检索结果-内蒙古大学图书馆

计算机工程与应用 2023年第3期59卷 202-208页

作者：于海港何宁刘圣杰韩文静北京联合大学北京市信息服务工程重点实验室北京100101

在视频理解任务中,人体行为识别是一个重要的研究内容,但视频序列中存在时空信息融合困难、准确率低等问题。针对这些问题,提出一种基于时空信息融合的双流时空残差卷积网络模型。将视频分段采样提取RGB图像和光流图像,并将其输入到双... 详细信息

在视频理解任务中,人体行为识别是一个重要的研究内容,但视频序列中存在时空信息融合困难、准确率低等问题。针对这些问题,提出一种基于时空信息融合的双流时空残差卷积网络模型。将视频分段采样提取RGB图像和光流图像,并将其输入到双流时空残差网络,通过设计的时空残差模块提取视频的深度时空特征,将每个视频片段的类别结果加权融合得到行为类别。提出的双流时空残差模块引入了少量的三维卷积和混合注意力机制,能够同时获取不同尺度的时空信息并且抑制无效信息,可以有效平衡时空信息的捕捉和计算量问题,并且提升了精度。实验基于TSN网络模型,在UCF101数据集上进行验证,实验结果表明提出的模型比原TSN网络模型的精准度提高了0.9个百分点,有效地提高了网络的时空信息捕获效率。

关键词：行为识别双流网络残差结构注意力机制时序信息

来源：评论

学校读者我要写书评

暂无评论

一种优化多尺度特征融合的人体姿态估计方法

引用

机械工程学报 2024年第16期60卷 306-313页

作者：刘宏哲陶相如徐成曹东璞北京联合大学北京信息服务工程重点实验室北京100101 清华大学车辆与运载学院北京100084

人体姿态估计是诸多计算机视觉领域任务的基础,以往的人体姿态估计网络由于尺度变化的挑战会在特征提取的过程中丢失姿态信息,导致人体姿态估计的准确度难以提升。针对该问题考虑以并行网络的方式结合多尺度特征融合方法提取特征。优化... 详细信息

人体姿态估计是诸多计算机视觉领域任务的基础,以往的人体姿态估计网络由于尺度变化的挑战会在特征提取的过程中丢失姿态信息,导致人体姿态估计的准确度难以提升。针对该问题考虑以并行网络的方式结合多尺度特征融合方法提取特征。优化特征提取的人体姿态估计方法分为两步:首先在多尺度特征融合阶段利用转置卷积和混合空洞卷积的操作以减少特征信息的丢失,其次在特征图输出阶段有权重的结合不同尺度的特征图来剔除冗余信息、保留姿态信息同时生成更高质量的高分辨率热图。试验表明,此种方法在COCO数据集上的试验结果相比先进方法 HRNet(High resolution net)准确率提高了2.1%。通过试验验证本方法在精度方面能够超过现有的主流人体姿态估计方法。该方法能更好地应对行人姿态估计中尺度变化的挑战,更加精确地定位复杂场景中小尺度人体的关键点位置。

关键词：姿态估计多尺度融合人体检测尺度适应

来源：评论

学校读者我要写书评

暂无评论

基于实时局部建图的激光雷达长周期定位方法

引用

激光与光电子学进展 2024年第4期61卷 349-356页

作者：齐含刘元盛张军满恂钰张志铭北京联合大学智慧城市学院北京100101 北京市信息服务工程重点实验室北京100101

非结构化道路中的无人驾驶精确定位大量使用基于激光雷达的simultaneous localization and mapping(SLAM)技术,解决因环境变化导致的预建地图匹配失败,进而引起定位丢失的问题一直是业内难题和热点研究方向之一。针对上述问题,提出一种... 详细信息

非结构化道路中的无人驾驶精确定位大量使用基于激光雷达的simultaneous localization and mapping(SLAM)技术,解决因环境变化导致的预建地图匹配失败,进而引起定位丢失的问题一直是业内难题和热点研究方向之一。针对上述问题,提出一种利用激光雷达和惯性测量单元在normal distribution transform(NDT)定位基础上融合实时局部地图匹配的长周期鲁棒定位方法online location normal distributions transform(OL-NDT)。OL-NDT将NDT获得的定位信息作为测量信息因子输入因子图中优化实时构建的局部地图,并且在其全局定位丢失后采用实时局部地图进行定位。在MulRan数据集上进行定位精度测试,OL-NDT的累计误差占比为0.40%,较现有的传统定位方法降低了1.06个百分点,定位精度得到了有效提升,且在静态结构发生较大变化的场景下也可以精准定位。同时,利用在北京联合大学采集的校园数据验证了在短暂无地图情况下OL-NDT的定位轨迹精度与已知地图时完全匹配。

