检索结果-内蒙古大学图书馆

武汉大学学报（信息科学版） 2014年第2期39卷 186-190页

作者：王中辉闫浩文兰州交通大学测绘与地理信息学院甘肃兰州730070

根据Gestalt心理学的空间认知原理,提出了一种改进的锥形方向关系模型,其基本思想是:首先以参考目标的MBR(minimum bounding rectangle)的四条边界的中点作为起点,分别构建N、S、W、E等4个锥形方向区域;然后,利用锥形方向区域的边界、MB... 详细信息

根据Gestalt心理学的空间认知原理,提出了一种改进的锥形方向关系模型,其基本思想是:首先以参考目标的MBR(minimum bounding rectangle)的四条边界的中点作为起点,分别构建N、S、W、E等4个锥形方向区域;然后,利用锥形方向区域的边界、MBR的边界及其延长线,对空间方向重新进行划分,从而得到改进的锥形模型。实验表明该模型能够有效地克服现有锥形模型中存在的缺陷。

关键词：目标方向关系锥形模型 MBR中图法

来源：评论

学校读者我要写书评

暂无评论

采用神经网络架构搜索的三维模型分类

引用

计算机辅助设计与图形学学报 2022年第5期34卷 722-733页

作者：周鹏杨军兰州交通大学电子与信息工程学院兰州730070 兰州交通大学测绘与地理信息学院兰州730070

针对可微架构搜索方法存在的离散化误差、更新不平衡、跳跃连接富集等问题,提出一种基于资源平衡的网络架构搜索方法.首先,通过资源平衡型渐进式剪枝法裁剪对性能提升贡献较小的弱操作;其次,为使架构搜索过程中各操作具有单独的权重,能... 详细信息

针对可微架构搜索方法存在的离散化误差、更新不平衡、跳跃连接富集等问题,提出一种基于资源平衡的网络架构搜索方法.首先,通过资源平衡型渐进式剪枝法裁剪对性能提升贡献较小的弱操作;其次,为使架构搜索过程中各操作具有单独的权重,能够体现出每个操作对超网性能的贡献,将架构搜索过程中各操作算子之间的竞争关系改为先合作、后竞争的关系;最后,对候选操作添加高斯噪声以抑制跳跃连接的不公平竞争优势.在三维点云数据集ModelNet和二维图像数据集CIFAR-10进行了实验,结果表明所提方法能有效地减小离散化误差,防止跳跃连接富集导致的性能坍塌;与SGAS,NoisyDARTS和人工设计的网络架构相比,所提方法能高效地搜索出帕累托最优网络架构,在三维点云模型分类过程中具有较高的分类准确率.

关键词：神经网络架构搜索三维点云深度学习模型分类图卷积网络

来源：评论

学校读者我要写书评

暂无评论

采用神经网络架构搜索的高分辨率遥感影像目标检测

引用

吉林大学学报（工学版） 2024年第9期54卷 2646-2657页

作者：杨军韩鹏飞兰州交通大学电子与信息工程学院兰州730070 兰州交通大学测绘与地理信息学院兰州730070

针对传统遥感影像目标检测的深度学习网络需要人工设计、过度依赖专家经验、费力耗时等问题,提出了一种基于神经网络架构搜索的遥感影像目标检测方法,通过逐路径采样和进化搜索策略自动构建高效的目标检测网络,完成遥感影像目标检测任... 详细信息

针对传统遥感影像目标检测的深度学习网络需要人工设计、过度依赖专家经验、费力耗时等问题,提出了一种基于神经网络架构搜索的遥感影像目标检测方法,通过逐路径采样和进化搜索策略自动构建高效的目标检测网络,完成遥感影像目标检测任务。在DIOR数据集和RSOD数据集上进行了实验,目标检测平均精度达到67.8%和85.5%,FLOPs为208.47 G和201.67 G,在检测精度和计算效率方面均优于Faster R-CNN、RetinaNet、NAS-FCOS、ResNet Strikes Back、HRNet和GRoIE等现有网络模型。实验结果表明,本方法能自动搜索出高分辨率遥感影像目标检测的网络架构,具有比人工设计的经典网络更优越的性能。

