申请/专利权人：余姚市机器人研究中心;浙江大学

申请日：2023-12-26

公开（公告）日：2024-04-12

公开（公告）号：CN117877050A

主分类号：G06V30/32

分类号：G06V30/32;G06V10/44;G06V10/774;G06V10/82;G06N3/0442;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明属于图像数据处理技术，公开了一种基于多层级笔画序列特征提取的手绘草图识别方法。首先，通过记录绘图过程中的关键点信息获得草图的序列。然后，使用RDP算法对草图的关键点进行采样，将采样后的草图序列使用填充或截断处理使其固定为相同的序列长度。然后，采用双向RNN网络对草图序列的局部关键点级别特征进行提取和编码，然后采用自注意力模型建立关键点级特征之间的长距离依赖关系，聚合为全局的草图笔画特征。最后通过平均池化和Softmax函数得到最终的草图识别结果。

主权项：1.一种基于多层级笔画序列特征提取的手绘草图识别方法，其特征在于，包含如下步骤：步骤1：通过记录绘图者在画板上的手绘草图的关键点坐标大批量得到草图笔画序列，并采用RDPRamer-Douglas-Peucker算法对草图关键点进行稀疏采样获得最终的草图笔画序列数据集；步骤2：采用BiGRU序列网络对草图关键点序列进行特征提取并映射到高维笔画语义特征；步骤3：将经过BiGRU网络编码后的深度草图序列局部时间步特征输入多层的自注意力Transformer模型以建模关键点之间的长距离依赖关系，形成笔画级别特征，得到笔画序列的输出；步骤4：将经过Transformer的笔画序列输出进行平均池化求取平均值，并经过一个全连接层和Softmax函数得到最终的草图多分类问题结果。

全文数据：

权利要求：

百度查询： 余姚市机器人研究中心;浙江大学 一种基于多层级笔画序列特征提取的手绘草图识别方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD