[发明专利]一种基于联合学习关键点检测器的三维目标匹配方法在审
| 申请号： | 201810215020.9 | 申请日： | 2018-03-15 |
| 公开（公告）号： | CN108447082A | 公开（公告）日： | 2018-08-24 |
| 发明（设计）人： | 夏春秋 | 申请（专利权）人： | 深圳市唯特视科技有限公司 |
| 主分类号： | G06T7/33 | 分类号： | G06T7/33;G06N3/08;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 518057 广东省深圳市高新技术产业园*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明中提出的一种基于联合学习关键点检测器的三维目标匹配方法，其主要内容包括：更快的区域卷积神经网络、训练、联合优化，其过程为，给定两个具有一些姿态扰动的深度图像，对每个图像生成两组建议，然后使用已知的图像姿势来投影三维建议，从而建立正对和负对，将这些对传递给对比损失，试图使正对之间的特征距离最小化并使负对之间的距离最大化，引入了新的分数损失，调整区域建议网络的参数，在深度图的区域生成高分数的建议，找到对应关系，从而完成匹配。本发明提出了一种新的采样层，可以即时生成局部补丁对应的标签，同时提高目标对应关系的准确性，对现有技术进行了定性和定量的改进。 | ||
| 搜索关键词： | 匹配 检测器 三维目标 关键点 正对 卷积神经网络 距离最大化 调整区域 联合优化 区域生成 深度图像 特征距离 图像生成 姿态扰动 采样层 高分数 深度图 最小化 两组 补丁 投影 姿势 三维 定性 标签 图像 联合 学习 传递 引入 改进 网络 | ||
【主权项】：
1.一种基于联合学习关键点检测器的三维目标匹配方法，其特征在于，主要包括更快的区域卷积神经网络(一)；训练(二)；联合优化(三)。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市唯特视科技有限公司，未经深圳市唯特视科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810215020.9/，转载请声明来源钻瓜专利网。
