CN110216879B - 一种3d打印件表面主特征拍摄分块的提取方法 - Google Patents
一种3d打印件表面主特征拍摄分块的提取方法 Download PDFInfo
- Publication number
- CN110216879B CN110216879B CN201910621797.XA CN201910621797A CN110216879B CN 110216879 B CN110216879 B CN 110216879B CN 201910621797 A CN201910621797 A CN 201910621797A CN 110216879 B CN110216879 B CN 110216879B
- Authority
- CN
- China
- Prior art keywords
- shooting
- blocks
- feature
- characteristic
- block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种3D打印件表面主特征拍摄分块的提取方法,采用构建的语意特征关联标签库与待输入的名称或主旨语意信息,识别3D打印件表面多处显著特征区域;并在多约束条件下,通过基于Matlab编译的三维模型预处理算法、分割算法与比对评价算法,标记3D打印件表面匹配的4~6个主特征拍摄分块。本方法能够以经济高效的方式实现3D打印件表面主特征区域识别以及对应拍摄分块标记,还便于采用Matlab软件编译出可自动化提取的操作算法。既可以用于抽样区域垂直拍摄装置开发,又可以用于3D打印生产线上3D打印制品表面颜色质量在线评价用的高效率机器视觉装置开发。
Description
技术领域
本发明一种3D打印件表面主特征拍摄分块的提取方法,属于3D打印领域,尤其是涉及彩色3D打印质量辅助评价方法技术领域。
背景技术
3D打印技术作为一种革命性数字化制造技术,应用在各个传统制造邻域的定制化升级,其打印质量评价因产业化日益受到重视。随着彩色3D打印技术的兴起,彩色3D打印件的质量评价也由传统的物理性能评价延伸到表面性能评价,例如颜色再现评价。近年来,文物复制领域以及文化创意领域彩色3D打印量剧增,且对3D打印彩色实体的色彩要求也更加苛刻,有辩色经验的人眼识别评价方法难以满足产业化效率需求。同时,由于彩色3D打印件造型的各异性造成难于直接采用平面印刷领域中的颜色测量仪器与评价方法。
3D打印件表面抽样测量策略在保证测量可靠性的基础上可以很好地解决上述问题,但当前可采用的方法主要包含彩色3D扫描抽样法、人眼抽样法以及垂直拍摄抽样法三类。彩色3D扫描抽样法主要针对3D打印件抽样区域采取特定波长激光扫描目标表面获取其空间位置信息与颜色信息,尽管可以实现任意表面区域获取,但其获取的颜色精度还存在一定差距。人眼抽样法主要在特定观察条件下旋转样品观察表面颜色再现质量,但也需要确定关键特征区域来保证效率。垂直拍摄抽样法采用高清相机垂直拍摄抽样区域,可以获取高精度的颜色信息,同时还可以集成到在线质量评价系统。所以抽样测量策略执行的关键在于主特征拍摄分块的确定,需要确保其几何特征与着色代表性,又要便于高清相机垂直拍摄。
直接采取辩色经验丰富的观察者在生产线上对设定区域打印质量观察评价,尽管会面临生产效率问题,但可在工业流水线外基于3D打印件呈现的语意特征进一步优化出代表性的抽样区域。另外一个需要关注的问题是人眼识别出来的显著特征区域难以直接量化给自动拍摄装置,由此需要分解成基于各个功能的自动化控制程序去执行。现有的机器视觉能够完成3D打印件的整体几何信息获取,但在颜色获取精度以及评价效率上都面临抽样测量精确性与高效性平衡问题。可靠高效的3D打印件表面主特征拍摄分块的提取方法是突破彩色3D打印质量自动化评价效率的关键,也是解决造型各异的3D打印件颜色精确测量标准化难题的一种可行方法。
发明内容
为克服现有技术的不足,本发明提供了一种3D打印件表面主特征拍摄分块的提取方法,该提取方法能够对当前流水线上,3D打印件表面抽样区域颜色获取精度以及分块提取效率两者的矛盾进行平衡。
本发明通过以下技术方案实现:
一种3D打印件表面主特征拍摄分块的提取方法,采用构建的语意特征关联标签库与待输入的名称或主旨语意信息,识别3D打印件表面多处显著特征区域;并在多约束条件下,通过基于Matlab编译的三维模型预处理算法、分割算法与比对评价算法,标记3D打印件表面匹配的4~6个主特征拍摄分块;
具体包括以下步骤:
1)、根据辩色专家打分策略构建语意特征关联标签库,再输入目标3D打印件的名称或主旨语意信息,识别目标3D打印件表面的3~5处显著特征区域;
