摘要
本发明公开了一种面向科学可视化的三维体数据压缩与重建方法,包括:基于压缩三维体数据集获取所有叶子节点的原始体素数据,抽取部分叶子节点作为采样点,将采样点的原始三维体数据作为样本三维体数据;构建神经网络模型,基于样本三维体数据对神经网络模型进行训练,输出预测三维体数据,对预测三维体数据进行重建,获取重建三维体数据。本发明提供的方法能够有效提高三维体数据重建效率并减少训练成本。
技术关键词
神经网络模型
数据压缩
峰值信噪比
采样点
样本
节点
优化器
索引
误差
系统为您推荐了相关专利信息
多模态卷积神经网络
生成对抗网络
分布直方图
时序特征
IPSec协议
神经网络模型训练
链路
交换机
分布式神经网络
贪婪算法
自动设计方法
变量
模拟退火优化
模拟退火算法
样本
实时图像处理系统
边缘检测
纹理压缩技术
映射关系表
神经网络模型识别
异常事件
三维地图数据
高斯混合背景模型
YOLO模型
移动车辆