-
公开(公告)号：CN119068257A
公开(公告)日：2024-12-03
申请号：CN202411191747.X
申请日：2024-08-28
Applicant: 南京理工大学
IPC: G06V10/764 , G06V10/766 , G06V10/82 , G06V10/40 , G06V10/762 , G06V10/74 , G06V20/60 , G06N3/0895 , G06N3/0464
Abstract: 本发明公开了一种基于类原型的稀疏监督点云物体检测的方法，包括训练阶段和测试阶段。训练阶段包括：先构建一个检测器提取提案的特征；再构建原型辅助物体挖掘模块利用类原型挖掘原型标注以增强监督信号；最后构建多标注协同优化模块使用稀疏标注、伪标注和稀疏标注以提供更加全面的监督信号。上述模块提到的原型辅助物体挖掘模块和多标注协同优化模块仅在训练阶段使用，在测试阶段仅需要将待检测的点云场景输入到训练完的检测器中即可得到检测结果。本发明可实现在稀疏监督的情况下对物体的挖掘，利用跨场景的类原型实现了检测器对物体的感知的鲁棒性，在仅标注7％的物体的情况下达到了76％全监督模型的效果。
-
公开(公告)号：CN118865298A
公开(公告)日：2024-10-29
申请号：CN202410859552.1
申请日：2024-06-28
Applicant: 南京理工大学
IPC: G06V20/56 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/44 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于判别性区域特征学习的大规模点云场景识别方法，该方法包括以下步骤：构建室外大规模点云场景数据集；利用训练集和三元组损失迭代训练基于判别性区域交互的全局特征描述网络；对于新场景的所有关键帧的三维点云扫描数据，输入到基于判别性区域交互的全局特征描述网络中构建全局描述符数据库；在查询时，通过基于判别性区域交互的全局特征描述网络获得该点云的场景描述符；从描述符数据库中匹配最相近的描述符对应的点云位置，作为识别结果。本发明通过专注于判别性区域的特征学习来提升最终点云描述符的判别性，并提升场景识别的准确性和鲁棒性。
-
公开(公告)号：CN118135519A
公开(公告)日：2024-06-04
申请号：CN202410253247.8
申请日：2024-03-06
Applicant: 南京理工大学
IPC: G06V20/56 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于密集体素表示的隐式场景补全方法，包括训练阶段和测试阶段。训练阶段包括：先构建特征提取模块从输入稀疏点云中提取特征；再构建鸟瞰视图辅助增强模块，使用密集的鸟瞰视图特征增强前面提取到的非空体素特征；接着构建特征自适应补全模块，通过可变形的自注意力模块来自适应地补全体素特征；最后将采样点特征输入符号距离函数值生成模块生成对应的符号距离函数值，利用相应的损失函数来训练模型。测试阶段将待补全点云输入到训练完的补全模型中，得到补全后的场景点云隐表示。本发明可实现对空体素特征的探索，利用场景的上下文信息去获得更有表现力的体素特征，从而提升了场景补全效果。
-
公开(公告)号：CN111860266A
公开(公告)日：2020-10-30
申请号：CN202010667119.X
申请日：2020-07-13
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度特征的伪装人脸识别方法，包括以下步骤：构建第一训练样本集，训练面部遮挡检测模型；构建第二训练样本集，训练人脸识别模型；基于DFW的训练集和训练好的人脸识别模型，获取降维转换矩阵；基于降维转换矩阵和训练好的人脸识别模型，实现伪装人脸识别。本发明通过给训练集中的图片增加真实遮挡，增加了训练集样本的多样性，提高了人脸识别模型的泛化能力；同时提出多尺度残差块，采用不同的非线性变换来结合特征，促使人脸识别模型能够提取更加丰富的伪装人脸特征；此外将对齐人脸特征与未对齐人脸特征相结合，能消除姿态变换对人脸识别的影响，提高特征表示在伪装人脸验证中的识别能力，相比于现有方法，具有更好的性能。
-
公开(公告)号：CN107045629B
公开(公告)日：2020-06-26
申请号：CN201710256771.0
申请日：2017-04-19
Applicant: 南京理工大学
Abstract: 本发明公开一种多车道线检测方法，首先获取连续帧的彩色图像，对当前帧图像进行灰度化处理，并根据相机参数及设定的栅格地图大小，将灰度图做逆透视变换获得道路部分的栅格地图；然后根据控制点先验信息，使用泰森多边形对栅格地图进行区域划分，并对划分区域进行图像二值化处理；再根据车道线先验信息对区域分组，并且分别记录非零像素值的像素点坐标。接着使用改进的RANSAC算法对分组点集做曲线拟合获得车道线方程，最后结合车道线方程和粒子滤波算法对当前图像控制点的预测，计算出最终的车道线方程并对车道线方程做透视变换，获得原始图像中的车道线方程。本发明提出的方法对车道线检测精度高、鲁棒性好，可同时完成多车道线检测。
-
Patent Agency Ranking
公开(公告)号：CN117745825A