关键词：激光雷达无人驾驶长周期可靠定位正态分布变换因子图

来源：评论

学校读者我要写书评

暂无评论

改进并行双分支结构的实时性语义分割算法研究

引用

计算机工程与应用 2025年第5期61卷 233-240页

作者：苗思琦杜煜严超徐成孙慧荟北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

实时性语义分割由于其轻量化的网络和较快的推理速度在智能驾驶的道路场景中具有重要的应用价值。为解决道路场景中小目标信息丢失和细节被上下文淹没问题,提出了并行双分支结构的DDRPNet模型。设计了PAPPM模块融合不同尺度的语义边缘特... 详细信息

实时性语义分割由于其轻量化的网络和较快的推理速度在智能驾驶的道路场景中具有重要的应用价值。为解决道路场景中小目标信息丢失和细节被上下文淹没问题,提出了并行双分支结构的DDRPNet模型。设计了PAPPM模块融合不同尺度的语义边缘特性,增强对边界信息的建模能力。在低分辨率分支的1/16、1/32和1/64分辨率特征图后加入坐标注意力机制,以捕获不同尺度下的位置信息和通道信息,填补小目标信息丢失问题。算法在Cityscapes数据集上以46.3 FPS的实时性表现达到了mIoU为76.28%的准确性;在CamVid数据集以95.2 FPS的实时性表现达到了mIoU为73.2%的准确性。实验结果表明,该模型在精度和速度上达到良好平衡,语义分割性能显著提升,在智能驾驶领域有潜在应用前景。

关键词：实时性语义分割双分支结构坐标注意力机制智能驾驶

来源：评论

学校读者我要写书评

暂无评论

融合内在拓扑与多尺度时间特征的骨架动作识别

引用

计算机工程与应用 2025年第4期61卷 150-157页

作者：王琪何宁北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学智慧城市学院北京100101

图卷积网络在基于骨架的人体动作识别任务中发挥着关键作用。为了解决现有的图卷积网络忽略内在关系,时间卷积功能受限,以及未能充分探索关节与骨骼之间潜在功能相关性等问题,提出一种融合内在拓扑与多尺度时间特征的骨架动作识别方法... 详细信息

图卷积网络在基于骨架的人体动作识别任务中发挥着关键作用。为了解决现有的图卷积网络忽略内在关系,时间卷积功能受限,以及未能充分探索关节与骨骼之间潜在功能相关性等问题,提出一种融合内在拓扑与多尺度时间特征的骨架动作识别方法。为推断上下文内在拓扑关系,模型利用多头自注意力机制和共享拓扑构建内在拓扑空间图卷积模块;基于复杂的动作序列分析构建多尺度时间卷积模块,旨在扩展时间卷积结构并捕捉多尺度时间特征;模型搭建关节和骨骼信息交互桥梁,实现两者信息的有效传输和融合,以便更深入地探索它们之间的功能相关性。对所提出的方法进行验证,在NTU-RGB+D 60数据集上取得了CS基准91.5%和CV基准96.9%的识别准确率,在NTU-RGB+D 120数据集上分别取得了C-Sub基准89.0%和C-Set基准90.8%的准确率。实验结果表明所提出方法能够更加有效地提取骨架时空特征,进而提升识别精度。

关键词：骨架动作识别图卷积内在拓扑多尺度信息融合

来源：评论

学校读者我要写书评

暂无评论

基于模糊收敛和模仿强化学习的自动驾驶横向控制方法

引用

汽车技术 2024年第7期 29-36页

作者：郑川杜煜刘子健北京联合大学北京市信息服务工程重点实验室北京100101

针对自动驾驶车辆各横向控制因素存在强耦合性,依赖理想模型的控制方法难以实现完全解耦且难以从仿真环境迁移到实际车辆,以及强化学习方法在自动驾驶横向控制中收敛速度慢的问题,利用模糊推理器和模仿强化学习在车辆横向控制中的共性,... 详细信息

针对自动驾驶车辆各横向控制因素存在强耦合性,依赖理想模型的控制方法难以实现完全解耦且难以从仿真环境迁移到实际车辆,以及强化学习方法在自动驾驶横向控制中收敛速度慢的问题,利用模糊推理器和模仿强化学习在车辆横向控制中的共性,以模糊推理器作为模仿强化学习初始化条件,并进行学习过程指导,从而实现强化学习过程的快速收敛。利用MATLAB/Carla仿真以及实车试验对该控制方法进行了验证,结果表明,该方法在不依赖理想数学模型、不对模糊推理器进行深度优化的基础上,实现了模仿强化学习迭代次数的大幅减少,在500次的全路径迭代过程中完成了更优的车辆横向控制,在仿真和现实环境中均可获得很好的控制效果。