2)、利用基于Matlab 编译的内腔填充成分掏空算法,预处理目标3D打印件对应的STL格式3D模型,并输出特定壁厚的3D薄壳模型;
3)、对特定壁厚的3D薄壳模型进行体素化处理,利用基于Matlab GUI编译的3种约束条件下的模型分块全局优化算法,输出带标记的初始特征分块,记录每初始特征分块边界的关键分割点位置信息;
所述3种约束条件为:几何复杂度约束、拍摄复杂度约束与着色复杂度约束;
4)、将步骤3)获取的所有初始特征分块,逐一与步骤1)所述的显著特征区域进行比对,
在任一的显著特征区域内的初始特征分块,按序号标记为主特征拍摄分块;
与任一的显著特征区域局部重叠超过特定比例的初始特征分块,按序号标记为待评价分块,统计所述待评价分块的数量M;
其他重叠情况下的初始特征分块,抛弃不用;
5)、统计所有标记的主特征拍摄分块的数量N,
N≥5时,根据每个主特征拍摄分块边界信息在3D打印件表面进行垂直拍照取样;
N<5时,对所有待评价分块按重叠比例大小顺序排列,并挑选出剩下的主特征拍摄分块;
6)、M+N<5时,调节约束条件,再重复步骤3)至步骤5),直至循环出4~6个代表性的主特征拍摄分块。
优选的,所述语意特征关联标签库指:调用MYSQL的函数,以标签映射方式,描述名称语意或主题语意所呈对象与其关联的构成元素特征的数据库;所述构成元素特征包含物理功能构成的元素特征与抽象联想构成的元素特征。
优选的,所述显著特征区域是指描述某一个独立的构成元素特征所覆盖的范围,根据所获得的覆盖范围,利用拓扑结构迭代搜索与坐标点拾取函数,在目标3D打印件对应的3D网格模型表面记录其边界坐标信息。
优选的,所述内腔填充成分掏空算法的编译,包含均匀网格重采样转换函数与移动立体融合函数两部分;所述均匀网格重采样转换函数是用于将所述3D网格模型转换成壁厚可编辑的3D薄壳模型;所述壁厚范围为2~6mm;所述移动立方体融合函数是用于实现重建内表面曲率可编辑的3D薄壳模型。
优选的,所述几何复杂度指:采取高斯曲率变化值,表征3D薄壳模型表面的高低起伏变化程度;
所述拍摄复杂度指:采用捕捉区域采样点法向量的点积值,表征高清相机垂直拍摄3D打印件表面选定区域的难易程度;
所述着色复杂度指:利用3D模型表面纹理贴图像素点的色度值,表征着色顺序与基色数量的复杂程度。
优选的,所述模型分块全局优化算法的编译,包含聚类中心迭代搜索函数与曲率峰值聚类函数两部分;所述聚类中心迭代搜索函数,将四面体处理后的3D薄壳模型中的所有构成四面体,进行聚类中心迭代搜索;所述曲率峰值聚类函数,将根据聚类中心成长后的分块形状按曲率峰值进行边界分类与分割。
优选的,所述步骤4)中局部重叠判定采用各特征分块边界坐标点信息,通过线性插值计算实现。
优选的,所述步骤4)中特定比例为50%~99%。
与现有技术相比,本发明具有如下有益效果:
(1)本发明提出了3D打印件表面显著特征区域识别方法,此识别方法相对于现有技术的具体有益效果:辩色专家打分策略构建语意特征关联标签库,能够将可靠的辩色经验进行统计评价,既保持人眼抽样识别3D打印件表面主特征的精准性,又提升了自动化评价工序的开发效率,达到高效准确要求。
(2)本发明提出了多约束条件量化编码方法,此编码方法相对于现有技术的具体有益效果:选择几何复杂度、拍摄复杂度与着色复杂度共3种约束的界定以及量化表达给出了具体数值量化关系,既能够快速构建约束量化函数降低编程难度,又便于各约束参数的调节;同时,3种约束条件下的模型分块全局优化算法编译架构以及执行函数也通俗易懂。
(3)本发明提出了主特征拍摄分块比对方法,此比对方法相对现有技术的具体有益效果:4-6个主特征拍摄分块采取循环比对判定,既能提供足够数量的代表性分块样本,又能提高比对判定一次性成功的概率;同时约束参数调节的循环比对结果,能适应任何复杂造型的3D打印件表面主特征拍摄分块样本获取,保证提取方法的可靠性。
(4)所述主特征拍摄分块提取方法,能够以经济高效的方式实现3D打印件表面主特征区域识别以及对应拍摄分块标记,还便于采用Matlab软件编译出可自动化提取的操作算法。
(5)本发明的3D打印件表面主特征拍摄分块的提取方法,既可以用于抽样区域垂直拍摄装置开发,又可以用于3D打印生产线上3D打印制品表面颜色质量在线评价用的高效率机器视觉装置开发。
附图说明
图1为本发明一种3D打印件表面主特征拍摄分块的提取方法流程图。
具体实施方式
下面结合具体实施例对本发明做进一步的详细说明,但是本发明的保护范围并不限于这些实施例,凡是不背离本发明构思的改变或等同替代均包括在本发明的保护范围之内。
