“温洪发”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果9个，建议您升级VIP下载更多相关专利

[发明专利]一种基于多尺度特征融合的RGBD显著性检测方法-CN202010028837.2有效
发明人：颜成钢;温洪发;周晓飞;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-01-11 - 公布日： 2022-04-01 - 主分类号： G06V10/46 文献下载
摘要：本发明提供一种基于多尺度特征融合的RGBD显著性检测方法。本发明首先构建了显著性检测模型，通过双流特征提取模块提取多级RGB图像特征和深度图像特征；通过多尺度特征池化模块和多尺度特征聚合模块进一步提取深层次特征。同时利用深度融合模块逐级融合来自于特征提取分支、多尺度特征池化模块和多尺度特征聚合模块的特征。显著性边界细化模块通过来自于RGB图像特征提取分支和深度图像特征提取分支的浅层特征进行边界约束，达到细化边界的目的；同时利用深度融合模块的输出特征进行全局约束，达到全局优化的目的。本发明实现了端到端的显著性预测，将边缘信息引入到了显著性检测中，可以充分有效地利用RGB图像信息和深度图像信息来预测显著性区域。
一种基于尺度特征融合 rgbd 显著检测方法

[发明专利]一种基于动态特征选择的RGB-D显著目标检测方法-CN202110586099.8在审
发明人：颜成钢;温洪发;孙垚棋;张继勇;李宗鹏 -专利权人：杭州电子科技大学
申请日： 2021-05-27 - 公布日： 2021-09-14 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于动态特征选择的RGB‑D显著目标检测方法。本发明提出了一种动态选择网络，包括动态选择模块DSM和跨模态全局上下文模块CGCM，其中DSM又包含了两个子模块：跨模态注意力模块CAM和双向门控池化模块BGPM。通过CAM从通道和空间的角度来动态地挖掘RGB和深度图之间的互补信息，通过CGCM从全局的角度来精准地凸出显著目标。通过BGPM，以门控选择的方式优化了跨级别信息，以动态选择的方式强化了多尺度信息。最后，本发明进一步引入了边缘监督策略，并将空间注意力机制嵌入到其中，以反馈的方式保证了显著目标边界的准确性和清晰性，有效提升了模型的细节表征能力。
一种基于动态特征选择 rgb 显著目标检测方法

[发明专利]一种基于核稀疏表示的三维模型分类检索方法-CN201910212744.2有效
发明人：颜成钢;温洪发;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2019-03-20 - 公布日： 2021-05-25 - 主分类号： G06F16/43 文献下载
摘要：本发明公开了一种基于核稀疏表示的三维模型分类检索方法。本发明步骤如下：1、运用一种基于二次误差作为度量代价的边收缩算法对以点云形式表示的三维模型进行顶点简化处理；2、计算顶点简化后三维模型的方向，保证同类模型在方向上能够对齐，通过计算得到了三维模型的三个特征方向向量；3、基于三个特征方向向量对三维模型进行渲染，得到相应不同方向上的多张不同渲染图像；4、针对不同数据集中三维模型的特点，综合考虑数据特征与描述符特征，选定特征描述符提取渲染图像的特征；5、利用改进的核稀疏表示分类器对提取的特征向量进行匹配，进而实现对三维模型的分类检索工作。本发明具有一定的鲁棒性，取得了较为高效、可靠的优越性能。
一种基于稀疏表示三维模型分类检索方法

[发明专利]一种基于特征聚合的RGBD显著性检测方法-CN202010710225.1在审
发明人：颜成钢;温洪发;周晓飞;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-07-22 - 公布日： 2020-11-13 - 主分类号： G06K9/46 文献下载
摘要：本发明提供一种基于特征聚合的RGBD显著性检测方法，首先对输入图像进行预处理；然后构建显著性检测网络；显著性检测网络包括特征提取网络和特征聚合网络。特征提取网络为一对基于ResNet50构建的非对称双流主干网络，分为RGB图像特征提取分支和深度图像特征提取分支。特征聚合网络包括K近邻GNNs、区域增强模块、分级融合模块、分块Non‑local模块。最后训练显著性检测网络，通过训练好的显著性检测网络进行显著性检测；本发明高效地联合推理了2D外观和3D几何信息，充分融合了来自于RGB图像和深度图像这两种不同模态的信息，通过分级融合模块进一步提升了模型的多尺度表达能力，使得粗糙级别的特征和精细级别的特征很好地融合在一起。
一种基于特征聚合 rgbd 显著检测方法

