检索结果-内蒙古大学图书馆

自动化学报 2018年第12期44卷 2278-2289页

作者：余伟伟谢承旺闭应洲夏学文李雄任柯燕赵怀瑞王少锋北京工业大学信息学部软件学院北京100124 广西师范学院科学计算与智能信息处理广西高校重点实验室南宁530023 华东交通大学软件学院南昌330013 华东交通大学机械与车辆工程学院南昌330013 华东交通大学土建学院南昌330013

高维多目标优化问题由于具有巨大的目标空间使得一些经典的多目标优化算法面临挑战.提出一种基于自适应模糊支配的高维多目标粒子群算法MAPSOAF,该算法定义了一种自适应的模糊支配关系,通过对模糊支配的阈值自适应变化若干步长,在加强... 详细信息

高维多目标优化问题由于具有巨大的目标空间使得一些经典的多目标优化算法面临挑战.提出一种基于自适应模糊支配的高维多目标粒子群算法MAPSOAF,该算法定义了一种自适应的模糊支配关系,通过对模糊支配的阈值自适应变化若干步长,在加强个体间支配能力的同时实现对种群选择压力的精细化控制,以改善算法的收敛性;其次,通过从外部档案集中选取扰动粒子,并在粒子速度更新公式中新增一扰动项以克服粒子群早熟收敛并改善个体分布的均匀性;另外,算法利用简化的Harmonic归一化距离评估个体的密度,在改善种群分布性的同时降低算法的计算代价.该算法与另外五种高性能的多目标进化算法在标准测试函数集DTLZ{1, 2, 4, 5}上进行对比实验,结果表明该算法在收敛性和多样性方面总体上具有较显著的性能优势.

关键词：自适应模糊支配精英个体扰动粒子群算法高维多目标优化问题高维多目标粒子群优化算法

来源：评论

学校读者我要写书评

暂无评论

基于孪生卷积神经网络的手机型号识别方法

引用

北京工业大学学报 2021年第2期47卷 112-119页

作者：韩红桂甄琪任柯燕伍小龙杜永萍乔俊飞北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124

针对废旧手机回收过程中型号难以精确识别的问题,提出一种基于孪生卷积神经网络的废旧手机型号识别方法.首先,利用基于最大类间差分的边缘检测算法解析手机图像的区域特征,构建手机型号识别数据库;其次,构造一种共享权值孪生卷积网络(si... 详细信息

针对废旧手机回收过程中型号难以精确识别的问题,提出一种基于孪生卷积神经网络的废旧手机型号识别方法.首先,利用基于最大类间差分的边缘检测算法解析手机图像的区域特征,构建手机型号识别数据库;其次,构造一种共享权值孪生卷积网络(siamese convolutional neural network,S-CNN)的手机识别模型,实现废旧手机图像特征的快速提取;最后,设计一种自适应学习率的识别模型参数更新策略,提高手机型号识别的精度.将其应用于不同场景下废旧手机的分拣,实验结果表明该方法具有较好的快速性和准确性.

关键词：孪生卷积神经网络相似性评估模型参数更新手机型号识别边缘检测废旧手机回收

来源：评论

学校读者我要写书评

暂无评论

一种基于图卷积的三维人体重构方法

一种基于图卷积的三维人体重构方法

引用

作者：任柯燕岳天一 100124 北京市朝阳区平乐园100号

本发明公开一种基于图卷积的三维人体重构方法，能够根据单目图像生成三维人体网格。该方法包括以下步骤：采用一个残差网络构成的特征提取器提取输入图像的轮廓特征；采用一个反馈神经网络构成的参数回归器从提取得到的特征中回归人体... 详细信息

标准号: CN111627101B

本发明公开一种基于图卷积的三维人体重构方法，能够根据单目图像生成三维人体网格。该方法包括以下步骤：采用一个残差网络构成的特征提取器提取输入图像的轮廓特征；采用一个反馈神经网络构成的参数回归器从提取得到的特征中回归人体模型的参数；根据估计的参数，采用一个事先训练好的人体模型生成人体的模板拓扑结构；粘合轮廓特征到模板拓扑结构的顶点上；采用一个残差化的图卷积网络优化模板拓扑结构，使模板网格变形，从而得到目标的人体网格。这种网络架构能够避免原始的图卷积网络在回归人体的过程中受到固定初始化的约束，在减轻网络回归压力的同时，生成更为精准的预测网格。

关键词：网格拓扑结构轮廓特征人体模型残差回归三维反馈神经网络特征提取器网络参数回归单目图像输入图像网络架构网络优化初始化粘合重构变形预测

来源：评论

学校读者我要写书评

暂无评论

一种实时渲染中的水面仿真方法

一种实时渲染中的水面仿真方法

引用

作者：任柯燕严嘉睿侯义斌 100124 北京市朝阳区平乐园100号

本发明涉及一种实时渲染中的水面仿真的方法，属于计算机图形学领域，旨在解决现有水面实时渲染仿真技术中无法兼顾真实感与计算效率的问题。本发明主要包含七个算法模块或部分，即：倒影摄像机、片元法线生成模块、水面反射颜色生成模... 详细信息