一种3D打印件表面主特征拍摄分块的提取方法,采用构建的语意特征关联标签库与待输入的名称或主旨语意信息,识别3D打印件表面多处显著特征区域;并在多约束条件下,通过基于Matlab编译的三维模型预处理算法、分割算法与比对评价算法,标记3D打印件表面匹配的4~6个主特征拍摄分块,此处优选为5个主特征拍摄分块。根据实际情况,主特征拍摄分块的数量还可以是4个或6个。
具体包括以下步骤:
1)、根据辩色专家打分策略构建语意特征关联标签库,再输入目标3D打印件的名称或主旨语意信息,识别目标3D打印件表面的3~5处显著特征区域;
所述语意特征关联标签库指:调用MYSQL的函数,以标签映射方式,描述名称语意或主题语意所呈对象与其关联的构成元素特征的数据库;所述构成元素特征包含物理功能构成的元素特征与抽象联想构成的元素特征。
所述显著特征区域是指描述某一个独立的构成元素特征所覆盖的范围,根据所获得的覆盖范围,利用拓扑结构迭代搜索与坐标点拾取函数,在目标3D打印件对应的3D网格模型表面记录其边界坐标信息。
2)、利用基于Matlab 编译的内腔填充成分掏空算法,预处理目标3D打印件对应的STL格式3D模型,并输出特定壁厚的3D薄壳模型;
所述内腔填充成分掏空算法的编译,包含均匀网格重采样转换函数与移动立体融合函数两部分;所述均匀网格重采样转换函数是用于将所述3D网格模型转换成壁厚可编辑的3D薄壳模型;所述壁厚范围为2~6mm;所述移动立方体融合函数是用于实现重建内表面曲率可编辑的3D薄壳模型。
3)、对特定壁厚的3D薄壳模型进行体素化处理,利用基于Matlab GUI编译的3种约束条件下的模型分块全局优化算法,输出带标记的初始特征分块,记录每初始特征分块边界的关键分割点位置信息;
所述3种约束条件为:几何复杂度约束、拍摄复杂度约束与着色复杂度约束;
所述几何复杂度指:采取高斯曲率变化值,表征3D薄壳模型表面的高低起伏变化程度;
所述拍摄复杂度指:采用捕捉区域采样点法向量的点积值,表征高清相机垂直拍摄3D打印件表面选定区域的难易程度;
所述着色复杂度指:利用3D模型表面纹理贴图像素点的色度值,表征着色顺序与基色数量的复杂程度。
所述模型分块全局优化算法的编译,包含聚类中心迭代搜索函数与曲率峰值聚类函数两部分;所述聚类中心迭代搜索函数,将四面体处理后的3D薄壳模型中的所有构成四面体,进行聚类中心迭代搜索;所述曲率峰值聚类函数,将根据聚类中心成长后的分块形状按曲率峰值进行边界分类与分割。
4)、将步骤3)获取的所有初始特征分块,逐一与步骤1)所述的显著特征区域进行比对,
在任一的显著特征区域内的初始特征分块,按序号标记为主特征拍摄分块;
与任一的显著特征区域局部重叠超过特定比例的初始特征分块,按序号标记为待评价分块,统计所述待评价分块的数量M;、所述中局部重叠判定采用各特征分块边界坐标点信息,通过线性插值计算实现。所述特定比例为50%~99%。
其他重叠情况下的初始特征分块,抛弃不用;
5)、统计所有标记的主特征拍摄分块的数量N,
N≥5时,根据每个主特征拍摄分块边界信息在3D打印件表面进行垂直拍照取样;
N<5时,对所有待评价分块按重叠比例大小顺序排列,并挑选出剩下的主特征拍摄分块;
6)、M+N<5时,调节约束条件,再重复步骤3)至步骤5),直至循环出4~6个代表性的主特征拍摄分块。
实施案例一
针对边长大于20cm的大型的3D打印件:
根据目标3D打印件的名称或主旨输入的语意信息优选识别目标3D打印件表面的5处显著特征区域;所述3D薄壳模型的壁厚优选5mm;所述局部重叠的特定比例优选80%。
实施案例二
针对边长5~20cm的中型的3D打印件:
根据目标3D打印件的名称或主旨输入的语意信息优选识别目标3D打印件表面的4处显著特征区域;所述3D薄壳模型的壁厚优选4mm;所述局部重叠的特定比例优选70%。
实施案例三
针对边长小于5cm的小型的3D打印件:
根据目标3D打印件的名称或主旨输入的语意信息优选识别目标3D打印件表面的3处显著特征区域;所述3D薄壳模型的壁厚优选3mm;所述局部重叠的特定比例优选60%。
本发明不会限制于本文所示的实施例,而是要符合与本文所公开的原理和新颖性特点相一致的最宽范围。凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (7)
1.一种3D打印件表面主特征拍摄分块的提取方法,其特征在于,采用构建的语意特征关联标签库与待输入的名称或主旨语意信息,识别3D打印件表面多处显著特征区域;并在多约束条件下,通过基于Matlab编译的三维模型预处理算法、分割算法与比对评价算法,标记出3D打印件表面匹配的4~6个主特征拍摄分块;
具体包括以下步骤:
