RU2017105394A - Способ формирования архитектуры нейросети для классификации объекта, заданного в виде облака точек, способ ее применения для обучения нейросети и поиска семантически схожих облаков точек - Google Patents
Способ формирования архитектуры нейросети для классификации объекта, заданного в виде облака точек, способ ее применения для обучения нейросети и поиска семантически схожих облаков точек Download PDFInfo
- Publication number
- RU2017105394A RU2017105394A RU2017105394A RU2017105394A RU2017105394A RU 2017105394 A RU2017105394 A RU 2017105394A RU 2017105394 A RU2017105394 A RU 2017105394A RU 2017105394 A RU2017105394 A RU 2017105394A RU 2017105394 A RU2017105394 A RU 2017105394A
- Authority
- RU
- Russia
- Prior art keywords
- neural network
- tree
- vector
- point
- point clouds
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Claims (9)
1. Способ формирования архитектуры нейросети для классификации объекта, заданного в виде облака точек, содержащий этапы, на которых:
- получают облако точек размера N=2D, описывающее объект, где D - параметр глубины;
- формируют kд-дерево дерево Т глубины D для полученного облака точек, причем дерево содержит корневой узел, листовые узлы и нелистовые узлы;
- генерируют для каждой точки облака вектор признаков, описывающий упомянутую точку;
- рекуррентно вычисляют вектора параметров признаков, описывающие нелистовые узлы дерева, причем каждый вектор параметров вычисляется путем композиции поэлементного нелинейного преобразования и мультипликативного преобразования векторов признаков дочерних узлов с матрицей и свободным членом, определяемыми глубиной узла и направлением разбиения, соответствующим узлу в кд-дереве;
- применяют к вычисленному на предыдущем шаге вектору признаков, описывающему корень дерева, линейный или нелинейный финальный классификатор, предсказывающий вектор вероятностей отнесения объекта к тому или иному семантическому классу.
2. Способ по п. 1, характеризующийся тем, что вектор признаков содержит 3D-координаты, цвет или направление нормали.
3. Способ обучения нейросети, выполненной по архитектуре по п. 1, для классификации объектов, описываемых облаками точек, при котором на вход нейросети подается множество размеченных облаков точек, в котором матрицы и свободные члены преобразований на каждом уровне kd-дерева и для каждого возможного направления разбиения, а также параметры финального классификатора обучаются при помощи алгоритма обратного распространения ошибки.
4. Способ поиска семантически схожих облаков точек с помощью архитектуры нейросети по п. 1, обученной способом по п. 3, в которой упомянутая нейросеть применяется для вычисления векторных признаков, описывающих корневые узлы кд-деревьев, построенных по облакам точек, причем на основании расстояния между упомянутыми векторными признаками определяют семантическую схожесть облаков точек.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2017105394A RU2674326C2 (ru) | 2017-02-20 | 2017-02-20 | Способ формирования архитектуры нейросети для классификации объекта, заданного в виде облака точек, способ ее применения для обучения нейросети и поиска семантически схожих облаков точек |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2017105394A RU2674326C2 (ru) | 2017-02-20 | 2017-02-20 | Способ формирования архитектуры нейросети для классификации объекта, заданного в виде облака точек, способ ее применения для обучения нейросети и поиска семантически схожих облаков точек |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| RU2017105394A true RU2017105394A (ru) | 2018-08-20 |
| RU2017105394A3 RU2017105394A3 (ru) | 2018-11-01 |
| RU2674326C2 RU2674326C2 (ru) | 2018-12-06 |
Family
ID=63177105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2017105394A RU2674326C2 (ru) | 2017-02-20 | 2017-02-20 | Способ формирования архитектуры нейросети для классификации объекта, заданного в виде облака точек, способ ее применения для обучения нейросети и поиска семантически схожих облаков точек |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2674326C2 (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220343553A1 (en) * | 2019-09-30 | 2022-10-27 | Daikin Industries, Ltd. | Apparatus for estimating sameness of point cloud data and system for estimating sameness of point cloud data |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020190166A1 (ru) * | 2019-03-21 | 2020-09-24 | Публичное Акционерное Общество "Сбербанк России" | Способ и система захвата объекта с помощью роботизированного устройства |