标准号: CN110163945B

本发明涉及一种实时渲染中的水面仿真的方法，属于计算机图形学领域，旨在解决现有水面实时渲染仿真技术中无法兼顾真实感与计算效率的问题。本发明主要包含七个算法模块或部分，即：倒影摄像机、片元法线生成模块、水面反射颜色生成模块、水底颜色生成模块、菲涅尔系数生成方法、高光反射颜色生成方法、水面颜色混合方法。本发明通过上述算法模块或者部分的配合，可以得到最终的水面效果。本发明可应用于主流实时三维编程接口：OpenGL或DirectX。此外，本发明所采用的方法，在不涉及水体本身物理模拟，不涉及水面下观察的三维交互应用中，能够兼顾真实感与计算效率。

关键词：水面生成模块计算效率实时渲染算法模块真实感计算机图形学法线反射颜色仿真技术三维编程三维交互水面反射物理模拟系数生成颜色混合菲涅尔高光倒影摄像机应用水体主流观察配合

来源：评论

学校读者我要写书评

暂无评论

基于语义指导的视频行为检测方法

基于语义指导的视频行为检测方法

引用

作者：任柯燕张云路张淳闫桐赵虎 100124 北京市朝阳区平乐园100号

本发明公开了基于语义指导的视频行为检测方法，通过特征的下采样来扩大时间感受野，并将线性插值用于上采样环节，从而得到视频时序上的粗略语义信息，用于指导时间卷积模型的输出；同时对模型的主干网络使用参数共享结构，将网络分为... 详细信息

标准号: CN114332723B

本发明公开了基于语义指导的视频行为检测方法，通过特征的下采样来扩大时间感受野，并将线性插值用于上采样环节，从而得到视频时序上的粗略语义信息，用于指导时间卷积模型的输出；同时对模型的主干网络使用参数共享结构，将网络分为了三部分：生成粗略预测、细化和最终预测，以实现网络层数与参数量的最佳搭配；针对模型的时间建模能力，本发明提供了一种不需人工标注的视频速度预测的自监督辅助任务，可通过随机采样率的变换来模拟视频的播放速度，以辅助主干网络生成质量更高的预测。本发明主要针对以人为主体的视频，具有参数量低、精度高，方便对长视频进行操作等特点；对于无人的视频，本发明根据转场对视频进行分割。

关键词：视频主干网络预测共享结构模拟视频人工标注时间建模时间卷积使用参数视频时序速度预测随机采样行为检测语义信息语义上采样网络层下采样细化转场搭配播放输出分割环节网络监督

来源：评论

学校读者我要写书评

暂无评论

基于语义指导的视频行为检测方法

基于语义指导的视频行为检测方法

引用

作者：任柯燕张云路张淳闫桐赵虎 100124 北京市朝阳区平乐园100号

标准号: CN114332723A

来源：评论

学校读者我要写书评

暂无评论

一种基于高级语义信息特征编码的视频描述方法

一种基于高级语义信息特征编码的视频描述方法

引用

作者：任柯燕张淳黄靖懿边青云 100124 北京市朝阳区平乐园100号

本发明提供一种基于高级语义信息特征编码的视频描述方法。该发明包括：通过人工智能网络预测输入视频序列中包含的多个独立事件，并输出各事件的起止时间以及相应文字描述；通过解耦地提取原生视频的空间与时序特征，摒弃传统骨干网络... 详细信息

标准号: CN116091978A

本发明提供一种基于高级语义信息特征编码的视频描述方法。该发明包括：通过人工智能网络预测输入视频序列中包含的多个独立事件，并输出各事件的起止时间以及相应文字描述；通过解耦地提取原生视频的空间与时序特征，摒弃传统骨干网络，保留更完整的语义信息；通过高级语义信息编码器以及特征融合模块提炼视频特征，对高级语义信息进行解码以获得视频描述特征，取得更好的描述效果；通过时间戳预测模块以及描述内容预测模块分别处理视频描述特征获得最终描述结果。本发明主要针对包含多个事件的视频，具有参数量低、精度高，方便对视频操作等特点；对于生成的描述信息，可根据应用场景实现分类、检索、辅助视听等任务。

关键词：高级语义信息视频描述预测模块视频人工智能网络输入视频序列特征融合模块解码独立事件骨干网络描述内容描述信息时序特征视频操作视频特征特征编码特征获得文字描述应用场景语义信息编码器时间戳解耦检索视听提炼输出分类预测保留

