图匹配

摘要： 【目的】在自然语言处理领域,文本分类是十分重要的基础研究,可以应用于许多下游任务中,例如文章检索、推荐系统、问答系统等。受到知识图谱在文本推理领域发挥作用的启发,本文探索了将知识图谱应用于文本分类任务的方法,在降低对标注训练数据依赖的同时利用知识图谱的推理能力提升文本分类的效果。【方法】本文提出了基于知识图谱的图匹配文本分类算法。具体而言,依据分类目标,为每一个类别构建了该类别的知识图谱,模型基于类别知识图谱中的语义和连接信息对文本与各个类别的相关性进行推理,综合各个知识图谱的推理评估结果。【结论】为了证明本文提出的方法的有效性,本文构建了分类所需的知识图谱并在两个数据集上进行了实验,实验结果证明在允许一定拒绝的前提下,此模型具有很高的准确率,进一步推动了算法的应用落地。

摘要： 为满足角盒类零件型腔特征识别需求,提出了一种基于改进图匹配的型腔特征自动识别方法。分析了角盒类零件型腔特征,提取了特征简化模型的共性模板属性。获取了模型栅格高度点云数据,以高度中值作为阈值并将其转换为0-1特征值矩阵,提取了型腔面投影特征值以分离识别型腔壁边面。采用共性模板面邻接属性判定搜索型腔侧壁面,最终识别出了包含底板面集、壁边面集和侧壁面集的完整型腔加工特征。实例验证结果表明,相较于固定模板匹配的特征识别方式,采用所提方法识别角盒类零件型腔加工特征时具有更高的效率和更好的鲁棒性。

摘要： 图匹配问题(GM)旨在建立两个图的点集之间的一致性,同时保持它们的边集之间的一致性,在数学上可以被刻画为二次组合优化问题。随着图神经网络的兴起和发展,基于深度学习的图匹配方法应用图神经网络技术将每个图的几何结构信息嵌入到结点特征,从而将二阶组合优化的图匹配问题松弛为线性分配问题。然而,这样的图匹配模型在本质上忽略了二阶的边对相似度信息,即没有考虑边集之间的一致性,从而导致这类模型在精度上有所损失。针对上述问题,本文提出了一种新型基于嵌入技术的深度图匹配网络,该网络充分考虑了边对相似性信息:基于二图匹配生成的关联图,将边对相似性信息(等价于关联图上的边)作为跨图嵌入的注意力信息,构造一个跨图注意力模块。本文基于公开数据集进行评估实验,结论表明本文的方法在精度上超越了已有的模型。除此之外,本文的方法相比于目前精度最高的模型,在内存消耗上具有优势,体现了该模型具有处理大规模图匹配任务的潜力。

摘要： 现有的栅格地图拼接方法在地图重叠区域较小、地图特征较少、地图存在自相似性和非刚性形变的情况下匹配精度往往会大幅度下降甚至失配,提出了一种融合图特征的多机器人栅格地图拼接方法。提取待匹配栅格地图的ORB特征点并粗匹配,接下来建立ORB特征点之间的中值K近邻图;建立最优传输目标函数并融合ORB特征和图特征构建传输代价矩阵,同时建立增广节点筛选通过Sinkhorn算法求解最优匹配,RANSAC算法求解两张栅格地图之间的刚体变换,实现多机器人栅格地图的配准和拼接。通过实验验证了该方法具备较高的拼接精度,可应对重叠率低、特征不太明显的场景,展现出了较快的计算速度,并分析了相关参数对算法表现的影响。

摘要： 兵力部署估计作为战术战场上战术辅助决策的重要环节,实际上是将目标群体态势/阵型与群体态势/阵型库进行对照,找出最合理的群体态势/阵型进行评估。作战群体的关键信息包括位置信息和属性信息。可将作战群体视作节点,群体态势/阵型视作一张图,兵力部署估计转换为目标图与源图的匹配问题。论文提出通过图神经网络中的SuperGlue求解该图匹配问题。仿真实验证明该方法可以很好地学习作战群体间的拓扑关系并准确确定作战群体属性,从而实现兵力部署估计。

摘要： 外界环境的语义感知和自身位置的准确估计是移动机器人自主导航和作业的关键。提出了一种基于单目相机的语义SLAM(simultaneous localization and mapping)方法,在轨迹估计的同时完成三维目标检测。提取物体自身语义、尺寸、颜色分布及其邻域拓扑结构等多元信息作为描述子,实现帧间物体的准确关联。在后端对相机位姿、地图点和物体路标进行联合优化,并自适应调整代价函数中各误差项的权重系数,以提高各状态变量的估计精度和鲁棒性。实验结果表明,所提出的算法在地图构建方面具有较高的精度。

