-
公开(公告)号：CN118823475A
公开(公告)日：2024-10-22
申请号：CN202410961030.2
申请日：2024-07-17
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/40 , G06N3/096 , G06N3/045 , G06V10/82
Abstract: 本发明公开了一种面向点云场景分割的无参几何引导的测试时间适应方法，该方法获取同一点云场景的点云数据；分别将点云数据输入至训练好的深度视觉模型和无参几何模型以对应提取源域特征和几何特征；对源域特征和几何特征进行特征蒸馏损失计算，并基于特征蒸馏损失计算确定每个点的类别预测结果；根据基于源域特征和所述几何特征的软投票策略修正伪标签，并将修正后的伪标签与类别预测结果进行交叉熵损失计算。本发明鉴于无参几何能够较好捕获数据底层的流形信息，因此其能粗糙的表示目标域的分布信息，因此将其作为中间域引导源域模型迁移至目标域，大大减少测试时间适应的难度，有效提升模型在目标域上的性能。
-
公开(公告)号：CN116205902A
公开(公告)日：2023-06-02
申请号：CN202310305089.1
申请日：2023-03-24
Applicant: 北京邮电大学
IPC: G06T7/00 , G06T7/50 , G06V10/764
Abstract: 本发明提出一种基于最大池化指导的自适应三维点云局部采样方法，包括，获取三维图像的点云数据；使用深度视觉模块得到点云数据中每个点的特征以及每个点对应的坐标，对点云数据进行采样并将采样后的每一个点作为中心点；使用局部采样方法对中心点采样M个邻域点；将中心点特征以及邻域点与中心点的坐标差输入到自适应邻域评分模块，得到M个邻域点的分数，选择分数最高的N个邻域点作为最终的邻域点。本发明设计一种了更为有效的局部采样方法，通过自适应的邻域点评分模块选择更有效的邻域点，减少冗余点的数量。
-
公开(公告)号：CN109784144A
公开(公告)日：2019-05-21
申请号：CN201811442627.7
申请日：2018-11-29
Applicant: 北京邮电大学
Abstract: 本发明公开了一种亲属关系识别方法及系统。该方法包括：首先，基于人脸视频，构建用于描述父母和孩子关系的人脸视频数据库，并对人脸视频数据库中的视频进行预处理，及人脸检测、人脸归一化处理后，得到输入人脸图像；然后，建立卷积神经网络模型，以输入人脸图像作为输入，训练卷积神经网络模型；最后，通过训练后的卷积神经网络模型进行特征识别，输出是否具有亲属关系的判别结果。该系统包括人脸视频数据库构建模块、输入人脸图像获取模块、卷积神经网络模型训练模块和亲属关系判别模块。本发明能够在不采用DNA数据的前提下通过人脸识别实现人物亲属关系的识别。
-
公开(公告)号：CN118247634A
公开(公告)日：2024-06-25
申请号：CN202410416355.2
申请日：2024-04-08
Applicant: 北京邮电大学
Abstract: 本申请提出了一种显式局部几何结构建模的点云识别方法及装置，该方法包括：获取输入点云，使用局部采样方法对输入点云中的每个中心点进行K邻域采样；通过奇异值分解采样得到的K个邻域点与中心点的坐标差矩阵，捕获得到第一显式局部几何结构，去除第一显式局部几何结构中的噪声点，得到第二显式局部几何结构；利用第二显式局部几何结构生成邻域聚合层的内核kernel参数，基于kernel参数建模K个邻域点的特征向量，使用最大池化聚合建模的所有特征向量，捕获高维空间内的第三式局部几何结构；将第三式局部几何结构内不同邻域内的特征进行聚合，生成第四显式局部几何结构。基于本申请提出的方案，能够有效改善点云识别的性能。
-
公开(公告)号：CN114419577A
公开(公告)日：2022-04-29
申请号：CN202111472168.9
申请日：2021-12-03
Applicant: 北京邮电大学
Abstract: 本申请提供一种道路区域识别方法及相关设备，所述方法包括：获取待检测道路图像；构建道路区域识别模型，所述道路区域识别模型包括TC‑PC主干网络和解码器网络；利用所述TC‑PC主干网络对所述待检测道路图像进行特征提取，得到道路图像特征图；利用所述解码器网络对所述道路图像特征图进行处理，得到道路区域识别结果。道路区域识别模型中的TC‑PC主干网络能够保证道路识别结果准确度的同时大幅度减少参数量，不仅提高了计算速度，还节省了计算成本。
-
Patent Agency Ranking
-
公开(公告)号：CN110348285B
公开(公告)日：2021-07-20
申请号：CN201910434462.7
申请日：2019-05-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于语义增强网络的社会关系识别方法及装置，所述方法包括：获取原始图像；所述原始图像包括多个人脸子图像；提取每一人脸子图像中的人脸特征；采用预先训练的语义增强网络，从所述原始图像中提取全局特征；根据所述人脸特征和所述全局特征，对所述原始图像中多个人脸所对应的人物的社会关系进行识别，从而提高社会关系的识别准确度。
-
公开(公告)号：CN110348285A
公开(公告)日：2019-10-18
申请号：CN201910434462.7
申请日：2019-05-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于语义增强网络的社会关系识别方法及装置，所述方法包括：获取原始图像；所述原始图像包括多个人脸子图像；提取每一人脸子图像中的人脸特征；采用预先训练的语义增强网络，从所述原始图像中提取全局特征；根据所述人脸特征和所述全局特征，对所述原始图像中多个人脸所对应的人物的社会关系进行识别，从而提高社会关系的识别准确度。
-
公开(公告)号：CN119904494A
公开(公告)日：2025-04-29
申请号：CN202411873542.X
申请日：2024-12-18
Applicant: 北京邮电大学
Abstract: 本发明提供一种用于密集凌乱物体的形状估计方法及系统，属于计算机视觉技术领域，包括：获取每个待评估物体的实例点云，并获取与每个待评估物体的类别对应的模板点云；将每个待评估物体的实例点云和模板点云输入至形状恢复网络，得到形状恢复网络输出的每个待评估物体的形状恢复参数；形状恢复网络是通过实例点云样本和对应的真实点云标签训练得到；根据每个待评估物体的形状恢复参数对每个待评估物体对应的模板点云进行变换，得到每个待评估物体的预测点云。本发明通过结合实例点云的观测信息与模板点云的类别几何先验，利用形状恢复网络动态生成形状恢复参数，实现对密集凌乱场景中待评估物体高精度的形状估计。
-
公开(公告)号：CN119580330A
公开(公告)日：2025-03-07
申请号：CN202411713112.1
申请日：2024-11-27
Applicant: 北京邮电大学
Abstract: 本申请提出了一种稳健适应年龄性别差异的亲属识别方法，包括：获取待识别的图像对；通过骨干网络输出图像对中每张图像的特征图，并通过注意力机制计算图像的局部相关性；将每张图像的特征图通过对应的年龄预测分支和性别预测分支，预测每张图像的年龄特征和性别特征；根据人脸位置编码、年龄特征和性别特征确定调制因子，并根据调制因子动态调整图像的局部相关性；根据调整后的图像的局部相关性对特征图进行融合，并基于融合结果进行亲属识别，得到识别结果。采用上述方案的本发明有效提高了面对不同年龄性别差异情况下的亲属关系识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
