Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 厦门大学王菡子获国家专利权

厦门大学王菡子获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉厦门大学申请的专利一种基于双重净化动态图网络的鲁棒模型拟合方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119963847B

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510150715.3,技术领域涉及:G06V10/30;该发明授权一种基于双重净化动态图网络的鲁棒模型拟合方法是由王菡子;尹文玉;林舒源;卢杨;严严设计研发完成,并于2025-02-11向国家知识产权局提交的专利申请。

一种基于双重净化动态图网络的鲁棒模型拟合方法在说明书摘要公布了:一种基于双重净化动态图网络的鲁棒模型拟合方法,涉及计算机视觉技术领域。针对含噪声与离群点的数据集,通过尺度不变特征变换生成初始对应集,并引入动态图网络进行处理。提出一种双重动态净化模块,包括区域通道偏好块和整体空间一致块,分别从局部与全局视角实现逐步采样和离群点剔除,获取净化后的候选对应集及内点概率集。区域通道偏好块通过偏好注意力机制强化局部特征,整体空间一致块通过一致注意力机制捕获长程依赖关系。利用净化后的候选对应集拟合模型参数,并结合内点概率集计算模型估计损失与点分类损失。充分利用动态图网络特性与偏好一致策略,在抗噪性和拟合精度方面显著优于现有技术。

本发明授权一种基于双重净化动态图网络的鲁棒模型拟合方法在权利要求书中公布了:1.一种基于双重净化动态图网络的鲁棒模型拟合方法,其特征在于包括以下步骤: A.输入包含噪声和离群点的数据集,利用尺度不变特征变换方法生成初始对应集; 所述生成初始对应集的具体方法是通过尺度不变特征变换提取假设对应集,表示为,其中,表示通道数量,表示假设对应的数量,表示第个假设对应,包含在范围内的空间位置和,这些位置由图像和及其相应的相机内参进行归一化处理,以标准化空间坐标; B.将步骤A中获得的初始对应集通过双重动态净化模块进行逐步采样与离群点剔除,生成净化后的候选对应集和内点概率集; C.构建区域通道偏好块,在步骤B的双重动态净化模块中,采用区域通道偏好块对初始对应集进行分区,提取多通道的偏好特征;通过区域偏好注意力机制捕获偏好上下文信息,构建动态区域图以生成查询、键和值的偏好特征;得到偏好权重强化内点检测,并通过偏好权重和多区域特征聚合生成净化后对应的偏好特征,以局部视角指导内点概率的估计与优化; D.构建整体空间一致块,将步骤C获得的偏好特征输入整体空间一致块,利用空间一致注意力机制提取全局一致性信息,生成初始一致权重;通过构建动态整体图计算一致亲和度,并结合加权邻接矩阵与图卷积操作整合一致上下文信息,生成整体一致特征以提升内点选择的可靠性和模型拟合的精度;通过点云卷积块和多层感知层获取净化后的候选对应集和内点概率集; E.将步骤D中获得的净化后的候选对应集和内点概率集输入加权八点法求解器进行模型拟合,以估计模型及其参数,表示为,其中,表示所提网络估计的模型,表示所提网络估计的模型参数,表示加权八点法求解器,和分别为双曲正切和修正线性单元激活函数;通过验证操作对候选对应集上的估计模型进行测试与验证,并获得经过优化的模型,表示为,其中,表示全尺寸验证函数,用于评估模型的拟合精度和可靠性; F.将步骤E中获得的模型参数和内点概率集输入预测器,计算模型估计损失和点分类损失,用于优化模型拟合过程。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人厦门大学,其通讯地址为:361005 福建省厦门市思明南路422号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。