摘要： 图匹配在现实中被广泛运用,而子图同构匹配是其中的研究热点,具有重要的科学意义与实践价值.现有子图同构匹配算法大多基于邻居关系来构建约束条件,而忽略了节点的局部邻域信息.对此,提出了一种基于邻居信息聚合的子图同构匹配算法.首先,将图的属性和结构导入到改进的图卷积神经网络中进行特征向量的表示学习,从而得到聚合后的节点局部邻域信息;然后,根据图的标签、度等特征对匹配顺序进行优化,以提高算法的效率;最后,将得到的特征向量和优化的匹配顺序与搜索算法相结合,建立子图同构的约束满足问题(CSP)模型,并结合CSP回溯算法对模型进行求解.实验结果表明,与经典的树搜索算法和约束求解算法相比,该算法可以有效地提高子图同构的求解效率.

摘要： 将传统图卷积网络模型应用于非精确图匹配时,在卷积步骤早期易存在节点特性以及节点之间拓扑特征的损失,从而影响导致匹配性能.针对这一问题,提出了改进注意图卷积网络模型.使用相对较少的参数以端到端的方式学习分层表示,利用自注意机制来区分应该丢弃或保留的节点.首先利用注意图卷积网络来自动学习不同跳上邻域的重要程度;其次,加入自注意池化层,从矩阵图嵌入的各个方面概括图表示;最后,在多个标准图数据集中进行训练和测试.实验结果表明,相较于目前最先进的图核和其他深度学习算法,该方法在标准图数据集上实现了更优的图分类性能.

摘要： 合理有效地管理实验设备有利于提高设备的利用率,现将时间图查询用于实验设备的管理,可以丰富查询的语义,提高设备的查询效率.将设备的使用情况抽象成一个大的时间图,将用户的查询请求转换为一个查询图,利用图匹配技术查询出相关的结果.为实现查询图的匹配,提出了3种相关算法:朴素匹配算法(NM)、基于BFS的点匹配算法(BVM)和拓扑剪枝匹配算法(TPM).在TPM算法中设计了2种索引:TV-索引和TE-索引,分别用于快速定位节点和边上的关系,并从结构和语义两个角度对匹配过程进行了剪枝.最后,设计了对比实验,通过实验验证了3种算法的性能.

摘要： 目的 移动激光扫描系统能够成功采集丰富的城市行道树侧边信息,然而由于点云数据规模大、密度欠均匀和噪声多等原因,导致行道树的提取精度和效率偏低.为此,本文提出一种基于层次聚类的算法从移动激光扫描点云中提取树干.方法 采用自下而上的聚类策略合并目标区域,基于点云间欧氏距离和点云的局部主方向计算聚类所需的邻近矩阵,通过构造能量函数评估不同的簇合并方案,将能量函数最小化问题转换为计算二分图匹配问题,求解二分图的最小代价完美匹配获得全局最优的层次聚类.结果 实验在公开的巴黎场景数据集与自采集的南京黄埔路场景数据集上进行测试,本文提出的自下向上的聚类算法成功地从点云中提取出树干和主要树枝点,其中提取树干的平均正确率、完整率和F-score分别为98.5％、94.8％和0.97,与其他算法中最好的实验结果对比,分别提高了 1.0％、0.6％和0.02.结论 实验结果表明,本文算法通过优化层次聚类中的簇合并,可以有效减少聚类中的"过分割"和"欠分割",提高点云中树干的分割精度与效率.

摘要： 图匹配问题是计算机视觉中一个重要而基础的问题.针对图匹配问题目前最优的求解方法是凸-凹松弛过程(CCRP).但是,CCRP方法需要对一系列松弛问题进行求解,使得其速度较慢,难以求解大规模图匹配问题.同时图匹配中的约束条件与马尔科夫随机场最大后验概率推理中的约束条件具有相似性.受此启发,作者将图匹配问题表示为一个特殊的约束下马尔科夫随机场最大后验概率推理问题.在此基础上,针对该问题,作者提出一种新型线性规划松弛,并在此基础上推导得到匹配-消息传递方法,对该问题进行快速求解.实验表明,本文所提出方法在精度相同大于等于与CCRP方法的情况下,相对CCRP方法速度提高4～10倍.

