型中存在的混叠问题，通过动态地调整截断频率，同时也保存了部分重要的高频信息，因此能够有效地提升模型的检测性能。
-
公开(公告)号：CN108898076A
公开(公告)日：2018-11-27
申请号：CN201810607040.0
申请日：2018-06-13
Applicant: 北京大学深圳研究生院
Abstract: 一种视频行为时间轴定位及候选框提取的方法，该方法是基于未裁剪视频数据的、深度强化学习的视频行为时间轴候选框提取方法，具体步骤是：首先，在视频行为时间轴定位任务上建立了马尔科夫模型，将视频行为时间轴定位任务转化为求解马尔科夫决策过程；然后，使用经典的深度强化学习算法DQN来求解马尔科夫决策过程，使得算法自动调整时间轴窗口的长度与位置；最后，使用训练出来的智能体模型和一个动作/背景二分类器，来定位视频中的人类行为，产生时间轴候选框，以供后续更精确的定位和分析。本发明在效率与效果上超越了目前大多数先进算法，可用于定位视频中的人类行为。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.032 seconds)