1)、根据辩色专家打分策略构建语意特征关联标签库,再输入目标3D打印件的名称或主旨语意信息,识别目标3D打印件表面的3~5处显著特征区域;
2)、利用基于Matlab 编译的内腔填充成分掏空算法,预处理目标3D打印件对应的STL格式3D模型,并输出特定壁厚的3D薄壳模型;
3)、对特定壁厚的3D薄壳模型进行体素化处理,利用基于Matlab GUI编译的3种约束条件下的模型分块全局优化算法,输出带标记的初始特征分块,记录每初始特征分块边界的关键分割点位置信息;
所述3种约束条件为:几何复杂度约束、拍摄复杂度约束与着色复杂度约束;
4)、将步骤3)获取的所有初始特征分块,逐一与步骤1)所述的显著特征区域进行比对,
在任一的显著特征区域内的初始特征分块,按序号标记为主特征拍摄分块;
与任一的显著特征区域局部重叠超过特定比例的初始特征分块,按序号标记为待评价分块,统计所述待评价分块的数量M;所述特定比例为50%-99%;
其他重叠情况下的初始特征分块,抛弃不用;
5)、统计所有标记的主特征拍摄分块的数量N,
N大于等于5时,根据每个主特征拍摄分块边界信息,在3D打印件表面进行垂直拍照取样;
N小于5时,对所有待评价分块按重叠比例大小顺序排列,并依次挑选出剩下的主特征拍摄分块;
6)、M+N<5时,调节约束条件,再重复步骤3)至步骤5),直至循环出4-6个代表性的主特征拍摄分块。
2.根据权利要求1所述的一种3D打印件表面主特征拍摄分块的提取方法,其特征在于,所述语意特征关联标签库指:调用MYSQL的函数,以标签映射方式,描述名称语意或主题语意所呈对象与其关联的构成元素特征的数据库;
所述构成元素特征包含物理功能构成的元素特征与抽象联想构成的元素特征。
3.根据权利要求1所述的一种3D打印件表面主特征拍摄分块的提取方法,其特征在于,所述显著特征区域是指描述某一个独立的构成元素特征所覆盖的范围,根据所获得的覆盖范围,利用拓扑结构迭代搜索与坐标点拾取函数,在目标3D打印件对应的3D网格模型表面记录其边界坐标信息。
4.根据权利要求3所述的一种3D打印件表面主特征拍摄分块的提取方法,其特征在于,所述内腔填充成分掏空算法的编译,包含均匀网格重采样转换函数与移动立体融合函数两部分;所述均匀网格重采样转换函数是用于将所述3D网格模型转换成壁厚可编辑的3D薄壳模型;所述壁厚范围为2-6mm;所述移动立方体融合函数是用于实现重建内表面曲率可编辑的3D薄壳模型。
5.根据权利要求1所述的一种3D打印件表面主特征拍摄分块的提取方法,其特征在于,所述几何复杂度指:采取高斯曲率变化值,表征3D薄壳模型表面的高低起伏变化程度;
所述拍摄复杂度指:采用捕捉区域采样点法向量的点积值,表征高清相机垂直拍摄3D打印件表面选定区域的难易程度;
所述着色复杂度指:利用3D模型表面纹理贴图像素点的色度值,表征着色顺序与基色数量的复杂程度。
6.根据权利要求1所述的一种3D打印件表面主特征拍摄分块的提取方法,其特征在于,所述模型分块全局优化算法的编译,包含聚类中心迭代搜索函数与曲率峰值聚类函数两部分;所述聚类中心迭代搜索函数,将四面体处理后的3D薄壳模型中的所有构成四面体,进行聚类中心迭代搜索;所述曲率峰值聚类函数,将根据聚类中心成长后的分块形状按曲率峰值进行边界分类与分割。
7.根据权利要求1所述的一种3D打印件表面主特征拍摄分块的提取方法,其特征在于,所述步骤4)中局部重叠判定采用各特征分块边界坐标点信息,通过线性插值计算实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910621797.XA CN110216879B (zh) | 2019-07-10 | 2019-07-10 | 一种3d打印件表面主特征拍摄分块的提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910621797.XA CN110216879B (zh) | 2019-07-10 | 2019-07-10 | 一种3d打印件表面主特征拍摄分块的提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110216879A CN110216879A (zh) | 2019-09-10 |
CN110216879B true CN110216879B (zh) | 2021-04-20 |
Family
