-
公开(公告)号：CN119672328A
公开(公告)日：2025-03-21
申请号：CN202311227805.5
申请日：2023-09-21
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于合成数据辅助的点云实例分割方法和系统，本发明通过使用三维3D物体模型数据集和3D场景模型数据，生成包含有丰富物体的室内3D场景。在此基础上，通过统计在扫描场景点云时的相机轨迹，在合成场景中模拟该轨迹进行同样的扫描过程得到有标注的合成点云数据。为了能从合成点云数据中学习到语义丰富的特征表示，本发明在合成数据上进行有监督预训练，将语义分割任务作为特征学习的代理任务。本发明在预训练过程中引入无标注的真实场景数据并对其赋予伪标签来指导合成到真实数据的迁移过程。将学到的特征表示用于真实点云实例分割任务时，可以通过预训练模型包含的丰富的语义知识和物体形状知识，实现对真实数据的数据高效性。
-
公开(公告)号：CN109785298B
公开(公告)日：2021-03-05
申请号：CN201811593474.6
申请日：2018-12-25
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种多角度物体检测方法，包括：以深度神经网络构建检测模型；对训练图提取特征以获得多个特征图，设置多个垂直矩形锚框，获取该垂直矩形锚框与该训练图的样本物体的相交比，并以该相交比大于正例阈值的垂直矩形锚框标记为该训练图的样本物体的正例；通过该特征图对每个该正例进行回归预测，获取该样本物体的倾斜椭圆锚框的特征参数，以对该检测模型进行学习；以该检测模型检测目标图，获取该目标图中物体的倾斜椭圆锚框。
-
公开(公告)号：CN118485583A
公开(公告)日：2024-08-13
申请号：CN202410577964.6
申请日：2024-05-10
Applicant: 中国科学院计算技术研究所
IPC: G06T5/50
Abstract: 本发明提出一种常识增强的图像合成方法，包括：数据准备步骤，选取场景描述模型对已知多模态数据进行处理，以获取物体于环境中放置位置的常识知识；模型训练步骤，对已知图像进行位置描述标注，生成训练集，以该训练集对合成模型进行训练；该已知图像包括已知背景图像和已知前景图像；图像合成步骤，以该合成模型，基于该常识知识将目标背景图像和目标前景图像合成为目标图像。本发明还提出一种常识增强的图像合成装置，以及一种用于常识增强的图像合成的电子设备。
-
Patent Agency Ranking
公开(公告)号：CN109785298A
公开(公告)日：2019-05-21
申请号：CN201811593474.6
申请日：2018-12-25
Applicant: 中国科学院计算技术研究所
IPC: G06T7/00
Abstract: 本发明涉及一种多角度物体检测方法，包括：以深度神经网络构建检测模型；对训练图提取特征以获得多个特征图，设置多个垂直矩形锚框，获取该垂直矩形锚框与该训练图的样本物体的相交比，并以该相交比大于正例阈值的垂直矩形锚框标记为该训练图的样本物体的正例；通过该特征图对每个该正例进行回归预测，获取该样本物体的倾斜椭圆锚框的特征参数，以对该检测模型进行学习；以该检测模型检测目标图，获取该目标图中物体的倾斜椭圆锚框。
-
公开(公告)号：CN107229757B
公开(公告)日：2020-09-29
申请号：CN201710530458.1
申请日：2017-06-30
Applicant: 中国科学院计算技术研究所
IPC: G06F16/43 , G06F16/483 , G06N3/08
Abstract: 本发明涉及一种基于深度学习和哈希编码的针对视频数据的网络训练方法，利用深度神经网络提取视频样本的特征矩阵；将所获得的视频样本的特征矩阵作为整体进行建模，获得所述视频样本的高维实值表示；将所获得的高维实值表示利用深度网络进一步表示为二值哈希编码。
-
公开(公告)号：CN107330074B
公开(公告)日：2020-05-26
申请号：CN201710525604.1
申请日：2017-06-30
Applicant: 中国科学院计算技术研究所
IPC: G06F16/583 , G06F16/58 , G06K9/62
Abstract: 本发明涉及一种基于深度学习和哈希编码的模型训练方法，包括将部分标注的图像数据作为网络模型的训练数据，通过深度网络将所述训练数据表示为类二值哈希编码，其中，所述类二值哈希编码是指取值是连续值的一种模拟二值哈希编码；将获得的类二值哈希编码作为输入，连接到深度网络的一个或多个任务层，同时使用一个或多个任务进行训练；基于类二值哈希编码获得带有所述可供检索的特征信息的用于表示所述训练数据的二值哈希编码。
-
公开(公告)号：CN107330074A
公开(公告)日：2017-11-07
申请号：CN201710525604.1
申请日：2017-06-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于深度学习和哈希编码的模型训练方法，包括将部分标注的图像数据作为网络模型的训练数据，通过深度网络将所述训练数据表示为类二值哈希编码，其中，所述类二值哈希编码是指取值是连续值的一种模拟二值哈希编码；将获得的类二值哈希编码作为输入，连接到深度网络的一个或多个任务层，同时使用一个或多个任务进行训练；基于类二值哈希编码获得带有所述可供检索的特征信息的用于表示所述训练数据的二值哈希编码。
-
公开(公告)号：CN107229757A
公开(公告)日：2017-10-03
申请号：CN201710530458.1
申请日：2017-06-30
Applicant: 中国科学院计算技术研究所
CPC classification number: G06F16/434 , G06F16/43 , G06N3/08
Abstract: 本发明涉及一种基于深度学习和哈希编码的针对视频数据的网络训练方法，利用深度神经网络提取视频样本的特征矩阵；将所获得的视频样本的特征矩阵作为整体进行建模，获得所述视频样本的高维实值表示；将所获得的高维实值表示利用深度网络进一步表示为二值哈希编码。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