来源：评论

学校读者我要写书评

暂无评论

一种基于速度终点指导的自监督行人轨迹预测方法

一种基于速度终点指导的自监督行人轨迹预测方法

引用

作者：任柯燕袁帅边青云谷美颖张淳 100124 北京市朝阳区劲松街道平乐园100号

本发明公开了一种基于速度终点指导的自监督行人轨迹预测方法，能够根据行人及其邻居的历史轨迹，预测得到多条可能的未来轨迹。该方法包括以下步骤：利用图注意力网络和Transformer分别对过去和未来轨迹进行空间交互特征和时间特征提... 详细信息

标准号: CN115937896A

本发明公开了一种基于速度终点指导的自监督行人轨迹预测方法，能够根据行人及其邻居的历史轨迹，预测得到多条可能的未来轨迹。该方法包括以下步骤：利用图注意力网络和Transformer分别对过去和未来轨迹进行空间交互特征和时间特征提取；将得到的时空特征送入条件变分自编码器预测得到多个“粗糙”的终点和速度；通过聚类算法对多个“粗糙”的终点进行聚类，划分得到“细化”的终点；将过去的时空特征、“细化”的终点、速度送入解码器得到最终的多条预测轨迹。本发明充分考虑了行人轨迹的交互特征，使用双分支的特征提取网络分别提取时空特征，同时通过自监督任务在不增加额外标注的情况下预测得到了多个终点和速度，并用于指导最终的轨迹生成。更近一步，我们对预测得到的多个终点进行聚类，保留了多种潜在的可能的同时增加了轨迹多样性。

关键词：时空特征预测交互特征聚类细化粗糙送入解码器轨迹生成轨迹预测聚类算法历史轨迹时间特征特征提取预测轨迹编码器过去的潜在的标注注意力网络多样性监督邻居保留

来源：评论

学校读者我要写书评

暂无评论

基于代表性和特异性得分的非监督监控视频摘要生成方法及生成器

基于代表性和特异性得分的非监督监控视频摘要生成方法及生成器

引用

作者：任柯燕张文济张云路袁帅 100124 北京市朝阳区平乐园100号

本发明涉及一种基于代表性和特异性得分的非监督监控视频摘要生成方法及生成器。具体包括：针对监控视频，每隔一定的时间抽取帧，并使用卷积神经网络提取得到视频帧组的视觉特征组；使用图像直方图找到视频帧组断点以设置聚群数量，对... 详细信息

标准号: CN113536035A

本发明涉及一种基于代表性和特异性得分的非监督监控视频摘要生成方法及生成器。具体包括：针对监控视频，每隔一定的时间抽取帧，并使用卷积神经网络提取得到视频帧组的视觉特征组；使用图像直方图找到视频帧组断点以设置聚群数量，对视频帧组进行分类；利用聚类得到的视频帧组聚群，分聚群进行备选帧的筛选；计算每个聚群的所有备选帧的代表性得分；计算每个聚群的特异性得分；根据特异性得分高低舍弃一部分聚群，剩余聚群中按群分别将备选帧由高到低选择一部分备选帧做为选定帧，并按其在原始视频的时序进行排列生成视频摘要。

关键词：备选视频帧组监控视频卷积神经网络图像直方图时序对视频帧时间抽取视觉特征原始视频摘要生成生成器选定帧断点聚类舍弃视频筛选分类监督

来源：评论

学校读者我要写书评

暂无评论

一种基于RGBD相机的货物箱智能装载方法及系统

一种基于RGBD相机的货物箱智能装载方法及系统

引用

作者：任柯燕闫桐张云路胡兆欣 100124 北京市朝阳区平乐园100号

本发明公开了一种基于RGBD相机的货物箱智能装载方法及系统，首先通过RGBD相机采集待装载和目标区域货物箱的颜色和深度信息，生成RGB图像和深度图，并进行相机标定；根据得到的相机内外参，将深度图转化为点云，并对RGB图像和点云进行... 详细信息

标准号: CN113963044A

本发明公开了一种基于RGBD相机的货物箱智能装载方法及系统，首先通过RGBD相机采集待装载和目标区域货物箱的颜色和深度信息，生成RGB图像和深度图，并进行相机标定；根据得到的相机内外参，将深度图转化为点云，并对RGB图像和点云进行数据增强；将增强后的RGB图像和点云数据输入到改进版的3D目标检测网络中，检测出每个货物箱的位置和尺寸大小，生成带有中心位置坐标和尺寸大小的三维检测框信息；将得到的货物箱的位置和尺寸信息以及目标区域已装载货物箱装载信息输入到基于强化学习的装载策略生成网络中，生成所有待摆放的货物箱的摆放顺序，并根据摆放顺序生成货物箱的最优摆放位置，形成最终的摆放策略；根据摆放策略计算机械臂的偏转位移和旋转角度，控制机械臂对货物箱进行装载。

关键词：货物箱装载摆放相机目标区域机械臂深度图点云中心位置坐标偏转摆放位置策略计算策略生成尺寸信息点云数据强化学习三维检测深度信息数据增强顺序生成相机标定信息输入装载货物框信息检测网络采集智能转化改进

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：