| CN110288084A (zh) * | 2019-06-06 | 2019-09-27 | 北京小米智能科技有限公司 | 超网络训练方法和装置 |
| RU2736333C1 (ru) * | 2019-12-30 | 2020-11-16 | федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский политехнический университет Петра Великого" (ФГАОУ ВО "СПбПУ") | Способ передискретизации зарегистрированных облаков точек в полярных координатах без потери изначальной структуры |
| RU2745445C1 (ru) * | 2020-01-27 | 2021-03-25 | Автономная некоммерческая образовательная организация высшего образования "Сколковский институт науки и технологий" | Способ генерации трёхмерных облаков точек |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008106615A1 (en) * | 2007-02-28 | 2008-09-04 | Numenta, Inc. | Spatio-temporal learning algorithms in hierarchical temporal networks |
| RU2504006C1 (ru) * | 2012-06-05 | 2014-01-10 | Александр Николаевич Цуриков | Способ обучения искусственной нейронной сети |
| US10311357B2 (en) * | 2014-06-19 | 2019-06-04 | Knowmtech, Llc | Thermodynamic-RAM technology stack |
| RU2566979C1 (ru) * | 2014-12-15 | 2015-10-27 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Тульский государственный университет" (ТулГУ) | Способ обучения искусственной нейронной сети |
| US10373054B2 (en) * | 2015-04-19 | 2019-08-06 | International Business Machines Corporation | Annealed dropout training of neural networks |
-
2017
- 2017-02-20 RU RU2017105394A patent/RU2674326C2/ru active
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220343553A1 (en) * | 2019-09-30 | 2022-10-27 | Daikin Industries, Ltd. | Apparatus for estimating sameness of point cloud data and system for estimating sameness of point cloud data |
| US11704841B2 (en) * | 2019-09-30 | 2023-07-18 | Daikin Industries, Ltd. | Apparatus for estimating sameness of point cloud data and system for estimating sameness of point cloud data |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2017105394A3 (ru) | 2018-11-01 |
| RU2674326C2 (ru) | 2018-12-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2017105394A (ru) | Способ формирования архитектуры нейросети для классификации объекта, заданного в виде облака точек, способ ее применения для обучения нейросети и поиска семантически схожих облаков точек | |
| CN105930413A (zh) | 相似度模型参数的训练方法、搜索处理方法及对应装置 | |
| WO2021067665A3 (en) | Enhancing artificial intelligence routines using 3d data | |
| JP2018504710A (ja) | 位置特定およびマッピングの方法 | |
| CN111314138B (zh) | 有向网络的检测方法、计算机可读存储介质及相关设备 | |
| Thabtah et al. | A dynamic self-structuring neural network model to combat phishing | |
| WO2018179355A1 (ja) | 情報処理システム、情報処理装置、情報処理方法および情報処理プログラム | |
| JP6687894B2 (ja) | クラス推定装置及びプログラム | |
| CN107003834B (zh) | 行人检测设备和方法 | |
| US20120251007A1 (en) | Robust Large-Scale Visual Codebook Construction | |
| CN109740012A (zh) | 基于深度神经网络对图像语义进行理解和问答的方法 | |
| Sahman et al. | Binary tree-seed algorithms with S-shaped and V-shaped transfer functions | |
| CN112948608A (zh) | 图片查找方法、装置、电子设备及计算机可读存储介质 | |
| CN113077237B (zh) | 一种自适应混合算法的排课方法及系统 | |
| KR102349969B1 (ko) | 스마트폰, 드론, 선박 혹은 군사적 목적을 위한, 트레이닝 이미지의 최적화 샘플링에 의해 입력 데이터를 분석하는 뉴럴 네트워크의 온디바이스 연속 학습 방법 및 장치, 그리고, 이를 이용한 테스트 방법 및 장치 | |
| CN108681775B (zh) | 通过WordNet嵌入进行测试和更新的树形网络方法 | |
| Eslami et al. | A real-time global optimal path planning for mobile robot in dynamic environment based on artificial immune approach | |
| CN110019096A (zh) | 索引文件的生成方法及装置 | |
| WO2014117296A1 (en) | Generating a hint for a query | |
| GB2615498A (en) | Graph-based color description generation | |
| Dennis et al. | Autoencoder-enhanced sum-product networks | |
| Poggio et al. | Why and when can deep–but not shallow–networks avoid the curse of dimensionality | |
| Sowjanya et al. | A cluster feature-based incremental clustering approach to mixed data | |
| Yang et al. | A weighted common subgraph matching algorithm | |
| CN111859945A (zh) | 一种词向量训练方法及装置 |