基于跨图注意力机制和代价函数学习的牙模点云分割方法

    公开(公告)号:CN113674286A

    公开(公告)日:2021-11-19

    申请号:CN202111012399.1

    申请日:2021-08-31

    Inventor: 徐照程 田彦

    Abstract: 本发明公开了一种基于跨图注意力机制和代价函数学习的牙模点云分割方法,该方法首先构建牙模点云分割模型,在该模型中建立异构几何数据的交互图网络,利用跨图注意力机制,探索同个邻接图内、不同邻接图间的局部信息,学习异构几何数据间的依赖性,改善上下文感知特征的辨识能力,解决当前异质几何数据分析仅单独分析每种数据或简单线性组合异质数据忽视异质数据间的语义鸿沟的问题;本发明方法基于神经架构搜索(NeuralArchitecture Search,NAS),利用自动机器学习(Auto Machine Learning)、进化算法设计代价函数,将代价函数制定为树形结构的原始数学算子,求解与度量函数一致性最高的代价函数,解决代价函数与度量函数的不一致问题。与其他先进方法相比,本发明方法具有可观的竞争力。

    一种基于自监督学习显著性估计像素嵌入的道路检测方法

    公开(公告)号:CN113221826A

    公开(公告)日:2021-08-06

    申请号:CN202110600086.1

    申请日:2021-05-31

    Inventor: 徐照程 田彦

    Abstract: 本发明公开了一种基于自监督学习显著性估计像素嵌入的道路检测方法,该方法首先构建道路检测模型,道路检测模型由用于生成目标初始掩码的显著性估计模块、进一步改善道路分割掩码的像素嵌入学习模块复合而成;本发明方法基于图像级损失、应用全连接的条件随机场的空域一致性更新掩码预测图,利用时域融合结果更新监督信息用于迭代训练全卷积网络,使用结构感知的四元损失函数,使得属于同一类别像素间的嵌入空间距离小于属于不同类别像素间的嵌入空间距离。本发明方法能够灵活扩展自监督方法到复杂的交通场景中,并能够有效提高无像素级标注情况下的道路检测的准确率。

    基于跨图注意力机制和代价函数学习的牙模点云分割方法

    公开(公告)号:CN113674286B

    公开(公告)日:2023-12-26

    申请号:CN202111012399.1

    申请日:2021-08-31

    Inventor: 徐照程 田彦

    Abstract: 本发明公开了一种基于跨图注意力机制和代价函数学习的牙模点云分割方法,该方法首先构建牙模点云分割模型,在该模型中建立异构几何数据的交互图网络,利用跨图注意力机制,探索同个邻接图内、不同邻接图间的局部信息,学习异构几何数据间的依赖性,改善上下文感知特征的辨识能力,解决当前异质几何数据分析仅单独分析每种数据或简单线性组合异质数据忽视异质数据间的语义鸿沟的问题;本发明方法基于神经架构搜索(NeuralArchitecture Search,NAS),利用自动机器学习(Auto Machine Learning)、进化算法设计代价函数,将代价函数制定为树形结构的原始数学算子,求解与度量函数一致性最高的代价函数,解决代价函数与度量函数的不一致问题。与其他先进方法相比,本发明方法具有可观的竞争力。

    一种基于自监督学习显著性估计像素嵌入的道路检测方法

    公开(公告)号:CN113221826B

    公开(公告)日:2023-05-02

    申请号:CN202110600086.1

    申请日:2021-05-31

    Inventor: 徐照程 田彦

    Abstract: 本发明公开了一种基于自监督学习显著性估计像素嵌入的道路检测方法,该方法首先构建道路检测模型,道路检测模型由用于生成目标初始掩码的显著性估计模块、进一步改善道路分割掩码的像素嵌入学习模块复合而成;本发明方法基于图像级损失、应用全连接的条件随机场的空域一致性更新掩码预测图,利用时域融合结果更新监督信息用于迭代训练全卷积网络,使用结构感知的四元损失函数,使得属于同一类别像素间的嵌入空间距离小于属于不同类别像素间的嵌入空间距离。本发明方法能够灵活扩展自监督方法到复杂的交通场景中,并能够有效提高无像素级标注情况下的道路检测的准确率。

    一种基于多尺度跨图像弱监督学习的违禁物检测方法

    公开(公告)号:CN113159120A

    公开(公告)日:2021-07-23

    申请号:CN202110275640.3

    申请日:2021-03-15

    Inventor: 徐照程 田彦

    Abstract: 本发明公开了一种基于多尺度跨图像弱监督学习的违禁物检测方法,该方法首先构建违禁物检测模型,所述违禁物检测模型由用于图像多尺度特征提取与融合的特征交互模型、学习目标语义信息的跨图像弱监督语义分析模型以及分割掩码辅助检测模型复合而成;本发明方法通过编码器提取多尺度特征、持续特征交互强化深层语义信息,残差学习网络整合上下文信息,使用联合注意力机制学习跨图像相似性矩阵,运用解码器结构获得高层次语义分割掩码辅助检测,获得最终检测结果。本发明方法能够有效提高物品严重遮挡、高度重叠情况下的违禁物检测的准确率。

Patent Agency Ranking