国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜南京理工大學左超獲國家專利權

恭喜南京理工大學左超獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜南京理工大學申請的專利基于深度學習的單幀彩色條紋投影的三維面型測量方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN111402240B

龍圖騰網通過國家知識產權局官網在2025-06-10發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202010194707.6,技術領域涉及:G06T7/00;該發明授權基于深度學習的單幀彩色條紋投影的三維面型測量方法是由左超;錢佳銘;陳錢;馮世杰;李藝璇;陶天陽;胡巖;尚昱昊設計研發完成,并于2020-03-19向國家知識產權局提交的專利申請。

基于深度學習的單幀彩色條紋投影的三維面型測量方法在說明書摘要公布了:本發明公開了一種基于深度學習的單幀彩色條紋投影的三維面型測量方法,包括基于卷積神經網絡的模型CNN,輸入包含三個通道,分別為彩色條紋圖像的紅色、綠色和藍色通道內的灰度條紋圖像。采用投影儀投影三個不同頻率的12步相移條紋,利用相移PS法和投影最小距離法PDM生成CNN所需的訓練數據對其進行訓練。使用時,將彩色條紋圖像的三個通道灰度條紋圖像輸入至CNN,得到分子項、分母項以及一個包含條紋級次信息的低精度絕對相位。將分子項與分母項代入反正切函數,結合低精度絕對相位計算得到高精度的絕對相位信息。本發明可在無任何復雜預后處理的情況下,提供更精確的相位信息和更可靠的相位展開。

本發明授權基于深度學習的單幀彩色條紋投影的三維面型測量方法在權利要求書中公布了:1.一種基于深度學習的單幀彩色條紋投影的三維面型測量方法,其特征在于,具體步驟為:步驟1:構建基于卷積神經網絡的模型CNN,所述模型CNN包括五路數據處理路徑、連接層1和卷積層11,其中:所述數據處理路徑1被設置為:輸入數據依次經過卷積層1、殘差模塊1,經殘差模塊1輸出的數據與卷積層1輸出的數據一起輸入卷積層2,卷積層2的輸出數據輸入連接層1;所述數據處理路徑2被設置為:輸入數據依次經過卷積層3、池化層1、殘差模塊2、上采樣層1,經上采樣層1輸出的數據與池化層1輸出的數據一起輸入卷積層4,卷積層4輸出的數據輸入連接層1;所述數據處理路徑3被設置為:輸入數據依次經過卷積層5、池化層2、殘差模塊3、上采樣層2、上采樣層3,上采樣層3輸出的數據與池化層2輸出的數據一起輸入卷積層6,卷積層6輸出的數據輸入連接層1;所述數據處理路徑4被設置為:輸入數據依次經過卷積層7、池化層3、殘差模塊4、上采樣層4、上采樣層5、上采樣層6,上采樣層6輸出的數據與池化層3輸出的數據一起輸入卷積層8,卷積層8輸出的數據輸入連接層1;所述數據處理路徑5被設置為:輸入數據依次經過卷積層9、池化層4、殘差模塊5、上采樣層7、上采樣層8、上采樣層9、上采樣層10,上采樣層10輸出的數據與池化層4輸出的數據一起輸入卷積層10,卷積層10輸出的數據輸入連接層1;所述連接層1用于將5路數據進行后輸入至卷積層11,得到輸出通道數為3的3D張量;步驟2:生成CNN模型訓練數據,對模型CNN進行訓練,生成CNN模型訓練數據的具體方法為:步驟2.1:使用投影儀向物體投影37幅條紋圖像,37幅條紋圖像包括12幅頻率fR的綠色相移條紋圖像12幅頻率fG的綠色相移條紋圖像和12幅頻率fB的綠色相移條紋圖像以及1幅復合彩色條紋圖像IRGB,其紅色通道為頻率fR的灰度條紋圖像IR、綠色通道為頻率fG的灰度條紋圖像IG、藍色通道為頻率fB的灰度條紋圖像IB;步驟2.2:使用彩色相機采集被物體調制的37幅條紋圖像,并生成訓練CNN所需的一組輸入與輸出數據,具體為:步驟2.2.1、對于采集到的前36幅綠色條紋圖像分別使用PS法獲取頻率為fR、fG、fB的包裹相位通過PDM法獲取頻率fG的絕對相位φG,將頻率fG的分子項MG、分母項DG,以及絕對相位φG作為模型CNN的一組標準數據;步驟2.2.2、將采集到的第37幅復合彩色條紋圖像IRGB三個通道中的灰度圖像IR、IG、IB作為網絡CNN的一組輸入數據;步驟2.3:重復步驟2.1、2.2,生成設定組數訓練數據;對模型CNN進行訓練的具體方法為:將第37幅復合彩色條紋圖像三個通道中的灰度圖像IR、IG、IB作為模型CNN輸入數據,頻率fG的分子項MG、分母項DG以及絕對相位φG作為模型CNN標準數據,計算標準數據與模型CNN輸出值之間的差異,利用反向傳播法,反復迭代優化CNN的內部參數,直到損失函數收斂;步驟3、將被測物的彩色復合條紋圖像三個通道內的灰度圖像輸入訓練好的模型CNN,獲得分子項、分母項以及低精度絕對相位,將分子項與分母項代入反正切函數,結合低精度絕對相位計算得到最終的絕對相位信息。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人南京理工大學,其通訊地址為:210094 江蘇省南京市玄武區孝陵衛200號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 福清市| 天台县| 三明市| 梁河县| 普格县| 泊头市| 罗定市| 嘉荫县| 聂拉木县| 花垣县| 怀远县| 咸宁市| 通海县| 衡东县| 张掖市| 都兰县| 平谷区| 青阳县| 龙山县| 兴山县| 神农架林区| 洛扎县| 清水河县| 泰和县| 齐河县| 资兴市| 泸水县| 苍梧县| 札达县| 泽库县| 宁强县| 黄梅县| 锡林郭勒盟| 鸡西市| 伽师县| 和硕县| 驻马店市| 梁山县| 余干县| 马鞍山市| 喀喇沁旗|