-
公开(公告)号：CN119130865A
公开(公告)日：2024-12-13
申请号：CN202411056876.8
申请日：2024-08-02
Applicant: 厦门大学
IPC: G06T5/80 , G06T5/60 , G06V10/774 , G06V10/82
Abstract: 本申请的实施例提供了一种三维点云的标签迭代校正方法、装置、介质及设备。该方法采用训练完成的若干验证器对原始点云进行至少一轮标签迭代校正，得到标签校正后的目标点云；其中，在每一轮标签迭代校正中，包括：将原始点云中的每一个点及其在上一轮确定的校正标签分别输入至若干验证器中，以使各验证器分别输出原始点云中各点为干净样本或者污染样本的判断结果；针对被各验证器确定为污染样本的点，将污染样本分别输入至各验证器包含的深度神经网络中，以使各深度神经网络输出对应的预测标签以确定污染样本在当前轮对应的校正标签。本申请实施例的技术方案可以准确分离并校正点云数据集中的污染标签样本，保证后续神经网络训练的有效性。
-
公开(公告)号：CN117975210A
公开(公告)日：2024-05-03
申请号：CN202311790434.1
申请日：2023-12-22
Applicant: 厦门大学
IPC: G06V10/80 , G06V10/764 , G06V10/44 , G06V20/64
Abstract: 本申请的实施例提供了一种基于局部特征的点云数据处理方法、装置、介质及设备。该方法包括：获取待处理点云数据；将所述待处理点云数据输入至预先构建的特征提取模型中，所述特征提取模型包括依次连接的若干特征提取模块，得到各特征提取模块的输出特征后，根据数据处理类别标识，采用与所述数据处理类别标识对应的数据处理网络对所述特征提取模块的输出特征进行数据处理，得到数据处理结果。本申请实施例的技术方案可以将空间关系的显式建模与局部特征聚合进行解耦，减少点云数据处理过程中的计算量，保证点云数据处理结果的有效性。
-
公开(公告)号：CN116645582A
公开(公告)日：2023-08-25
申请号：CN202310473027.1
申请日：2023-04-27
Applicant: 厦门大学
IPC: G06V10/82 , G06N3/094 , G06V10/774 , G06V20/64 , G06N3/0475
Abstract: 本申请公开了一种基于梯度优化的显著性区域三维点云对抗攻击方法，包括：对原始点云进行区域划分，以得到多个不同区域组合；将多个不同区域组合分别输入到训练好的网络模型，以得到对应的不同区域组合对网络模型识别结果的重要程度；根据重要程度得到每个区域的显著性值，并对每个区域按照显著性值进行排列；获取攻击区域数量，以便根据攻击区域数量在排序后的每个区域中确定攻击的显著性区域；对显著性区域进行攻击以生成对抗点云，并根据距离约束得到对应的点云对抗样本；使用基于梯度优化的对抗攻击算法根据点云对抗样本更新所述对抗点云，并对对抗点云进行可视化；由此，不仅生成代价低，而且人类视觉难以察觉。
-
公开(公告)号：CN116128922A
公开(公告)日：2023-05-16
申请号：CN202310020378.7
申请日：2023-01-06
Applicant: 厦门大学
IPC: G06T7/246 , G01V8/10 , G06V10/774
Abstract: 本申请的实施例提供了一种基于事件相机的物体掉落检测方法、装置、介质及设备。该方法包括：获取事件相机输出的事件流，所述事件流包含连续的若干个事件的事件信息，所述事件信息包括事件的发生坐标以及发生时间；根据各所述事件对应的发生坐标以及发生时间，生成与所述事件流对应的特征图，所述特征图于描述所述事件流包含的事件的时间特征和/或位置特征；根据所述特征图中每一坐标对应的特征值进行聚类识别，确定所述特征图中存在目标物体的至少一个目标区域的位置信息；基于连续的至少一个事件流对应的特征图中各目标区域的位置信息，确定所述目标物体的运动轨迹。本申请实施例的技术方案提高掉落物体识别的准确性，保证识别效果。
-
公开(公告)号：CN115510277A
公开(公告)日：2022-12-23
申请号：CN202210717598.0
申请日：2022-06-23
Applicant: 厦门大学
