【摘 要】
:
针对从单幅图像生成点云的任务,提出基于中心损失的对抗生成方法。通过联合图像和点云在同一空间的语义信息,从而产生更保真的三维点云模型。在点云数据集上不同分类上与已有方法所生成的点云模型进行对比表明,提出的方法在倒角距离和推土机距离的度量上有更好的表现。
论文部分内容阅读
针对从单幅图像生成点云的任务,提出基于中心损失的对抗生成方法。通过联合图像和点云在同一空间的语义信息,从而产生更保真的三维点云模型。在点云数据集上不同分类上与已有方法所生成的点云模型进行对比表明,提出的方法在倒角距离和推土机距离的度量上有更好的表现。
其他文献
在推动政府工作由管理向服务转型的过程中,移动政务以其便捷、高效和用户基数大的特点发挥着积极的作用。缺乏规划、重复建设和资源浪费是目前移动政务系统建设中难以解决的痛点。针对现有痛点提出了一种数据、业务、运维资源共享的通用架构,对通用架构中移动化支撑的关键技术进行了解析和项目实践,结合实际应用进行了延伸。
近年来,随着人工智能技术的日益发展,基于自然语言理解的信息查询系统也逐渐成为现实。针对基于关键词搜索的搜索引擎难以精准捕获用户搜索意图的现状,提出了一种基于BERT的意图识别和语义槽填充联合模型,将其应用于搜索系统可以支持用户输入非结构化查询语句进行搜索。实验表明该模型能够识别用户的搜索意图从而提高搜索的准确率和速度。
H.266/VVC(Versatile Video Coding)是目前最为先进的视频编码标准,其为了适应更加复杂纹理的视频图像,在上一代视频编码标准H.265/HEVC(High Efficiency Video Coding)基础上引入了带有嵌套多类型树的四叉树,使得图像的块划分灵活,在提升编码性能的同时带来了显著增加的计算量。针对以上问题,提出了基于Sobel边缘检测的帧内快速CU划分技术,利用边缘特征来跳过几种CU划分方式达到减少运算量的效果,在AI(All In⁃tra)模式下,编码时间平均减少
文献作为学术研究的重要载体,记录着各研究领域的核心成果。“大生态”是贵州省三大战略行动之一,旅游发展和生态文明建设在贵州起着重要的作用,贵州也将牢牢守好发展和生态两条底线。本文研究中国知网贵州省旅游发展相关的期刊文献,采用层次聚类和社交网络方法进行文本挖掘,结合文献计量分析贵州省旅游发展的核心主题,从而揭示其旅游发展的历程。实验结果表明,该方法能够有效挖掘出贵州旅游发展热点主题的分布情况及网络关系,并就现阶段旅游商业发展提供可行的方向指引,具有一定的研究意义和实用价值。
数据数量的不断增长使得越来越多的数据存储在云环境下,数据去重技术在云环境下的应用也越来越广泛,通过存储唯一文件副本减少存储空间,降低网络通信开销.为了实现安全的数据
驾驶人的疲劳状态会大大增加车祸发生的概率,为有效避免这类事件的发生,以OpenCV机器视觉库为核心,基于树莓派构建疲劳驾驶检测系统。驾驶人在疲劳状态下眨眼、打哈欠、低头犯困的频率明显增加,因此在驾驶人上方安装摄像头实时采集驾驶人面部图像,根据视频流中Dlib开源库标识出的68个人脸特征关键点,计算出眨眼频率与打哈欠频率。提取头部3D特征精确计算出头部姿态欧拉角,多次实验设定最优阈值。最终,得到疲劳
针对含DG的配电网发生故障情况,提出了一种基于免疫算法的改进算法,加入了免疫记忆细胞信息分化扩增机制,并融合了粒子群算法。改进的算法能够有效避免算法陷入局部最优,可以适应各种复杂情况,大大提高了故障定位的准确率。提出了新的故障定位模型,通过仿真实践表明,运用改进免疫算法的分层定位模型能够有效降低运算数据的维度,显著提高运算效率,同时保证极高的故障定位准确率。
光度立体是利用不同方向光源下具有不同光度信息图像进行物体表面恢复的方法,在工业中常用于缺陷检测。从光度的立体原理、过程开始,介绍了光源标定方法的分类和经典标定方法的原理,对比了泊松方程、变分法、金字塔法等常见光度立体重建方法的优缺点,分析了当前热门的两个方向:光度立体和主动式测量结合、深度学习和光度立体结合的进展。最后总结对未来的几点展望。
基于线结构光编码和立体视觉测量技术,提出一种合成编码方式,利用投影仪和相机完成物体表面形貌测量。合成编码是通过投影仪向被测物体表面投射多条光栅和摄像机同步拍摄一组时间序列,根据时间序列和光栅条纹移动的规律获取任意时刻投影光栅在投影仪中的像素位置信息,简化了结构光编码的解码过程。最后利用双目立体视觉测量原理完成对物体形貌的三维重建。与传统的格雷码编码方法比较,对合成编码中包含特殊移动规律的光栅条纹进
随着嗅觉技术的发展,电子鼻因其响应速度快、使用方便等特点被广泛的应用。然而,在实践中,很难获得足够的样本数据来训练气味识别模型。本文提出了一种将生成对抗网络(GAN)和卷积神经网络(CNN)相结合的模型GAN-CNN,首先,将电子鼻数据转换为灰度图。然后,利用GAN学习真实样本的数据分布,通过生成器和判别器的对抗训练,生成具有相似数据分布的增强数据集。最后,将增强数据集输入CNN进行特征提取,并对气味类型进行分类。结果表明,GAN-CNN利用电子鼻采集响应成功对气味进行分类,并且准确度达到94.43%,这