摘要： 对于一般图的匹配问题,Edmonds算法以Berge定理为基础,采用广度优先搜索增广路,图中可能存在"花".遇到这种情况,要对它进行缩减"花"处理,再进行搜索.当找到增广路时,要将缩减图恢复,算法显得复杂.Gabow等算法使用先给目的顶点和边编号,并使用了不同数组和虚拟顶点,避免了处理花.算法的复杂性为O(n3),但增加了空间复杂性。本文提出的基于深度优先搜索算法,在搜索增广路时不会出现"花"的情况,算法相对简单;同时,算法时间效率为O(n*degree(n)),degree(n)为顶点的平均度数.另外,当图的边动态增减时,使用该算法可以很快调整最大匹配,并且该算法空间复杂性在同一数量级也可以推广到广度优先搜索.

摘要： 本文利用图K2md的匹配知识构造认证码，使其r(r≥0)阶欺骗攻击成功的概率达到文献的下界，且欺骗攻击成功的概率要比文献低的多。

摘要： 本文利用图K2md的匹配知识构造认证码，使其r(r≥0)阶欺骗攻击成功的概率达到文献的下界，且欺骗攻击成功的概率要比文献低的多。

摘要： 本文利用图K2md的匹配知识构造认证码，使其r(r≥0)阶欺骗攻击成功的概率达到文献的下界，且欺骗攻击成功的概率要比文献低的多。

摘要： 本文利用图K2md的匹配知识构造认证码，使其r(r≥0)阶欺骗攻击成功的概率达到文献的下界，且欺骗攻击成功的概率要比文献低的多。

摘要： 本发明公开了一种基于二部图最佳匹配的指纹匹配方法，首先采用局部匹配以获得一系列参考点对，然后在更高层次上对已获得的参考点对通过构建拓扑结构进行验证，使匹配效果达到全局最优。本发明包括：计算输入指纹细节点与模板指纹任意细节点对相似度；构造二部图的步骤；利用KM算法得出最佳匹配。更进一步包括通过建立细节点的拓扑结构去除错误匹配点对的步骤。本发明凸显了图像匹配中的全局性，进一步提高了算法鲁棒性，抗噪能力强，能够兼顾匹配精度和运算时间，使匹配效果达到全局最优。

摘要： 本发明涉及一种基于二分图和图注意力机制的模板匹配方法，其特征是：构建MLF网络模块，用于提取模板图像和搜索图像的融合特征；构建BGAM网络模块，用于编码模板节点与搜索节点的关系，并为每个搜索节点和模板节点聚合相应的局部信息，生成定位模板的响应图；系统，包括网络构建模块、学习与预训练模块和计算与定位模块。有益效果：本发明实现了模板图像和搜索图像间局部到局部的信息传递，MLF网络模块通过融合目标不同层次表征意义的特征，提升了对模板目标的表示能力。本方法在众多实际的复杂场景中都可以准确稳定的实现模板匹配，减少了计算量和显存占用，利于在工程实践中部署。

摘要： 本发明公开了一种频谱积分图的构建方法、频谱匹配方法及频谱匹配器，提出一种频谱积分图的设计及计算方法以及频谱匹配器的概念，应用频谱积分图来描述频谱形状，对已知信号和未知信号进行匹配分析、处理，评估，相似度计算，来实现调频广播(FM)频谱监测中频谱匹配监测。利用频谱积分图的来定性定量描述频谱的形状，可以不断积累可标注的频谱数据样本，形成大数据基础；从而利用神经网络或机器学习的方法来自动匹配频谱；频谱积分图可以用嵌入式硬件来计算，便于硬件实现频谱形状匹配器；充分利用嵌入式硬件的计算资源和存储资源来实现频谱匹配，节省成本；可以快速、可靠且鲁棒性好地搜索、识别、审核非法频道。

摘要： 本发明公开了一种基于二部图最佳匹配的指纹匹配方法，首先采用局部匹配以获得一系列参考点对，然后在更高层次上对已获得的参考点对通过构建拓扑结构进行验证，使匹配效果达到全局最优。本发明包括：计算输入指纹细节点与模板指纹任意细节点对相似度；构造二部图的步骤；利用KM算法得出最佳匹配。更进一步包括通过建立细节点的拓扑结构去除错误匹配点对的步骤。本发明凸显了图像匹配中的全局性，进一步提高了算法鲁棒性，抗噪能力强，能够兼顾匹配精度和运算时间，使匹配效果达到全局最优。

