-
公开(公告)号：CN105913423B
公开(公告)日：2018-08-07
申请号：CN201610214978.7
申请日：2016-04-08
Applicant: 厦门大学
Abstract: 种基于超像素的确定性模型拟合方法,涉及计算机视觉技术。包括以下步骤:A.准备数据集;B.对图片进行超像素分割;C.通过分析超像素信息,对输入的数据进行预分组,以降低算法搜索时间复杂度;D.在数据集的分组信息基础上,提出种确定性生成假设方法;E.提出种模型选择方法,每次选取最佳模型假设,同时去除多余模型假设;F.根据选取的每个模型实例,区分内点与野点,完成模型拟合。能提取超像素分割的有效信息,以确定性地生成高质量的模型假设。有效避免当前模型选择方法对内点尺度的敏感性。能确定地处理多结构模型数据,而且不需大量的迭代优化,从而保证方法高效性。
-
公开(公告)号：CN109871867A
公开(公告)日：2019-06-11
申请号：CN201910018055.8
申请日：2019-01-09
Applicant: 厦门大学
Abstract: 一种基于偏好统计的数据表征的模型拟合方法，涉及计算机视觉技术。准备数据集；针对每个点xi，计算该点到M个模型假设的绝对残差；J-Linkage的一致统计分析本质是统计所有的残差值中小于固定阈值的残差；基于非参的核密度估计技术，获得 个有意义的模型假设 得到一个修剪的偏好统计矩阵 分析矩阵 中每一行 的信息内容，然后将内点从离群点区分出来；根据保留下来的内点，分割数据到不同的数据结构里，提出一种新型的基于自适应聚类的模型选取算法。
-
Patent Agency Ranking
公开(公告)号：CN104835174A
公开(公告)日：2015-08-12
申请号：CN201510269932.0
申请日：2015-05-25
Applicant: 厦门大学
IPC: G06T7/00
CPC classification number: G06T7/162 , G06T7/174 , G06T2207/20072
Abstract: 基于超图模式搜索的鲁棒模型拟合方法，涉及计算机视觉技术。准备数据集；建立超图模型G＝(V,E)，一个模型假设对应于超图中的一个顶点v，数据点则对应一条超边e：让每个顶点连接相应模型假设的内点，即超边；采用无参核密度估计方法评估每个顶点v的权重分数w(v)，自此，模型拟合问题便转化为在超图中模式搜索问题；提出通过在超图中搜索权重波峰进行模式搜索；通过搜索到的模式和超图模型，确定每个结构的内点和参数；根据每个结构的参数和内点，对图像进行分割，完成模型拟合。能够缓解对数据分布的敏感性，建立的超图不需要任何的转化，可以直接被应用于模式搜索。
-
公开(公告)号：CN108960296B
公开(公告)日：2022-03-29
申请号：CN201810613941.0
申请日：2018-06-14
Applicant: 厦门大学
IPC: G06V10/762 , G06V10/764 , G06V10/77 , G06K9/62
Abstract: 一种基于连续潜在语义分析的模型拟合方法，涉及计算机视觉技术。准备数据集。融合偏好分析和潜在语义分析构造潜在语义空间。分析潜在语义空间的数据分布。在潜在语义空间中自适应地去除离群点。在潜在语义空间中对剩下的数据点进行聚类分析。根据聚类结果估计模型参数，完成模型拟合。通过融合连续偏好分析和潜在语义分析快速有效地构造潜在语义空间，并将输入数据投影到所构造的潜在语义空间中，使得离群点靠近原点而来自不同模型实例的内点分布在不同的子空间中，从而将复杂的模型拟合问题看作成潜在语义空间中子空间恢复问题。本发明能够快速且有效地处理模型拟合问题。
-
公开(公告)号：CN108960296A
公开(公告)日：2018-12-07
申请号：CN201810613941.0
申请日：2018-06-14
Applicant: 厦门大学
IPC: G06K9/62
CPC classification number: G06K9/6232 , G06K9/6218 , G06K9/6272
Abstract: 一种基于连续潜在语义分析的模型拟合方法，涉及计算机视觉技术。准备数据集。融合偏好分析和潜在语义分析构造潜在语义空间。分析潜在语义空间的数据分布。在潜在语义空间中自适应地去除离群点。在潜在语义空间中对剩下的数据点进行聚类分析。根据聚类结果估计模型参数，完成模型拟合。通过融合连续偏好分析和潜在语义分析快速有效地构造潜在语义空间，并将输入数据投影到所构造的潜在语义空间中，使得离群点靠近原点而来自不同模型实例的内点分布在不同的子空间中，从而将复杂的模型拟合问题看作成潜在语义空间中子空间恢复问题。本发明能够快速且有效地处理模型拟合问题。
-
公开(公告)号：CN104835174B
公开(公告)日：2017-12-15
申请号：CN201510269932.0
申请日：2015-05-25
Applicant: 厦门大学
IPC: G06T7/00
Abstract: 基于超图模式搜索的鲁棒模型拟合方法，涉及计算机视觉技术。准备数据集；建立超图模型G＝(V,E)，一个模型假设对应于超图中的一个顶点v，数据点则对应一条超边e：让每个顶点连接相应模型假设的内点，即超边；采用无参核密度估计方法评估每个顶点v的权重分数w(v)，自此，模型拟合问题便转化为在超图中模式搜索问题；提出通过在超图中搜索权重波峰进行模式搜索；通过搜索到的模式和超图模型，确定每个结构的内点和参数；根据每个结构的参数和内点，对图像进行分割，完成模型拟合。能够缓解对数据分布的敏感性，建立的超图不需要任何的转化，可以直接被应用于模式搜索。
-
公开(公告)号：CN105913423A
公开(公告)日：2016-08-31
申请号：CN201610214978.7
申请日：2016-04-08
Applicant: 厦门大学
IPC: G06T7/00
Abstract: 一种基于超像素的确定性模型拟合方法，涉及计算机视觉技术。包括以下步骤：A.准备数据集；B.对图片进行超像素分割；C.通过分析超像素信息，对输入的数据进行预分组，以降低算法搜索时间复杂度；D.在数据集的分组信息基础上，提出一种确定性生成假设方法；E.提出一种模型选择方法，每次选取最佳模型假设，同时去除多余模型假设；F.根据选取的每个模型实例，区分内点与野点，完成模型拟合。能提取超像素分割的有效信息，以确定性地生成高质量的模型假设。有效避免当前模型选择方法对内点尺度的敏感性。能确定地处理多结构模型数据，而且不需大量的迭代优化，从而保证方法高效性。
-
-
-
-
-
-
Search Results
7
records
(took 0.013 seconds)