公开(公告)日：2024-03-22
申请号：CN202311773270.1
申请日：2023-12-21
Applicant: 南京理工大学
IPC: G06T7/73 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于图像识别技术领域，一种级联细化对应图的单目物品位姿估计方法，包括以下步骤，S001，获得目标物品场景的可见光图像；S002，将目标图像块从目标物品场景的可见光图像中裁剪下来；S003，获得目标物品场景的可见光图像同目标模型之间的粗略密集对应关系；S004，将所获得的粗略密集对应关系输入级联网络，经过细化，获得精细对应关系；S005，将所获得的精细对应关系通过位姿回归网络，获得目标物品的位姿。本申请建立了端到端的位姿估计网络，并有效的利用已有的RGB信息，通过提取池化特征，并采用级联的多步生成方式来提高对应的生成精度，从而显著的提升6D位姿估计准确性，有效解决无法满足高精度需求的问题。
-
公开(公告)号：CN115164974A
公开(公告)日：2022-10-11
申请号：CN202210969273.1
申请日：2022-08-12
Applicant: 南京理工大学
IPC: G01D21/00
Abstract: 本发明公开了一种基于红外相机的低成本高精度发热筛查方法。针对目前市场上基于红外相机的发热筛查系统中人脸检测难、发热判断精度低、成本高等问题，本发明提出了一种基于红外相机的低成本高精度发热筛查方法。具体包括：搭建可见光与红外双目相机系统以辅助红外人脸检测；构建历史差异框架以克服环境变化的影响；提出位置增强模块以克服距离变化的影响；提出自监督模板生成网络以提取历史人群中的有效面部温度信息。本发明仅依赖红外相机的测温灵敏度就能够实现较高的发热判断精度，在极大降低发热筛查成本的同时提高其适应复杂环境的能力。
-
公开(公告)号：CN106778754A
公开(公告)日：2017-05-31
申请号：CN201611031147.2
申请日：2016-11-22
Applicant: 南京理工大学
CPC classification number: G06K9/344 , G06T7/0004 , G06T2207/10004
Abstract: 本发明公开了一种鲁棒的工业电表数字识别方法，属于图像处理，模式识别技术领域。本发明主要包括两部分内容：数字分割和数字识别。首先，通过Canny算子检测工业电表面板中的数字边缘；再通过投影法可以有效定位并切割出数字区域；最后，基于训练集中的数字，通过KNN算法构造分类器，对待识别数字进行分类。本发明的工业电表数字识别方法，通过Canny边缘检测能够有效地区分噪声区域和数字区域，使得算法更加鲁棒。同时，在识别数字时采用KNN算法不仅可以有效提高算法效率，也能使得数字识别更加准确。
-
公开(公告)号：CN119693546A
公开(公告)日：2025-03-25
申请号：CN202411758193.7
申请日：2024-12-03
Applicant: 南京理工大学
IPC: G06T17/00 , G06V10/52 , G06T15/08 , G06T7/70 , G06T7/50 , G06N3/045 , G06N3/09 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于跨视角信息互补的稀疏视角表面重建方法，该方法包括训练阶段和推理阶段。训练阶段包括以下步骤：首先将输入的稀疏视角图像输入到网络中得到多尺度的特征并构造代价体；接下来将多视角的代价体输入到跨视角几何互补模块中，得到优化后的代价体；然后将优化后的代价体输入到跨视角几何Transformer，通过体渲染技术得到新视角的图像和深度图，并使用真值深度监督网络的训练；在推理阶段，将多视角图像以及对应的位姿，输入到训练好的跨视角信息互补的稀疏视角表面重建网络中，得到每个视角的深度，使用深度图融合算法得到最终的表面。本发明通过显式构建跨视角互补信息融合方式，提升在大视角变化下的场景重建准确性和鲁棒性。
-
公开(公告)号：CN119335560A
公开(公告)日：2025-01-21
申请号：CN202411385126.5
申请日：2024-09-30
Applicant: 南京理工大学
IPC: G01S17/931 , G06F30/27 , G06N3/0455 , G06N3/0985 , G06N3/0464 , G01S7/487 , G01S7/493 , G06F111/04 , G06F111/08 , G06F119/10
Abstract: 本发明公开了一种基于物理模型的多天候激光雷达点云生成方法，包含一个基于物理模型的天候仿真器，仿真出不同天后的激光雷达点云数据用于训练；再通过去噪‑扩散网络，其包含一个设计的蜘蛛‑黑曼巴去噪网络，进行多步去噪；在去噪过程中，本发明设计了一个天候信号控制器，可以在统一的多天候生成框架中，指定要生成的具体天后。本发明可以实现在一个统一的框架中生成多中不同天候状态下的激光雷达点云数据，天候条件的控制准确且高效，生成的不同天候的激光雷达点云数据具有优秀的保真度和多样性。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
