-
公开(公告)号：CN111612046B
公开(公告)日：2023-10-20
申请号：CN202010355030.X
申请日：2020-04-29
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06N3/0464 , G06N3/048 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种特征金字塔图卷积神经网络及其在3D点云分类中的应用。本发明通过对图卷积网络提取到的多种不同尺度的特征信息进行特征提取，在网络进行特征提取的过程中，不同深度的网络提取出的信息会有不同，通过对多种尺度可以更充分的使用网络中的特征信息，提高网络的效果。同时本发明通过深层残差图网络结构对特征进行进行提取，并构建了一种特征金字塔结构，在网络进行预测结果的以后充分的使用多种层次的特征信息，通过这种方法使得网络在进行3D点云分类的时候拥有更好的效果，同时该结构还能运用到其他任务重，本发明可以充分的利用图网络中提取的数据关系信息，提高图网络对数据的关系处理能力，提高在点云分类等图数据中的能力。
-
公开(公告)号：CN112907712A
公开(公告)日：2021-06-04
申请号：CN202110087916.5
申请日：2021-01-22
Applicant: 杭州电子科技大学
IPC: G06T15/00
Abstract: 本发明公开了一种基于多视图散列增强哈希的三维模型特征表示方法，首先获取立体对象多视图特征表示，即得到前期特征；然后计算视图关系矩阵；再基于视图关系矩阵进行特征融合与增强，得到增强特征；最后利用损失函数和梯度下降算法实现参数优化，得到基于多视图散列增强哈希的三维模型特征表示。本发明方法有利于大规模三维模型数据集中的数据检索，引入了多视图散列增强哈希方法，使得模型能够提取输出哈希形式的多视图三维模型的特征，引入了视图关系矩阵，能够更好地保留视图关系信息，并有助于特征提取模型中的特征融合与增强过程。
-
公开(公告)号：CN111611861B
公开(公告)日：2023-05-05
申请号：CN202010321835.2
申请日：2020-04-22
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于多尺度特征关联的图像变化检测方法。本发明首先选取数据集并进行预处理，然后搭建变化检测网络，对参考图像和当前图像同时进行特征提取；再对提取出的图像特征进行特征关联和融合，然后通softmax函数获得网络的输出，最后把测试集图像输入训练好的变化检测网络模型中，变化检测网络输出对每个像素类别判断的置信度结果。本发明方法提高了检测速度和扩大了变化检测技术的应用场景，使得特征信息中既包含了更多的细节信息和高层次的语义信息，可以有效的提高变化区域的检测效果和检测精度。
-
公开(公告)号：CN110674333B
公开(公告)日：2022-04-01
申请号：CN201910712046.9
申请日：2019-08-02
Applicant: 杭州电子科技大学
IPC: G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多视图增强深度哈希的大规模图像高速检索方法。本发明包括如下步骤：步骤1获取图像多视图特征表示；步骤2计算视图关系矩阵；步骤3设计模型的损失函数；步骤4融合与增强；步骤5对搭建好的模型在大规模图像训练数据集上进行训练；步骤6对训练好的模型进行测试，生成哈希码，然后进行哈希检索；步骤7实验评估指标。本发明中汉明半径的扩展对结果的影响较小；且随着代码长度的增加，精度保持稳定。
-
公开(公告)号：CN112200766A
公开(公告)日：2021-01-08
申请号：CN202010921747.6
申请日：2020-09-04
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01N21/956
Abstract: 本发明提供一种基于区域关联神经网络的工业产品表面缺陷检测方法，首先对图像进行预处理，然后构建区域关联神经网络，包括目标检测网络分支和光流预测网络分支：再将训练集中的图像进行随机反转，输入区域关联神经网络中进行特征提取；对目标检测网络分支和光流预测网络分支的特征信息进行融合；最后通过目标检测网络分支进行缺陷预测；本发明方法通过多尺度特征金字塔的方式把提取出的差异性特征信息与目标检测网络分支中特征信息进行融合，增强缺陷区域的特征信息，从而提高网络在缺陷检测中检测精度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN111612046A
公开(公告)日：2020-09-01
申请号：CN202010355030.X
申请日：2020-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种特征金字塔图卷积神经网络及其在3D点云分类中的应用。本发明通过对图卷积网络提取到的多种不同尺度的特征信息进行特征提取，在网络进行特征提取的过程中，不同深度的网络提取出的信息会有不同，通过对多种尺度可以更充分的使用网络中的特征信息，提高网络的效果。同时本发明通过深层残差图网络结构对特征进行进行提取，并构建了一种特征金字塔结构，在网络进行预测结果的以后充分的使用多种层次的特征信息，通过这种方法使得网络在进行3D点云分类的时候拥有更好的效果，同时该结构还能运用到其他任务重，本发明可以充分的利用图网络中提取的数据关系信息，提高图网络对数据的关系处理能力，提高在点云分类等图数据中的能力。
-
公开(公告)号：CN111191729A
公开(公告)日：2020-05-22
申请号：CN201911425234.X
申请日：2019-12-31
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明提供一种基于多模态特征融合的三维对象融合特征表示方法。本发明将三种模态的三维模型特征表示，都做了一个非常细致的实现和复现：三维模型的多视图特征表示、点云特征表示以及网格特征表示。对多模态三维数据进行了处理、增强和融合，并基于此提取出了三维对象的融合特征表示。本发明能实现非常优秀的多模态信息融合，实现更加鲁棒的三维模型特征表示，供给其他三维对象任务使用。
-
公开(公告)号：CN110674333A
公开(公告)日：2020-01-10
申请号：CN201910712046.9
申请日：2019-08-02
Applicant: 杭州电子科技大学
IPC: G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多视图增强深度哈希的大规模图像高速检索方法。本发明包括如下步骤：步骤1获取图像多视图特征表示；步骤2计算视图关系矩阵；步骤3设计模型的损失函数；步骤4融合与增强；步骤5对搭建好的模型在大规模图像训练数据集上进行训练；步骤6对训练好的模型进行测试，生成哈希码，然后进行哈希检索；步骤7实验评估指标。本发明中汉明半径的扩展对结果的影响较小；且随着代码长度的增加，精度保持稳定。
-
公开(公告)号：CN111191729B
公开(公告)日：2022-04-01
申请号：CN201911425234.X
申请日：2019-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于多模态特征融合的三维对象融合特征表示方法。本发明将三种模态的三维模型特征表示，都做了一个非常细致的实现和复现：三维模型的多视图特征表示、点云特征表示以及网格特征表示。对多模态三维数据进行了处理、增强和融合，并基于此提取出了三维对象的融合特征表示。本发明能实现非常优秀的多模态信息融合，实现更加鲁棒的三维模型特征表示，供给其他三维对象任务使用。
-
公开(公告)号：CN111611861A
公开(公告)日：2020-09-01
申请号：CN202010321835.2
申请日：2020-04-22
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于多尺度特征关联的图像变化检测方法。本发明首先选取数据集并进行预处理，然后搭建变化检测网络，对参考图像和当前图像同时进行特征提取；再对提取出的图像特征进行特征关联和融合，然后通softmax函数获得网络的输出，最后把测试集图像输入训练好的变化检测网络模型中，变化检测网络输出对每个像素类别判断的置信度结果。本发明方法提高了检测速度和扩大了变化检测技术的应用场景，使得特征信息中既包含了更多的细节信息和高层次的语义信息，可以有效的提高变化区域的检测效果和检测精度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