摘要： 本发明CAD图纸绘制技术领域，且公开了一种CAD住宅强电配电干线系统图构件关系自动匹配及正交连线出图方法，CAD住宅强电配电干线系统图构件关系自动匹配及正交连线出图的具体操作步骤如下：S1、通过项目信息获取地上楼层数及地下楼层数信息，从配置中心中获取绘制的功能区及占比份数信息，绘制配电干线系统图底图。本发明可以高效精准的完成住宅强电配电干线系统图构件关系自动匹配及正交连线出图，同时可以确保该设计能够完全按照国家规范进行出图，降低电气设计师的劳动强度，也便于对电气设计师人力资源进行合理分配，进而使其完成更加复杂以及更有特异性的项目操作，从而更有效的有意义的利用设计师资源。

摘要： 本申请涉及三维图像处理领域，提供了一种散斑图匹配方法、散斑图匹配装置、电子设备和存储介质，本申请实施方式中散斑图匹配方法，包括：当获取测试散斑图，其中测试散斑图包括多个散斑点；将多个散斑点中的第一散斑点与标定散斑图中对应的散斑点进行匹配，若匹配成功，则以第一散斑点的位置确定预匹配窗；比对测试散斑图的预匹配窗中各散斑点与标定散斑图的预匹配窗中各散斑点的位置是否对应，当测试散斑图中第二散斑点的预匹配成功次数超过第一阈值，则确定第二散斑点被成功匹配；若测试散斑图中各散斑点与标定散斑图中对应的各散斑点成功匹配，则确定测试散斑图匹配成功，减少整体匹配次数，缩短匹配时间。

摘要： 本发明公开了一种基于图神经网络的“节点‑图”跨层图匹配系统，其包括图节点嵌入向量编码模块、“节点‑图”跨层图匹配网络模块、图向量编码模块和相似度计算模块等四个模块；此外本发明还公开了一种基于图神经网络的“节点‑图”跨层图匹配方法，该方法基于图神经网络，细粒度地学习一个图中每个节点与另外一个图整体的跨层级交互信息，不仅可以有效地更新每个节点的嵌入信息，而且可以基于端到端方式训练得到基于该方法的跨层图匹配系统，以实现对任意两个图数据之间相似度的快速而准确计算。

摘要： 本发明公开了一种基于数据增强及图匹配网络的文本匹配方法，引入依存句法分析，建立文本语义单元之间的依赖关系。利用自注意力机制，使模型聚焦于核心语义单元。通过图匹配网络，在两段文本任意词之间建立连接，通过注意力机制进行充分的交互，更好地把握语义焦点，学习文本之间的相似性。从字词、句子粒度实现问句匹配数据集的数据增强。设计实体替换算法、同义词替换及随机插入算法、字词噪声增强算法以及回译算法提高了数据集的多样性，解决了语料不足等问题。本发明将依存句法分析与图匹配网络相结合，在问句文本数据集上超越了当前的多个基线模型，提出的面向问句匹配的数据增强算法能够有效提高模型在问句匹配任务上的鲁棒性以及匹配效果。

摘要： 本发明公开了一种基于图匹配算法的关键点匹配方法。本发明实现步骤：(1)图像输入和预处理；(2)利用CNN卷积神经网络进行关键点特征提取；(3)通过线性差值得到关键点特征；(4)采用三角刨分算法构建关键点graph；(5)构建全局结构虚拟关键点；(6)利用GNN图神经网络进行关键点之间的信息交换；(7)计算二图关键点相似度得到匹配结果。本发明通过CNN卷积神经网络能够得到关键点更丰富的语义信息，然后利用三角剖分算法输入的两个图像的待匹配关键点构成的graph，再引入全局结构虚拟关键点，并输入到GNN图神经网络中完成关键点纹理和几何信息的交换，最后计算两图关键点之间的相似度得到最终匹配结果。本发明得到的匹配精确度高、鲁棒性强。

摘要： 本发明揭示了基于图匹配的图像匹配方法、系统及存储介质，其中基于图匹配的图像匹配方法，通过特征点提取、特征点筛选，完全图构建，采用图匹配方法，通过增加边的属性进行匹配，即使局部特征由于相似难以区分或两图中同一物体的局部特征有变化，都能通过特征点之间的距离关系约束准确实现特征的匹配，有效增强了匹配方法的鲁棒性，保证匹配精度。同时，与经典的图匹配技术，如整数投影不动点法（IPFP）和逐步分配算法（GA）相比，此方法采用了先进的快速连续投影不动点迭代方法求最优解，并提出了新的投影方法，在优化的过程中简化了计算量，极大提高了图匹配方法的速度，并且在图匹配技术本有的高精确度之上又有一定程度的精度提升。