-
公开(公告)号：CN116977187A
公开(公告)日：2023-10-31
申请号：CN202210392112.0
申请日：2022-04-14
Applicant: 北京大学
IPC: G06T5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于梯度场的深度点集重采样方法，其步骤包括：利用训练数据集训练一神经网络；其中，训练所述神经网络的方法为：将退化点云输入上下文特征提取网络，上下文特征提取网络获取退化点云中每个点#imgabs0#对应的特征hi并将其输入到梯度场估计网络；梯度场估计网络根据点#imgabs1#的上下文点云、点#imgabs2#及其特征hi得到点#imgabs3#对应的梯度#imgabs4#根据#imgabs5#在干净点云中对应的真实梯度#imgabs6#计算损失函数#imgabs7#将待采样的退化点云X输入训练后的神经网络，得到该退化点云X中每个点对应的梯度场；然后根据每个点的梯度场，通过梯度上升对云X中的点进行迭代更新，完成对该退化点云X的修复。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
