-
公开(公告)号：CN111275026A
公开(公告)日：2020-06-12
申请号：CN202010207999.2
申请日：2020-03-23
Applicant: 复旦大学
Abstract: 本发明公开了一种三维点云联合语义和实例分割的方法，包括以下步骤：通过深度传感器和图像传感器获取三维场景的点云信息，将得到的三维场景点云数据进行随机下采样得到固定点数的点云数据，将得到的下采样的点云数据输入点云特征编码网络进行特征提取，将提取到的点云特征分别输入两个不同的特征提取网络得到独立的语义特征和实例特征，将语义特征和实例特征按先语义后实例，先实例后语义一步步输入两个不同的两步长的循环卷积神经网络，分别输出实例和语义特征；本发明模拟了人脑处理语义判别和同一语义下个体实例区分时的记忆筛选机制，不仅可以同时输出多任务，准确率也高于传统单任务的方法，具有很高效的推理速度。
-
公开(公告)号：CN111444811B
公开(公告)日：2023-04-28
申请号：CN202010207425.5
申请日：2020-03-23
Applicant: 复旦大学
Abstract: 本发明公开了一种三维点云目标检测的方法，包括以下步骤：通过深度传感器和图像传感器获取三维场景的点云信息作为神经网络的训练数据集,利用计算机渲染的目标点云模型补全场景中目标由于视角遮挡和远距离缺失的点云，作为虚拟训练数据集，搭建两个三维目标检测网络，一个用于输入真实数据，一个用于输入虚拟数据,将真实的三维场景点云数据和虚拟的三维场景点云数据分别输入各自的点云特征编码网络进行特征提取；本发明模拟了这种联想感知的过程，并将其运用到了深度神经网络中，通过迁移学习技术将真实场景中不完整的点云信息编码特征域迁移到虚拟的完整点云信息编码特征域中，使神经网络能够主动将不完整的点云关联到完整的点云。
-
公开(公告)号：CN111275026B
公开(公告)日：2022-09-13
申请号：CN202010207999.2
申请日：2020-03-23
Applicant: 复旦大学
Abstract: 本发明公开了一种三维点云联合语义和实例分割的方法，包括以下步骤：通过深度传感器和图像传感器获取三维场景的点云信息，将得到的三维场景点云数据进行随机下采样得到固定点数的点云数据，将得到的下采样的点云数据输入点云特征编码网络进行特征提取，将提取到的点云特征分别输入两个不同的特征提取网络得到独立的语义特征和实例特征，将语义特征和实例特征按先语义后实例，先实例后语义一步步输入两个不同的两步长的循环卷积神经网络，分别输出实例和语义特征；本发明模拟了人脑处理语义判别和同一语义下个体实例区分时的记忆筛选机制，不仅可以同时输出多任务，准确率也高于传统单任务的方法，具有很高效的推理速度。
-
公开(公告)号：CN111444811A
公开(公告)日：2020-07-24
申请号：CN202010207425.5
申请日：2020-03-23
Applicant: 复旦大学
Abstract: 本发明公开了一种三维点云目标检测的方法，包括以下步骤：通过深度传感器和图像传感器获取三维场景的点云信息作为神经网络的训练数据集,利用计算机渲染的目标点云模型补全场景中目标由于视角遮挡和远距离缺失的点云，作为虚拟训练数据集，搭建两个三维目标检测网络，一个用于输入真实数据，一个用于输入虚拟数据,将真实的三维场景点云数据和虚拟的三维场景点云数据分别输入各自的点云特征编码网络进行特征提取；本发明模拟了这种联想感知的过程，并将其运用到了深度神经网络中，通过迁移学习技术将真实场景中不完整的点云信息编码特征域迁移到虚拟的完整点云信息编码特征域中，使神经网络能够主动将不完整的点云关联到完整的点云。
-
-
-
Search Results
4
records
(took 0.016 seconds)