ID=67813187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910621797.XA Active CN110216879B (zh) | 2019-07-10 | 2019-07-10 | 一种3d打印件表面主特征拍摄分块的提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110216879B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006019963B4 (de) * | 2006-04-28 | 2023-12-07 | Envisiontec Gmbh | Vorrichtung und Verfahren zur Herstellung eines dreidimensionalen Objekts durch schichtweises Verfestigen eines unter Einwirkung von elektromagnetischer Strahlung verfestigbaren Materials mittels Maskenbelichtung |
US9393770B2 (en) * | 2013-03-06 | 2016-07-19 | Impossible Objects, LLC | Methods for photosculpture |
CN104833423B (zh) * | 2015-04-21 | 2017-05-10 | 中山火炬职业技术学院 | 一种用于纸基3d彩色打印的曲面测色图标及制作方法 |
-
2019
- 2019-07-10 CN CN201910621797.XA patent/CN110216879B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110216879A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647875B (zh) | 一种血细胞分割、识别模型构造的方法及血细胞识别方法 | |
CN110647874B (zh) | 一种端到端的血细胞识别模型构造方法及应用 | |
CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN111077844B (zh) | 一种基于实测数据特征引导的零件精确加工方法 | |
CN115937082A (zh) | 基于深度学习的胚胎质量智能评估系统及评估方法 | |
CN108363951B (zh) | 遥感影像地类识别对应深度学习样本库的自动获取方法 | |
CN110544235B (zh) | 一种基于微分几何的柔性电路板图像区域识别方法 | |
CN113191334B (zh) | 一种基于改进CenterNet的植物冠层密集叶片计数方法 | |
CN112541908B (zh) | 基于机器视觉的铸件飞边识别方法及存储介质 | |
CN115222739B (zh) | 缺陷标注方法、装置、存储介质、设备及计算机程序产品 | |
CN116756372A (zh) | 一种烟支缺陷检测方法及装置 | |
CN110216879B (zh) | 一种3d打印件表面主特征拍摄分块的提取方法 | |
CN113077438B (zh) | 针对多细胞核彩色图像的细胞核区域提取方法及成像方法 | |
CN111738310B (zh) | 物料分类方法、装置、电子设备和存储介质 | |
CN111144160B (zh) | 全自动化裁切材料方法、装置及计算机可读存储介质 | |
CN111795967B (zh) | 一种骨髓细胞形态学自动检测系统的涂片自检方法 | |
CN109300150B (zh) | 一种用于骨龄评估的手骨x光图像纹理特征提取方法 | |
CN117058089A (zh) | 烟支外观检测方法 | |
CN116434054A (zh) | 一种基于线面结合的密集遥感地物提取方法 | |
CN116645351A (zh) | 一种复杂场景的缺陷在线检测方法及系统 | |
CN111369579A (zh) | 一种提取三维云建模目标区域轮廓的方法 | |
CN114494240A (zh) | 基于多尺度协作深度学习的无砟轨道板裂缝测量方法 | |
CN113222887A (zh) | 基于深度学习的纳米铁标记神经干细胞示踪的方法 | |
CN113781432A (zh) | 基于深度学习的激光扫描自动铺放在线检测方法及装置 | |
CN113763389B (zh) | 一种基于多主体检测分割的图像识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |