检索结果-内蒙古大学图书馆

中国图象图形学报 2021年第6期26卷 1227-1253页

作者：赵耀田永鸿党建武付树军王恒友万军安高云杜卓然廖理心韦世奎北京交通大学信息科学研究所北京100044 北京大学信息科学技术学院北京100871 兰州交通大学电子与信息工程学院兰州730070 山东大学数学学院济南250100 北京建筑大学理学院北京102616 中国科学院自动化研究所模式识别国家重点实验室北京100190

随着智慧城市建设的不断深入,大量的传感器设备铺置在城市公路和轨道等交通场景,为多维度全方位感知城市交通状态构建了广泛的感知网络,产生了海量的交通视频数据。海量交通视频数据是城市管理的数据宝藏,理解与分析这些数据是智慧城市... 详细信息

随着智慧城市建设的不断深入,大量的传感器设备铺置在城市公路和轨道等交通场景,为多维度全方位感知城市交通状态构建了广泛的感知网络,产生了海量的交通视频数据。海量交通视频数据是城市管理的数据宝藏,理解与分析这些数据是智慧城市建设的关键。面对高度冗余的交通视频数据,如何高效准确地挖掘和提取结构化信息,实现对重点目标(如人、车、物)的快速检测、识别与检索,是交通视频处理的核心问题——交通视频结构化分析。交通视频结构化分析包括车辆视频结构化分析、人员结构化分析及其行为分析。其中,车辆结构化作为一个复杂的多步骤任务,主要由车辆的检测、车辆的属性(车牌、车型和颜色)识别以及车辆的检索和重识别等子任务构成。人脸结构化和行人结构化是交通视频中行人结构化智能分析中的两个重要研究方向,主要分析人脸或者行人的一些表观属性。行人行为分析是指对行人在复杂交通环境下做出的动作进行识别和预测。本文从交通视频中的车辆、行人及其行为分析等方面,阐述交通视频结构化分析领域的研究热点及前沿进展,汇总比较国内外的相关成果,并对交通视频结构化分析领域的研究进行总结分析与展望。

关键词：交通视频车辆结构化分析行人结构化分析行为结构化分析车辆检测车辆属性识别车辆检索人脸结构化分析

来源：评论

学校读者我要写书评

暂无评论

用于卷积神经网络图像预处理的目标中心化算法

引用

中南大学学报（自然科学版） 2019年第3期50卷 579-586页

作者：董秋成吴爱国董娜冯伟天津大学电气自动化与信息工程学院天津300072 中国科学院自动化所模式识别国家重点实验室北京100000

为解决工业生产中对不同零件进行自动分类的问题,提出一种基于卷积神经网络的模式识别算法,对29种不同尺寸的螺丝、螺母和垫片进行分类。首先采集待分类零件的图像数据,通过数据增强得到数据集,然后设计一种简化的卷积神经网络。提出一... 详细信息

为解决工业生产中对不同零件进行自动分类的问题,提出一种基于卷积神经网络的模式识别算法,对29种不同尺寸的螺丝、螺母和垫片进行分类。首先采集待分类零件的图像数据,通过数据增强得到数据集,然后设计一种简化的卷积神经网络。提出一种对图像中的目标位置进行中心化的图像预处理算法,它能够提取图像中目标所在的区域并将其移动到图像中心位置。研究结果表明,与不采用目标中心化算法的传统方法相比,总体准确率从97.59%提升至99.96%,具有最低准确率的零件的准确率从85.83%提升至99.67%。使用卷积神经网络对背景纯净且目标明显的图像进行分类时,使用本文提出的目标中心化算法进行图像预处理能够显著提高网络的识别准确率。

关键词：零件识别卷积神经网络数据增强中心化目标提取

来源：评论

学校读者我要写书评

暂无评论

利用上下文相似度增强词对齐效果的自然语言推理方法

引用

智能科学与技术学报 2020年第1期2卷 26-35页

作者：杜倩龙宗成庆苏克毅中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学北京100049 台湾“中央研究院”资讯科学研究所台湾台北11529

当前的自然语言推理方法在进行词对齐时往往只关注如何利用上下文信息改善词汇的表示,而忽略了上下文相似度对词汇对齐的帮助。推理方法在融合局部判定信息进行结果预测时,通常赋予局部判定信息相同的权重,而实际上不同词汇对应的局部... 详细信息

当前的自然语言推理方法在进行词对齐时往往只关注如何利用上下文信息改善词汇的表示,而忽略了上下文相似度对词汇对齐的帮助。推理方法在融合局部判定信息进行结果预测时,通常赋予局部判定信息相同的权重,而实际上不同词汇对应的局部判定信息对最终结果具有不同的影响。因此,提出一种通过增强词对齐性能改善自然语言推理性能的方法,该方法在词对齐时同时考虑词汇的词义相似度和上下文相似度,并且利用选择门机制对不同的局部判定信息进行加权。实验表明,该方法能够获得与当前最优的模型相当的准确率,而且该方法更加符合人脑推理判定行为过程,且具有很好的可解释性。

关键词：文本蕴含自然语言推理词对齐

来源：评论

学校读者我要写书评

暂无评论

基于球坐标的植物果实重建

引用

中国农机化学报 2020年第10期41卷 176-182页

作者：陆玲姚玲洁郭建伟王蕾东华理工大学信息工程学院南昌市330013 中国科学院自动化研究所模式识别国家重点实验室北京市100190

针对植物果实形状特点,提出基于坐标变换的点云快速重建方法。对于生长在茎干上的果实,首先计算茎干方向即果实的中心轴方向,将点云直角坐标转为球坐标,利用中值滤波沿半径方向对点云数据去噪,判断果实的长扁特征,计算果实中心轴的经纬... 详细信息

针对植物果实形状特点,提出基于坐标变换的点云快速重建方法。对于生长在茎干上的果实,首先计算茎干方向即果实的中心轴方向,将点云直角坐标转为球坐标,利用中值滤波沿半径方向对点云数据去噪,判断果实的长扁特征,计算果实中心轴的经纬度;然后以果实的中心轴作为球坐标的中心轴再次对原始点云进行坐标变换,进行去噪和填空点处理,最后采用B样条曲面对果实进行重建。本文方法的计算效率高于传统方法的2.5倍以上,随着点云数据量的增加,计算速度可加快几十倍,而且重建结果与实际点云误差小于2.2%。

关键词：植物果实三维点云球坐标系重建 B样条曲面

来源：评论

学校读者我要写书评

暂无评论

多尺度信息融合的遥感图像语义分割模型

引用

计算机辅助设计与图形学学报 2019年第9期31卷 1509-1517页

作者：张静靳淇兆王洪振达铖向世明潘春洪哈尔滨理工大学自动化学院哈尔滨150080 中国科学院自动化研究所模式识别国家重点实验室北京100190

遥感图像分割是目前学术界和工业界的一个研究热点,在城市规划、变化检测以及GIS信息构建等方面有着十分广泛的应用.然而,诸多复杂因素(如多变的尺度、多样化的拓扑形状以及复杂的背景和阴影等)使得遥感图像语义分割成为一项具有挑战性... 详细信息

遥感图像分割是目前学术界和工业界的一个研究热点,在城市规划、变化检测以及GIS信息构建等方面有着十分广泛的应用.然而,诸多复杂因素(如多变的尺度、多样化的拓扑形状以及复杂的背景和阴影等)使得遥感图像语义分割成为一项具有挑战性的任务.为此,提出一种基于多尺度信息融合的遥感图像语义分割深层卷积神经网络模型,该模型分为编码器和解码器2部分.在编码阶段,设计了基于DenseNet网络的跨卷积层级的多尺度特征融合策略,采用子区域全局平均池化及多尺度卷积处理复杂的背景区域;在解码阶段,为了准确地恢复图像的细节信息,设计了能够融合不同层级卷积特征的短解码器;最后,在整体模型构建方面设计了一种具有多输出的分层监督机制网络模型,从不同层级获取监督信息,可在充分利用监督信息的同时更好地引导网络的训练.在ISPRS公开数据集以及北京市遥感数据集上,通过实验验证了文中模型的有效性.

关键词：遥感图像语义分割深度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

旋转矩形区域的遥感图像舰船目标检测模型

引用

计算机辅助设计与图形学学报 2019年第11期31卷 1935-1945页

作者：仲伟峰郭峰向世明潘春洪哈尔滨理工大学自动化学院哈尔滨150080 中国科学院自动化研究所模式识别国家重点实验室北京100190

高分辨率遥感图像舰船目标检测是遥感图像理解任务中的热点研究问题.由于遥感图像中舰船目标存在成像视角单一、目标分布密集和目标尺度变化大等特点,直接将自然场景目标检测方法应用于遥感图像舰船检测任务中,并不能获得满意的效果.此... 详细信息

高分辨率遥感图像舰船目标检测是遥感图像理解任务中的热点研究问题.由于遥感图像中舰船目标存在成像视角单一、目标分布密集和目标尺度变化大等特点,直接将自然场景目标检测方法应用于遥感图像舰船检测任务中,并不能获得满意的效果.此外,自然场景目标检测任务中常用的水平矩形框对细长型舰船目标的定位精确度无法满足实际应用需求.因此,提出了基于旋转矩形区域的遥感舰船目标检测算法.首先,采用旋转矩形框完成舰船目标的定位.其次,提出兴趣区域特征金字塔池化模块,融合兴趣区域的多尺度池化特征以处理目标尺度变化较大的问题.最后,设计定位准确度预测分支,利用定位准确度预测值指导非极大值抑制算法,从而优化后处理的结果.在遥感舰船公开数据集HRSC2016上,通过3个级别任务(分别为单类、4类和19类舰船检测识别)上的实验结果验证了算法的有效性.

