-
公开(公告)号:CN112488117B
公开(公告)日:2022-09-27
申请号:CN202011436923.3
申请日:2020-12-11
Applicant: 南京理工大学
IPC: G06V10/26 , G06V10/764 , G06V10/40 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于方向诱导卷积的点云分析方法,包括构建方向诱导卷积模块,所述方向诱导卷积模块用于提取点云无序邻域的特征;基于方向诱导卷积模块,构建残差方向诱导卷积模块和最远点采样残差方向诱导卷积模块;根据残差方向诱导卷积模块和最远点采样残差方向诱导卷积模块构建方向诱导卷积网络;将点云数据输入方向诱导卷积网络,获得点云分割结果和分类结果。本发明以一种端到端的方式更好的捕获了点云的局部空间结构,提高了点云分类以及点云分割的准确率。
-
公开(公告)号:CN115222953A
公开(公告)日:2022-10-21
申请号:CN202210626443.6
申请日:2022-06-02
Applicant: 南京理工大学
IPC: G06V10/44 , G06V10/774 , G06V10/26
Abstract: 本发明公开了一种基于多任务学习的弱监督图像语义理解方法,包括以下步骤:获取任务缺失图像,构建多层级任务共享编码器,逐层提取高级语义信息,输入相应的解码器分支;构建公共空间‑任务空间特征映射模块,通过不对齐任务融合模块与任务交互映射模块,映射更新各子任务特征;构建任务自适应特征更新模块,多层级迭代更新不对齐任务特征;构建任务自适应的弱监督图像语义理解框架,建立模型损失函数,将任务缺失的图像数据输入模型,获得语义分割、深度估计、表面法线估计等多任务预测结果。本发明根据任务标签不对齐的数据信息,通过公共空间与任务空间的映射交互,充分融合了不对齐任务特征,迭代生成高质量的多任务预测结果,能够有效处理任务缺失的弱监督问题,同时提高了各任务预测准确率。
-
公开(公告)号:CN112488117A
公开(公告)日:2021-03-12
申请号:CN202011436923.3
申请日:2020-12-11
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于方向诱导卷积的点云分析方法,包括构建方向诱导卷积模块,所述方向诱导卷积模块用于提取点云无序邻域的特征;基于方向诱导卷积模块,构建残差方向诱导卷积模块和最远点采样残差方向诱导卷积模块;根据残差方向诱导卷积模块和最远点采样残差方向诱导卷积模块构建方向诱导卷积网络;将点云数据输入方向诱导卷积网络,获得点云分割结果和分类结果。本发明以一种端到端的方式更好的捕获了点云的局部空间结构,提高了点云分类以及点云分割的准确率。
-
-