[发明专利]一种利用多重隐式反馈实现个性化推荐的方法-CN201911332188.9在审
发明人：颜成钢;温洪发;孙垚棋;张继勇;张勇东;韩卫东 -专利权人：杭州电子科技大学
申请日： 2019-12-21 - 公布日： 2020-05-19 - 主分类号： G06F16/9536 文献下载
摘要：本发明公开了一种利用多重隐式反馈实现个性化推荐的方法。本发明步骤如下：1、定义新的采用方法，将来自于目标反馈的项目定义为正例样本，将仅通过支持反馈与用户进行交互的项目定义为负例样本；2、应用矩阵分解来建模用户和项目之间的线性交互关系，通过将用户和项目之间的交互关系映射到维度为d的潜在共享空间，矩阵分解模型将用户对项目的偏好建模为该空间中相应潜在因子向量的内积；3、应用多层感知机来建模用户和项目之间的非线性交互关系，以及不同类型的隐式反馈之间的相互关系；4、融合矩阵分解模块和多重多层感知机模块的集成网络架构。本发明端到端的推荐模型，系统和全面地模拟用户和项目之间的多个隐式反馈，提高推荐质量。
一种利用多重反馈实现个性化推荐方法

[发明专利]一种基于深度融合的视频显著性检测方法-CN201910968451.7在审
发明人：周晓飞;温洪发;张继勇;颜成钢 -专利权人：杭州电子科技大学
申请日： 2019-10-12 - 公布日： 2020-03-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度融合的视频显著性检测方法，本发明方法包括深度特征提取网络、深度特征融合网络和显著性预测网络。模型的输入是当前帧图像和光流图像。首先，深度特征提取网络提取多级深度特征，产生深度空间特征和深度时间特征。然后，采用注意力模块分别强化学习两个分支中每级产生的深度特征，深度特征融合网络分级方式融合多级深度特征。将融合得到的深度特征与边界信息相结合并显著性预测网络进行预测，产生当前帧的最终显著性图。本发明方法提供的网络模型可以充分有效地利用空间信息和时间信息来实现对视频中显著性目标的预测。
一种基于深度融合视频显著检测方法

[发明专利]一种基于Harris角点检测的视觉导航方法-CN201910212751.2在审
发明人：颜成钢;温洪发;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2019-03-20 - 公布日： 2019-08-13 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于Harris角点检测的视觉导航方法。本发明包括以下步骤：步骤1、建立绝对坐标系，并在坐标系内人为设置多个标定点，同时保证标定点间隔设置在机器人移动路径上；步骤2、使得移动机器人在移动过程中可自动使用安装于其底部的视频采集装置对移动路径上的地面纹理进行录像；步骤3、当移动机器人开始运动时，实时提取视频中的特定帧图像作为相应位置的特征图像，进而形成一系列移动机器人移动路径上的特征图像，同时进行仿射变换得到新的特征图像，记为特征图像库。本发明剔除偏离整体分布趋势较大的误匹配点对，有效地提高了匹配精度和性能，从而提升了对移动机器人定位与导航的精准度。
特征图像移动机器人角点检测视觉导航移动路径标定点移动机器人定位视频采集装置机器人移动绝对坐标系地面纹理仿射变换分布趋势间隔设置实时提取移动过程精准度匹配点有效地帧图像剔除匹配偏离视频录像保证

[发明专利]一种基于多视图的三维模型分类检索方法-CN201910213225.8在审
发明人：颜成钢;温洪发;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2019-03-20 - 公布日： 2019-07-26 - 主分类号： G06F16/53 文献下载
摘要：本发明提出了一种基于多视图的三维模型分类检索方法。本发明具体实现如下：1、将三维模型数据进行预处理；2、获取三维模型的多角度渲染视图，在12个不同的视点处对三维模型进行投影得到其相应角度的渲染视图；3、提取三维模型渲染视图的特征，将每一个渲染视图分解成多个同心正方形，通过在两个连续同心正方形之间的图像灰度差异来获得渲染视图的特征；4、利用SVM分类器对三维模型进行分类检索。本发明方法通过一系列的预处理后，渲染得到三维模型不同角度下的视图，然后利用改进过的多分类SVM分类器实现了针对三维模型的分类检索任务，具有一定的鲁棒性，取得了较为高效、可靠的优越性能。
三维模型渲染分类检索预处理同心三维模型数据多分类SVM 视图分解图像灰度分类器鲁棒性投影视点改进

[发明专利]一种基于核密度估计的三维模型分类检索方法-CN201910212715.6在审
发明人：颜成钢;温洪发;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2019-03-20 - 公布日： 2019-07-26 - 主分类号： G06F16/583 文献下载
摘要：本发明提出了一种基于核密度估计的三维模型分类检索方法。本发明包括以下步骤：1.对三维模型数据进行预处理；2、确定三维模型局部特征目标点；3、计算三维模型中每一个三角形面片的特征值；4、选择合适的尺度参数；5、针对每一个目标点，估计其局部特征密度；6、将计算得到的局部特征密度值组合成三维模型特征向量；7、利用决策树分类器对未知三维模型进行分类检索。本方法首先分析并提取三维模型表面局部几何特征，然后利用核密度估计方法估计每一个选定目标点的特定局部特征密度，所有目标点的局部特征密度值构成的特征向量用来描述一个三维模型，最后利用决策树分类器实现对未知三维模型的分类检索工作。
三维模型局部特征分类检索核密度估计目标点决策树分类器三维模型数据三维模型特征预处理三角形面片表面局部尺度参数几何特征特征向量选定目标向量分析

1
共 9 条