关键词：遥感高分辨率遥感影像神经网络架构搜索目标检测逐路径采样

来源：评论

学校读者我要写书评

暂无评论

基于无监督变形网络的三维模型稠密对应关系计算

引用

吉林大学学报（工学版） 2022年第12期52卷 2971-2983页

作者：杨军高志明兰州交通大学电子与信息工程学院兰州730070 兰州交通大学测绘与地理信息学院兰州730070

针对利用深度学习方法计算三维模型间稠密对应关系时算法泛化能力较差的问题,提出了一种基于无监督变形网络的对应关系的计算方法。首先,通过基于螺旋卷积的模板特征提取网络计算非参数化模板的局部特征描述符;其次,在模板变形网络中利... 详细信息

针对利用深度学习方法计算三维模型间稠密对应关系时算法泛化能力较差的问题,提出了一种基于无监督变形网络的对应关系的计算方法。首先,通过基于螺旋卷积的模板特征提取网络计算非参数化模板的局部特征描述符;其次,在模板变形网络中利用编码器获取输入模型的全局特征,并与模板的局部特征描述符拼接,将拼接后的特征输入到解码器中计算模板的变形模型;最后,通过最近邻搜索算法计算变形模型与输入模型之间的稠密对应关系。实验结果表明,在具有相同训练样本的条件下,本文算法与目前主流算法相比得到了更精确的稠密对应关系,且具有更强的泛化能力。

关键词：计算机应用对应关系模型变形几何深度学习无监督图卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

融合特征交叉与用户历史行为序列的微地图推荐

引用

地球信息科学学报 2024年第1期26卷 158-169页

作者：杨军王琛锡闫浩文兰州交通大学电子与信息工程学院兰州730070 兰州交通大学测绘与地理信息学院兰州730070

针对现有微地图(WeMaps)推荐算法未充分挖掘用户与微地图特征,推荐结果准确率较低的问题,提出融合特征交叉与用户历史行为序列的微地图推荐算法。首先,在用户与地图特征交叉过程中通过引入跳跃连接和多头自注意力机制,让不同特征组合能... 详细信息

针对现有微地图(WeMaps)推荐算法未充分挖掘用户与微地图特征,推荐结果准确率较低的问题,提出融合特征交叉与用户历史行为序列的微地图推荐算法。首先,在用户与地图特征交叉过程中通过引入跳跃连接和多头自注意力机制,让不同特征组合能够自动获得权重,并通过在多个子空间下进行特征交叉获得了更丰富的特征组合信息。其次,在用户历史行为序列中引入了交叉注意力机制,捕捉与候选地图相关的兴趣点。最后,融合特征交叉和用户行为序列模块的输出,获得了综合多个维度的推荐结果。在公开数据集Criteo和自制微地图(WeMaps)数据集上的对数损失值分别为0.4461、0.3797,受试者操作特征曲线下面积值(Area Under the ROC Curve,AUC)分别为0.8052、0.7883。相较于本文对比实验中的二阶特征交叉模型,损失值分别降低了1.7%、14.2%,AUC值提高了0.8%、0.4%。相较于本文对比实验中的高阶特征交叉模型,损失值平均降低了1.3%、2.6%,AUC值平均提高了0.6%,0.2%。较低的损失值和较高的AUC值说明模型进行预测时具有较高的准确性和较好的分类能力。实验结果表明,本文算法不但能为用户提供更为准确的推荐结果,也能使推荐结果具备良好的可解释性。

关键词：微地图推荐算法特征交叉跳跃连接多头自注意力交叉注意力用户历史行为序列可解释性

来源：评论

学校读者我要写书评

暂无评论

结合位置关系卷积与深度残差网络的三维点云识别与分割

引用

西安交通大学学报 2023年第5期57卷 182-193页

作者：杨军王连甲兰州交通大学电子与信息工程学院兰州730070 兰州交通大学测绘与地理信息学院兰州730070

针对现有点云识别与分割算法因忽视点的位置特征和局部几何特征关系而导致难以捕获具有鉴别力的局部几何信息的问题,提出基于位置关系深度残差神经网络的三维点云识别与分割算法。将原始点云嵌入到高维空间并获取其高维特征;将点云的高... 详细信息