IPC: G06F16/901 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种连续时序交互图表示方法和介质，其中方法包括：获取原始动态图数据，进行预处理，以得到结构数据、节点特征和边特征；进行划分，以生成训练集、测试集和验证集；根据训练集对模型进行训练，以得到初始图表示模型，并根据测试集和验证集对初始图表示模型进行测试和验证，以得到最终图表示模型，获取待处理动态图，并通过最终图表示模型输出待处理动态图中节点对应的节点表示向量；能够有效捕捉节点表示的连续动态性并学习其状态轨迹，进而有效提升非活跃节点的表示能力及长间隔交互的预测效果。
-
Patent Agency Ranking
公开(公告)号：CN114414090A
公开(公告)日：2022-04-29
申请号：CN202111531294.7
申请日：2021-12-14
Applicant: 厦门大学
Abstract: 本发明公开了一种基于遥感影像和多层感知的地表温度预测方法及系统，其中该方法包括：由输入的遥感影像生成多尺度地理语义类别图；采用多层局部地表特征提取器从多尺度地理语义类别图提取多尺度地表特征；将多尺度地表特征进行拼接，输入多层感知机得到地表整合特征；采用第一多层感知机从输入的AF数据提取特征；将地表整合特征与提取的AF特征进行拼接，输入特征解码器得到地表温度预测；训练时在各尺度地表特征后增加独立预测分支，联合训练；由此，通过多层级地理语义信息的利用及物理过程的引导，能够生成高精准度的城市地表温度预测并具高泛化性，从而为城市的规划与建设提供信息支撑。
-
公开(公告)号：CN109325156B
公开(公告)日：2021-12-17
申请号：CN201810376370.3
申请日：2018-04-25
Applicant: 厦门大学
IPC: G06F16/909
Abstract: 本发明公开了一种基于扩展线段的农村道路网匹配方法，采用在参考线段周围构建缓冲区的方法，按长度、距离、角度计算落在缓冲区内的线段与参考线段间的相似性，以此选出候选线段；针对一对多的匹配情况，提出对参考线段与候选线段分别做扩展，再依据长度、距离、形状来计算扩展后线段间的相似性，对相似性较大的线段进行选择后构成新的候选线段；构造一个自适应参数，来表示选择后的新候选线段的个数，通过迭代循环扩展步骤使自适应参数逐渐减少到1，此时即确定了与参考线段正确匹配的线段。
-
公开(公告)号：CN107203761B
公开(公告)日：2019-09-17
申请号：CN201710454604.7
申请日：2017-06-15
Applicant: 厦门大学
Abstract: 本发明公开了一种基于高分辨率卫星影像的道路宽度估计方法，根据高分辨率卫星影像中道路的特征，定义了一种新颖的道路宽度描述符，通过统计固定大小的道路块内的像素分布并用直方图的形式表示，可以描述道路的宽度特征；在道路宽度描述符的基础上，结合卷积神经网络，提出了基于卷积神经网络的道路宽度估计方法；针对道路宽度估计结果中存在的宽度不连续问题，根据道路宽度的连续性，定义了一种基于空间一致性的道路宽度估计能量函数，通过最小化该能量函数可以实现卫星影像中道路宽度类别的合理估计。
-
公开(公告)号：CN107103758B
公开(公告)日：2019-06-21
申请号：CN201710427408.0
申请日：2017-06-08
Applicant: 厦门大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于深度学习的城市区域交通流量预测方法，该方法通过提取交通流量变化的高维时空特征对城市每个区域的交通流量同时进行预测，为城市交通流量预测问题提供了一种新的思路。首先根据LPR设备的数据计算城市区域每个时间段的历史流量；然后利用ConvLSTM和CNN设计交通流量预测模型，并提取影响预测时段的关键时间段的流量数据作为输入训练模型；最后利用训练好的模型进行城市区域交通流量的预测。
-
公开(公告)号：CN107103758A
公开(公告)日：2017-08-29
申请号：CN201710427408.0
申请日：2017-06-08
Applicant: 厦门大学
IPC: G08G1/01
CPC classification number: G08G1/0129
Abstract: 本发明公开了一种基于深度学习的城市区域交通流量预测方法，该方法通过提取交通流量变化的高维时空特征对城市每个区域的交通流量同时进行预测，为城市交通流量预测问题提供了一种新的思路。首先根据LPR设备的数据计算城市区域每个时间段的历史流量；然后利用ConvLSTM和CNN设计交通流量预测模型，并提取影响预测时段的关键时间段的流量数据作为输入训练模型；最后利用训练好的模型进行城市区域交通流量的预测。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.029 seconds)
