-
公开(公告)号:CN119919677A
公开(公告)日:2025-05-02
申请号:CN202411933696.3
申请日:2024-12-26
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06V10/44 , G06V10/46 , G06V10/82 , G06V10/94 , G06N3/0455 , G06N3/0464 , G06N3/063
Abstract: 本发明涉及一种实时SuperPoint网络特征提取与描述方法及装置。其中方法包括:利用SuperPoint卷积神经网络模块对输入图像进行特征提取,并生成用于进行特征点提取的第一特征张量,以及用于进行描述子计算的第二特征张量;构建特征点提取模块基于所述第一特征张量提取特征点坐标,并实时输出所述特征点坐标和扫描坐标;构建描述子计算模块实时获取所述特征点坐标、所述扫描坐标,并根据所述特征点坐标和所述扫描坐标从所述第二特征张量中选择对应位置的张量数据进行描述子计算。本发明能够实现特征点提取和描述子计算的并行处理,提高了SuperPoint网络特征提取与描述的实时性。
-
公开(公告)号:CN113326751B
公开(公告)日:2024-02-13
申请号:CN202110547828.9
申请日:2021-05-19
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种手部3D关键点的标注方法,包括:构建通用手部3D骨架模型;获取待标注手部每根手指均伸直的初始帧图像,构建待标注手部3D骨架模型;获取在不同手势下的若干待标注手部3D骨架姿态;获取待标注手部的当前帧图像以及当前帧图像的初始3D骨架姿态,在当前帧图像中标注出当前手部关键点的2D位置,确定当前帧图像的真实3D骨架姿态,获取当前帧图像中的手部3D关键点;对所述当前手部关键点的2D位置进行光流跟踪,获取下一帧图像的手部关键点的2D位置;重复上述步骤,直到所有图像的手部3D关键点均完成标注。本发明可以减少人工标注的工作量,从而降低人工成本并提高效率,同时可以提高标注精度。(56)对比文件Onur G. Guleryuz 等.Fast Lifting for3D Hand Pose Estimation in AR/VRApplications《.2018 25th IEEEInternational Conference on ImageProcessing (ICIP)》.2018,1-5.Jameel Malik 等.Simultaneous HandPose and Skeleton Bone-Lengths Estimationfrom a Single Depth Image《.arXiv:1712.03121》.2017,1-9.Christian Zimmermann 等.Learning toEstimate 3D Hand Pose from Single RGBImages《.arXiv:1705.01389》.2017,1-9.
-
公开(公告)号:CN113326751A
公开(公告)日:2021-08-31
申请号:CN202110547828.9
申请日:2021-05-19
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种手部3D关键点的标注方法,包括:构建通用手部3D骨架模型;获取待标注手部每根手指均伸直的初始帧图像,构建待标注手部3D骨架模型;获取在不同手势下的若干待标注手部3D骨架姿态;获取待标注手部的当前帧图像以及当前帧图像的初始3D骨架姿态,在当前帧图像中标注出当前手部关键点的2D位置,确定当前帧图像的真实3D骨架姿态,获取当前帧图像中的手部3D关键点;对所述当前手部关键点的2D位置进行光流跟踪,获取下一帧图像的手部关键点的2D位置;重复上述步骤,直到所有图像的手部3D关键点均完成标注。本发明可以减少人工标注的工作量,从而降低人工成本并提高效率,同时可以提高标注精度。
-
-