针对现有点云识别与分割算法因忽视点的位置特征和局部几何特征关系而导致难以捕获具有鉴别力的局部几何信息的问题,提出基于位置关系深度残差神经网络的三维点云识别与分割算法。将原始点云嵌入到高维空间并获取其高维特征;将点云的高维特征输入位置关系卷积实现局部邻域内当前点特征与位置几何特征的信息交流,并通过深度残差模块强化提取到的深层语义特征,分层重复以上步骤可逐步得到点云的高级上下文语义特征;通过全连接层与解码器,得到点云的识别与分割结果。实验结果表明,所提算法在ModelNet40点云分类数据集的识别精度达到了93.9%,在ShapeNet Part点云部件语义分割数据集的平均交并比达到了86.0%。所提算法能够提取三维点云的关键特征信息,具有较好的三维点云识别与分割能力。

关键词：三维点云位置关系卷积残差网络模型识别语义分割

来源：评论

学校读者我要写书评

暂无评论

索引边缘几何卷积神经网络用于点云分类

引用

西安电子科技大学学报 2022年第2期49卷 207-217页

作者：周鹏杨军兰州交通大学电子与信息工程学院甘肃兰州730070 兰州交通大学测绘与地理信息学院甘肃兰州730070

点云学习因其在计算机视觉、自动驾驶和机器人技术等领域的广泛应用而受到越来越多的关注。点云数据具有稀疏性、无序性、有限性等特点,给基于深度卷积神经网络的点云分类任务带来很大困难,通常采用多视图或将点云转换为体素后使用卷积... 详细信息

点云学习因其在计算机视觉、自动驾驶和机器人技术等领域的广泛应用而受到越来越多的关注。点云数据具有稀疏性、无序性、有限性等特点,给基于深度卷积神经网络的点云分类任务带来很大困难,通常采用多视图或将点云转换为体素后使用卷积神经网络进行处理,但转换过程会带来局部特征信息丢失、计算效率低等问题。将原始点云直接输入到分类网络还存在参数量过多、网络规模复杂等问题,实时性任务处理仍需进一步优化。为使点云处理网络轻量化,以适用于实时点云分类任务,提出索引边缘几何卷积神经网络模型。首先对网络结构和超参进行裁剪并压缩,实现模型轻量化;其次,使用k近邻算法在每个卷积层上确定新的局部区域,加入相邻点之间的向量方向,将不同层的输出特征映射并进行索引跳跃连接,使局部特征信息损失进一步降低。在ModelNet40数据集上,该方法的分类准确率约为92.78%,与DGCNN相比,提高了约0.58%。实验结果表明,所提出的模型具有分类准确率高、轻量化特点,可部署于小型嵌入式设备。

关键词：模型分类卷积神经网络点云轻量化

来源：评论

学校读者我要写书评

暂无评论

无监督的三维模型簇对应关系协同计算

引用

浙江大学学报（工学版） 2022年第10期56卷 1935-1947页

作者：杨军李金泰高志明兰州交通大学电子与信息工程学院甘肃兰州730070 兰州交通大学测绘与地理信息学院甘肃兰州730070

针对近似等距的非刚性变换的三维模型簇对应关系计算准确率不高的问题,提出采用无监督的三维模型簇对应关系协同计算的新方法.通过三维点云特征提取模块,获取将位置、细节信息更丰富的低维特征与语义信息更丰富的高维特征相融合后的特征... 详细信息

针对近似等距的非刚性变换的三维模型簇对应关系计算准确率不高的问题,提出采用无监督的三维模型簇对应关系协同计算的新方法.通过三维点云特征提取模块,获取将位置、细节信息更丰富的低维特征与语义信息更丰富的高维特征相融合后的特征.在无监督深度函数映射模块中,将提取到的融合特征转换为谱描述符,计算函数映射矩阵,对该矩阵施加加权正则化约束项,得到最优的函数映射矩阵.在模型簇对应关系协同计算模块中,结合循环一致性约束与函数映射理论,求解最优的目标函数,得到最优的模型簇对应关系.实验结果表明,所提算法在FAUST、SCAPE和TOSCA 3个数据集上所构建的模型簇对应关系测地误差均小于目前主流方法,映射结果更加平滑,对应关系更加准确,具有良好的泛化能力.

