公开(公告)号：CN114708469B

公开(公告)日：2025-04-04

申请号：CN202210350763.3

申请日：2022-04-02

Applicant: 河北工业大学

Inventor： 张满囤 ,  权子洋 ,  师子奇 ,  申冲 ,  刘川 ,  郭竹砚 ,  史京珊

IPC: G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/049

Abstract: 本发明公开了一种基于多视图分组感知注意力的三维物体识别方法。首先获取不同三维物体模型不同拍摄角度的多张二维视图，利用卷积神经网络对多个视图进行处理提取视图特征向量，根据相似度分数将视图特征向量进行分组，再分别计算每个视图特征向量在其组内的权重系数，再使用加权求和的方式将一个分组内的所有视图特征向量融合为一个组级融合视图特征向量；最后经过循环神经网络挖掘组级融合视图特征向量之间的相关性，通过多感知组注意力将不同贡献的组级关联视图特征向量自适应地融合为一个三维物体描述符用于物体的分类。本发明结合了卷积神经网络、循环神经网络和注意力算法的优势，显著提高了三维物体识别的精确度和效率。

公开(公告)号：CN114708469A

公开(公告)日：2022-07-05

申请号：CN202210350763.3

申请日：2022-04-02

Applicant: 河北工业大学

Inventor： 张满囤 ,  权子洋 ,  师子奇 ,  申冲 ,  刘川 ,  郭竹砚 ,  史京珊

IPC: G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多视图分组感知注意力的三维物体识别方法。首先获取不同三维物体模型不同拍摄角度的多张二维视图，利用卷积神经网络对多个视图进行处理提取视图特征向量，根据相似度分数将视图特征向量进行分组，再分别计算每个视图特征向量在其组内的权重系数，再使用加权求和的方式将一个分组内的所有视图特征向量融合为一个组级融合视图特征向量；最后经过循环神经网络挖掘组级融合视图特征向量之间的相关性，通过多感知组注意力将不同贡献的组级关联视图特征向量自适应地融合为一个三维物体描述符用于物体的分类。本发明结合了卷积神经网络、循环神经网络和注意力算法的优势，显著提高了三维物体识别的精确度和效率。

公开(公告)号：CN115205940A

公开(公告)日：2022-10-18

申请号：CN202210847877.9

申请日：2022-07-19

Applicant: 河北工业大学

Inventor： 张满囤 ,  刘川 ,  申冲 ,  师子奇 ,  权子洋 ,  史京珊 ,  郭竹砚

IPC: G06V40/16 ,  G06V10/44 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明为基于特征增强的人脸关键点检测方法，首先提取人脸图像的卷积特征，并将卷积特征映射为图节点特征；根据数据集生成关键点邻接矩阵，将图节点特征和关键点邻接矩阵输入到特征增强模块中，特征增强模块由四个沙漏网络级联而成，相邻两个沙漏网络之间插入消息传递层，同时根据人脸面部结构将关键点进行分组，每组关键点连成一条边界，一共得到13条边界；将边界等效为树节点，构建双向树结构，通过双向树结构进行消息传递，得到增强节点特征；增强节点特征经过关键点生成模块的图卷积推理，预测得到关键点坐标矩阵，完成人脸关键点检测。该方法利用消息传递机制使得可见边界可以根据人脸面部结构为遮挡边界提供信息，提高了预测关键点坐标的准确性。