一种基于曲率特征递归神经网络的三维目标识别方法 | |
梁炜; 李杨; 郑萌; 谈金东; 彭士伟 | |
2018-06-12 | |
著作权人 | 中国科学院沈阳自动化研究所 |
国家 | 中国 |
文献子类 | 发明 |
产权排序 | 1 |
其他题名 | Curvature feature recurrent neural network-based three-dimensional target identification method |
英文摘要 | 本发明涉及图像识别技术,为了有效地刻画三维目标在不同视角下的特征,针对三维目标识别过程中存在的图像噪声问题,提出了一种基于曲率特征递归神经网络的三维目标识别方法。首先,本发明通过计算目标三维模型的局部平均高斯曲率和平均均值曲率得出目标三维模型的联合曲率,并通过提取联合曲率局部极大值构成三维模型的曲率草图,利用透射投影变换生成360°二维图像序列作为训练递归神经网络的输入;其次,利用双向递归神经网络(BRNN)作为三维模型多视角序列特征学习方法,在softmax层利用softmax函数求得正确概率最大的识别类别。本发明能够自动提取三维目标与二维图像的共同特征,能够在图像噪声条件下保持较好的鲁棒性和较高的目标识别率。 |
公开日期 | 2021-04-27 |
申请日期 | 2016-12-02 |
语种 | 中文 |
状态 | 有权 |
内容类型 | 专利 |
源URL | [http://119.78.100.139/handle/173321/22045] |
专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
作者单位 | 中国科学院沈阳自动化研究所 |
推荐引用方式 GB/T 7714 | 梁炜,李杨,郑萌,等. 一种基于曲率特征递归神经网络的三维目标识别方法. 2018-06-12. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论