关键词：对应关系三维模型簇无监督学习深度函数映射循环一致性

来源：评论

学校读者我要写书评

暂无评论

采用神经网络架构搜索的遥感影像分割方法

引用

西安电子科技大学学报 2021年第5期48卷 47-57,77页

作者：周鹏杨军兰州交通大学电子与信息工程学院甘肃兰州730070 兰州交通大学测绘与地理信息学院甘肃兰州730070

由于传统的深度卷积神经网络分割高分辨率遥感影像需人工设计网络架构,过度依赖专家经验,耗时费力,且网络泛化能力较差,因此,提出一种资源平衡型部分通道采样的神经网络架构搜索方法。首先,在网络架构参数中添加资源平衡项,提升搜索算... 详细信息

由于传统的深度卷积神经网络分割高分辨率遥感影像需人工设计网络架构,过度依赖专家经验,耗时费力,且网络泛化能力较差,因此,提出一种资源平衡型部分通道采样的神经网络架构搜索方法。首先,在网络架构参数中添加资源平衡项,提升搜索算法稳定性,同时减小剪枝过程中产生的更新不平衡和离散化误差;其次,选择部分通道进行搜索空间的混合操作,以节省计算资源,提升搜索效率,缓解网络过拟合;最后,根据高分辨率遥感影像地物复杂、分布离散及空间范围广等特点,引入Gumbel-Softmax Trick方法从非连续概率分布进行采样,以提高采样效率。在WHUBuilding数据集上MIoU语义分割评价指标达到90.93%,在GID数据集上MIoU语义分割评价指标达到69.53%,优于SegNet、U-Net、Deeplab v3+、NAS-HRIS等网络模型。实验结果表明,新方法能高效地自动搜索出分割高分辨率遥感影像的网络架构,具有分割精度高、计算资源占用率低的特点。

关键词：深度学习高分辨率遥感影像神经网络架构搜索影像分割卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

非刚性部分模型与完整模型的对应关系计算

引用

武汉大学学报（信息科学版） 2021年第3期46卷 434-441页

作者：杨军王博兰州交通大学测绘与地理信息学院甘肃兰州730070 兰州交通大学电子与信息工程学院甘肃兰州730070

针对不同姿态下的三维等距部分模型与完整模型对应关系计算问题,提出了一种结合局部函数映射和局部流形谐波(localized manifold harmonics,LMH)算子计算三维模型特征描述符并构建模型间对应关系的新方法。首先,通过改进的Laplace算子... 详细信息

针对不同姿态下的三维等距部分模型与完整模型对应关系计算问题,提出了一种结合局部函数映射和局部流形谐波(localized manifold harmonics,LMH)算子计算三维模型特征描述符并构建模型间对应关系的新方法。首先,通过改进的Laplace算子的谱分解构造局部基产生LMH算子,并计算模型的特征描述符;其次,通过局部函数映射理论构建部分模型与完整模型间的初始对应关系;然后,交替迭代计算部分模型与完整模型间的稠密对应关系;最后,利用贪心算法优化对应关系直至收敛。实验结果表明,以局部流形谐波产生的新算子与局部函数映射方法计算得到的稀疏对应关系为基础,能构建更为准确的稠密对应关系,并在一定程度上减少等距误差。和已有算法相比,采用LMH算子构建的特征描述符比由Laplace-Beltrami算子构建的特征描述符更能体现出部分模型的本征属性,计算出的对应关系也更加准确。

关键词：等距模型对应关系 Laplace-Beltrami算子局部流形谐波局部函数映射部分模型完整模型

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：