[发明专利]一种基于深度学习轮廓网络的多视图重建方法在审
| 申请号： | 201810081726.0 | 申请日： | 2018-01-29 |
| 公开（公告）号： | CN108305229A | 公开（公告）日： | 2018-07-20 |
| 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： | G06T5/00 | 分类号： | G06T5/00;G06T7/13;G06N3/04;G06N3/08 |
| 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： | 本发明提出了一种基于深度学习轮廓网络的多视图重建方法，其主要内容包括：引入深深度学习架构、三维形状编码、构建轮廓网络、网络训练和测试，其过程为，引入一个深度学习的轮廓网络，网络对一个或多个输入图像的三维形状编码进行学习，之后采用这个编码调整解码器来生成新的视图，随后引入基于轮廓的代理损失，当解码器不包含三维表征的时候，网络使用这个二维损失对三维形状进行编码，二维损失不受三维表征分辨率的限制，生成并预训练一个庞大的斑点状对象数据集网络，对数据集上的轮廓网络进行微调。本发明使用神经网络学习三维形状，新视图中生成的轮廓迫使网络编码三维形状，有效组合多个视图的信息，提高了多视图重建性能。 | ||
| 搜索关键词： | 三维形状 网络 解码器 二维 学习 引入 重建 三维 神经网络学习 编码调整 对象数据 输入图像 网络编码 网络使用 网络训练 有效组合 斑点状 数据集 分辨率 构建 微调 架构 测试 代理 | ||
【主权项】：
1.一种基于深度学习轮廓网络的多视图重建方法，其特征在于，主要包括引入深度学习架构(一)；三维形状编码(二)；构建轮廓网络(三)；网络训练和测试(四)。
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/201810081726.0/，转载请声明来源钻瓜专利网。