关键词：遥感图像卷积神经网络舰船检测

来源：评论

学校读者我要写书评

暂无评论

连续情境学习：迈向高适应性通用智能的重要一步

引用

人工智能 2020年第1期 47-53页

作者：陈阳余山中国科学院自动化研究所中国科学院模式识别国家重点实验室

近年来,以深度神经网络为代表的人工智能得到快速发展,引起社会各界的广泛关注。随着计算能力的提升和大数据时代的来临,深度人工神经网络在图像的分类和检测、序列学习等领域已取得令人瞩目的成绩,在围棋、星际争霸等竞技游戏中也超越... 详细信息

近年来,以深度神经网络为代表的人工智能得到快速发展,引起社会各界的广泛关注。随着计算能力的提升和大数据时代的来临,深度人工神经网络在图像的分类和检测、序列学习等领域已取得令人瞩目的成绩,在围棋、星际争霸等竞技游戏中也超越了人类的顶尖选手。但是,人们普遍认为,在目前的人工智能与类人的通用智能之间,还存在巨大的能力鸿沟。而大脑作为实现了通用智能的唯一样本,为今后人工智能的发展提供了一个绝佳的参照。本文就大脑智能的两个重要方面,即连续学习和情境学习进行介绍,并结合类脑计算领域相关的最新进展,讨论这一研究方向将如何促进神经网络逐步迈向高适应性通用智能。

关键词：人工神经网络高适应性人工智能情境学习

来源：评论

学校读者我要写书评

暂无评论

面向双眼皮虚拟手术的三维网格编辑技术

引用

系统仿真学报 2019年第3期31卷 486-493页

作者：管桐叶军涛马光辉张晓鹏中国科学院自动化研究所模式识别国家重点实验室北京100190

虚拟美容外科手术仿真系统,模拟手术过程都严重依赖人机交互操作,这个过程非常繁琐,而且效果因操作者的技能水平而异。虚拟双眼皮手术对精确程度有很高的要求,人机交互操作难以准确完成操作。针对这个问题,提出了一种基于人脸几何特征,... 详细信息

虚拟美容外科手术仿真系统,模拟手术过程都严重依赖人机交互操作,这个过程非常繁琐,而且效果因操作者的技能水平而异。虚拟双眼皮手术对精确程度有很高的要求,人机交互操作难以准确完成操作。针对这个问题,提出了一种基于人脸几何特征,通过测地线自动地生成虚拟双眼皮的算法。在算法中,采用了自适应细分策略来避免变形结果的走样,通过限定区域运算提升效率。实验结果表明,该算法具有稳定性、高效性和易用性。

关键词：虚拟手术几何特征网格编辑谷脊线测地线

来源：评论

学校读者我要写书评

暂无评论

基于三维变形的图像合成

引用

中国体视学与图像分析 2020年第4期25卷 383-392页

作者：华淼袁梦轲徐士彪张晓鹏中国科学院自动化研究所模式识别国家重点实验室北京100190

随着多媒体技术的发展,图像编辑技术越来越受到人们的关注和重视,是计算机视觉和机器学习领域的热点和难点问题。图像合成是图像编辑中的一种重要方法,现有的图像合成方法或者未考虑图像的高度或法相信息,导致图像合成效果不真实;或者... 详细信息

随着多媒体技术的发展,图像编辑技术越来越受到人们的关注和重视,是计算机视觉和机器学习领域的热点和难点问题。图像合成是图像编辑中的一种重要方法,现有的图像合成方法或者未考虑图像的高度或法相信息,导致图像合成效果不真实;或者需要复杂的交互,费时费力。为此,本文提出了一种新的图像合成算法,基于三维变形来表示图像的高度或法相信息,不需要人工交互,计算速度快。多组实验结果证明,本文方法的效果优于目前其他方法。

关键词：图像合成生成对抗网络神经网络

来源：评论

学校读者我要写书评

暂无评论

基于增量Voronoi序列的即时彩色点画算法

引用

计算机辅助设计与图形学学报 2019年第9期31卷 1502-1508页

作者：吴志超马雷陈彦云石剑徐丹云南大学信息学院昆明650504 中国科学院大学北京100049 中国科学院软件研究所计算机科学国家重点实验室北京100190 中国科学院自动化研究所模式识别国家重点实验室北京100190

作为流行的图像风格化技术之一,数字点画是具有吸引力的一项研究课题.现有的大部分工作针对黑白点画,而彩色点画作为一种多类别采样问题,其计算成本较大,为此提出一种即时彩色点画算法,采用离线计算的方式得到蓝噪声性质的点集,以此构... 详细信息

作为流行的图像风格化技术之一,数字点画是具有吸引力的一项研究课题.现有的大部分工作针对黑白点画,而彩色点画作为一种多类别采样问题,其计算成本较大,为此提出一种即时彩色点画算法,采用离线计算的方式得到蓝噪声性质的点集,以此构建增量Voronoi序列;然后将单类别阈值策略扩展到多类别阈值策略来确定各个采样点的颜色;最后根据采样点的颜色生成彩色点画.通过与其他合成策略在不同颜色空间中的对比,结果表明文中确定性算法可以在保证效率和鲁棒性的同时,生成与当前最先进算法质量相当的结果.

关键词：非真实感绘制彩色点画阈值策略 Voronoi

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：