[发明专利]基于2D-3D注意机制神经网络模型的三维重建方法在审
| 申请号： | 201910534985.9 | 申请日： | 2019-06-20 |
| 公开（公告）号： | CN110335344A | 公开（公告）日： | 2019-10-15 |
| 发明（设计）人： | 李恩;高子舒;郭锐;李胜川;杨国栋;梁自泽;谭民;景奉水;田雨农;王昊;孙苑淞;陆偲蓰;李勇;罗桓桓;刘佳鑫;周桂平 | 申请（专利权）人： | 中国科学院自动化研究所;国网山东省电力公司;国网辽宁省电力有限公司 |
| 主分类号： | G06T17/00 | 分类号： | G06T17/00;G06N3/08;G06N3/02 |
| 代理公司： | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人： | 郭文浩;尹文会 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于计算机视觉及三维重建技术领域，具体涉及了一种基于2D‑3D注意机制神经网络模型的三维重建方法，旨在解决现有技术无法兼顾三维重建精度及模型泛化能力的问题。本发明方法包括：基于自编码器2D‑3D注意机制神经网络构建三维重建模型并初始化；采用训练数据集训练并获取三维重建模型的训练损失值；采用误差反向传播的方法更新模型参数；重复进行损失计算以及模型参数更新直至训练损失值低于设定阈值或达到设定训练次数；采用训练好的三维重建模型基于输入数据进行三维重建。本发明将注意力机制引入自编码网络中，实现了对目标物体高质量的三维重建，并采用不在训练集中的数据进行测试，模型有更强的泛化能力。 | ||
| 搜索关键词： | 三维重建 神经网络模型 模型参数更新 神经网络构建 误差反向传播 计算机视觉 训练数据集 注意力机制 方法更新 模型参数 目标物体 损失计算 编码器 初始化 自编码 测试 引入 重复 网络 | ||
【主权项】：
1.一种基于2D‑3D注意机制神经网络模型的三维重建方法，其特征在于，该三维重建方法包括：步骤S10，获取物体不同视角的二维图像集作为输入图像集；步骤S20，基于所述输入图像集，通过训练好的三维重建模型，获取物体三维模型；其中，所述三维重建模型基于自编码器2D‑3D注意机制神经网络构建，其训练方法为：步骤B10，初始化所述三维重建模型的参数；步骤B20，将输入的训练图像在初始化后的三维重建模型中进行前馈传导并计算输入的训练图像投影的训练损失值；步骤B30，采用误差反向传播的方法，获取所述三维重建模型中各层参数的变化值并进行相应层的参数更新；步骤B40，重复执行步骤B20、步骤B30直至所述训练损失值低于预设阈值或训练次数达到预设值，获得训练好的三维重建模型。
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中国科学院自动化研究所;国网山东省电力公司;国网辽宁省电力有限公司，未经中国科学院自动化研究所;国网山东省电力公司;国网辽宁省电力有限公司许可，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/201910534985.9/，转载请声明来源钻瓜专利网。
