-
公开(公告)号：CN116310417B
公开(公告)日：2024-04-26
申请号：CN202310250802.7
申请日：2023-03-10
Applicant: 济南大学
Abstract: 本发明提出了一种基于形状上下文信息的近似图匹配方法及系统，涉及计算机视觉领域，具体方案包括：基于待匹配的两张属性图中节点之间的对应关系，构建关联图；基于关联图，分别计算包含局部距离信息、形状上下文信息和全图局部角度信息的亲和度矩阵，并融合成一个亲和度矩阵；基于亲和度最高的节点的距离信息，对亲和度矩阵进行更新，得到最终的亲和度矩阵；基于最终的亲和度矩阵，求解两张属性图的匹配关系；本发明增加约束条件与图信息来构造亲和度矩阵，减少引入的噪声和变形误差，降低错误匹配关系亲和度，提高匹配精度。
-
公开(公告)号：CN116434220B
公开(公告)日：2024-02-27
申请号：CN202310477856.7
申请日：2023-04-24
Applicant: 济南大学
IPC: G06V20/64 , G06V10/764
Abstract: 本发明属于三维物体分类技术领域，提供了基于描述符和AdaBoost算法的三维物体分类方法及系统，其在视角采样方面，提出了一种基于网格细分的方法，它提供了全方位的视角覆盖，同时又能自然地控制密度。对于三维表面和二维投影描述，选择或设计了简单而有效的描述符。进行了两阶段AdaBoost学习，第一阶段在2D投影的特定尺度上训练分类器，第二阶段组合了尺度特定的分类器来得出最终分类器。所提出的算法在分类准确率方面优于基准传统算法。
-
公开(公告)号：CN117540043A
公开(公告)日：2024-02-09
申请号：CN202311705268.0
申请日：2023-12-11
Applicant: 济南大学
IPC: G06F16/58 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了基于跨实例和类别对比的三维模型检索方法及系统；获取查询图像、查询图像的掩码图以及三维模型集合，对查询图像进行图像增强得到若干个增强后的查询图像；将增强后的查询图像、查询图像的掩码图、三维模型的多视图均输入到训练后的三维模型检索网络中，输出三维模型检索结果；三维模型检索网络将增强后的查询图像和查询图像的掩码图，均输入到第一卷积神经网络中，输出查询图像的特征表示；将三维模型的多视图输入到第二卷积神经网络中，输出三维模型每个视图的特征表示，将三维模型所有视图的特征表示进行加权求和，得到三维模型的特征表示；将所获得的特征表示均输入到分类器中，输出查询图像所对应的三维模型。
-
公开(公告)号：CN116310417A
公开(公告)日：2023-06-23
申请号：CN202310250802.7
申请日：2023-03-10
Applicant: 济南大学
Abstract: 本发明提出了一种基于形状上下文信息的近似图匹配方法及系统，涉及计算机视觉领域，具体方案包括：基于待匹配的两张属性图中节点之间的对应关系，构建关联图；基于关联图，分别计算包含局部距离信息、形状上下文信息和全图局部角度信息的亲和度矩阵，并融合成一个亲和度矩阵；基于亲和度最高的节点的距离信息，对亲和度矩阵进行更新，得到最终的亲和度矩阵；基于最终的亲和度矩阵，求解两张属性图的匹配关系；本发明增加约束条件与图信息来构造亲和度矩阵，减少引入的噪声和变形误差，降低错误匹配关系亲和度，提高匹配精度。
-
Patent Agency Ranking
公开(公告)号：CN114882260A
公开(公告)日：2022-08-09
申请号：CN202210609666.1
申请日：2022-05-31
Applicant: 济南大学
Abstract: 本发明提供一种图匹配方法及系统，属于计算机视觉领域，均能够：输入待匹配的两个属性图：图G1和图G2；构建图G1、图G2的亲和度矩阵Wall；基于邻居节点对，更新亲和度矩阵Wall，得到更新后的亲和度矩阵WU；基于更新后的亲和度矩阵WU，求解图G1、图G2的匹配关系。本发明用于降低错误匹配，提高匹配精度。
-
公开(公告)号：CN114882260B
公开(公告)日：2025-04-22
申请号：CN202210609666.1
申请日：2022-05-31
Applicant: 济南大学
Abstract: 本发明提供一种图匹配方法及系统，属于计算机视觉领域，均能够：输入待匹配的两个属性图：图G1和图G2；构建图G1、图G2的亲和度矩阵Wall；基于邻居节点对，更新亲和度矩阵Wall，得到更新后的亲和度矩阵WU；基于更新后的亲和度矩阵WU，求解图G1、图G2的匹配关系。本发明用于降低错误匹配，提高匹配精度。
-
公开(公告)号：CN117540043B
公开(公告)日：2024-04-12
申请号：CN202311705268.0
申请日：2023-12-11
Applicant: 济南大学
IPC: G06F16/58 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了基于跨实例和类别对比的三维模型检索方法及系统；获取查询图像、查询图像的掩码图以及三维模型集合，对查询图像进行图像增强得到若干个增强后的查询图像；将增强后的查询图像、查询图像的掩码图、三维模型的多视图均输入到训练后的三维模型检索网络中，输出三维模型检索结果；三维模型检索网络将增强后的查询图像和查询图像的掩码图，均输入到第一卷积神经网络中，输出查询图像的特征表示；将三维模型的多视图输入到第二卷积神经网络中，输出三维模型每个视图的特征表示，将三维模型所有视图的特征表示进行加权求和，得到三维模型的特征表示；将所获得的特征表示均输入到分类器中，输出查询图像所对应的三维模型。
-
公开(公告)号：CN116434220A
公开(公告)日：2023-07-14
申请号：CN202310477856.7
申请日：2023-04-24
Applicant: 济南大学
IPC: G06V20/64 , G06V10/764
Abstract: 本发明属于三维物体分类技术领域，提供了基于描述符和AdaBoost算法的三维物体分类方法及系统，其在视角采样方面，提出了一种基于网格细分的方法，它提供了全方位的视角覆盖，同时又能自然地控制密度。对于三维表面和二维投影描述，选择或设计了简单而有效的描述符。进行了两阶段AdaBoost学习，第一阶段在2D投影的特定尺度上训练分类器，第二阶段组合了尺度特定的分类器来得出最终分类器。所提出的算法在分类准确率方面优于基准传统算法。
-
公开(公告)号：CN116342947A
公开(公告)日：2023-06-27
申请号：CN202310310809.3
申请日：2023-03-28
Applicant: 济南大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V20/64
Abstract: 本申请公开了一种基于多视图分组的轻量级三维模型分类网络,视图采样模块将三维模型投影到N个视图中依次渲染获得N个二维深度图；视图分组模块根据三维模型的几何语义将二维深度图划分为多个组；特征提取模块对每组二维深度图进行特征提取后输出多个特征图；特征融合模块把多个特征图融合后输入MobileViTblock模块中进一步解析获得最终预测结果。二维深度图通过良好的几何语义划分为多个组,然后多组视图分别利用改进后的MobileNetV2网络提取有效特征，最后多视图特征融合后获得三维模型的特征识别。该网络在保证三维模型分类有效性的同时降低了网络复杂度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