关键词：自动驾驶横向控制模仿学习强化学习模糊推理

来源：评论

学校读者我要写书评

暂无评论

基于轻量级高分辨率网络的人体姿态估计算法

引用

计算机工程 2025年第2期51卷 278-288页

作者：刘圣杰何宁王鑫于海港韩文静北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学智慧城市学院北京100101

人体姿态估计被广泛应用于运动健身、手势控制、无人超市、娱乐游戏等诸多领域,但姿态估计任务仍面临着诸多挑战。针对目前主流的人体姿态估计网络参数量大、计算复杂度高的问题,提出一种基于高分辨率网络的轻量级姿态估计网络(LitePose... 详细信息

人体姿态估计被广泛应用于运动健身、手势控制、无人超市、娱乐游戏等诸多领域,但姿态估计任务仍面临着诸多挑战。针对目前主流的人体姿态估计网络参数量大、计算复杂度高的问题,提出一种基于高分辨率网络的轻量级姿态估计网络(LitePose)。首先,采用Ghost卷积降低特征提取网络的参数;其次,通过采用解耦的全连接(DFC)注意力模块,更好地捕获远距离空间位置像素间的依赖关系,减少由于参数量下降而导致的提取特征缺失,提高人体关键点回归的准确率;然后,设计一个特征增强模块,对骨干网络提取的特征进行进一步增强;最后,设计一个新的坐标解码方法,降低热图解码过程中的误差,提高关键点回归的准确率。在人体关键点检测数据集COCO和MPII上对LitePose进行验证,并与当前的主流方法进行对比。实验结果表明,LitePose相比基线网络HRNet精度损失0.2%,但参数量不及基线网络的1/3,LitePose在保证少量精度损失的同时能够大幅降低网络模型的参数量。

关键词：人体姿态估计高分辨率网络轻量化网络 GhostV2 坐标解码

来源：评论

学校读者我要写书评

暂无评论

改进YOLOv8的轻量化轴承缺陷检测算法

引用

计算机工程与应用 2024年第21期60卷 205-214页

作者：姚景丽程光万飞朱德平北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学前沿智能技术研究院北京100101

针对轴承表面缺陷检测存在小目标检测精度低、模型复杂的问题,提出一种改进YOLOv8的轻量级轴承缺陷检测算法YOLO-SSW。在主干网络中添加3-D注意力机制SimAM,在不增加参数的前提下,使模型更加关注轴承表面缺陷特征的提取和表达;在颈部网... 详细信息

针对轴承表面缺陷检测存在小目标检测精度低、模型复杂的问题,提出一种改进YOLOv8的轻量级轴承缺陷检测算法YOLO-SSW。在主干网络中添加3-D注意力机制SimAM,在不增加参数的前提下,使模型更加关注轴承表面缺陷特征的提取和表达;在颈部网络中嵌入C2f_SCConv模块,以减少空间维度和通道维度上的特征冗余,降低模型的计算负载;添加新的小目标检测层用于检测轴承表面的小尺寸缺陷,提高模型对小目标的检测能力;使用基于动态非单调聚焦机制的Wise-IoU作为边界框回归损失函数,加快网络的收敛速度。实验结果表明,改进算法的mAP达到了91.5%,比原算法提升了2.9个百分点,模型参数量仅为2.7×106,计算量为11.8 GFLOPs,在提高检测精度的同时节约了计算资源。

关键词：缺陷检测轻量级网络 YOLOv8 SimAM

来源：评论

学校读者我要写书评

暂无评论

改进YOLOv5的汽车齿轮配件表面缺陷检测

引用

计算机工程与应用 2024年第5期60卷 321-327页

作者：朱德平程光姚景丽北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学前沿智能技术研究院北京100101

针对汽车齿轮配件表面缺陷检测存在效率低和精度差的问题,提出一种基于YOLOv5改进的缺陷检测模型YOLO-CNF。在骨干网络中增加CBAM注意力模块,使模型更加关注齿轮配件的缺陷区域,提高对微小缺陷的识别能力;设计了F2C模块用于融合浅层特征... 详细信息

针对汽车齿轮配件表面缺陷检测存在效率低和精度差的问题,提出一种基于YOLOv5改进的缺陷检测模型YOLO-CNF。在骨干网络中增加CBAM注意力模块,使模型更加关注齿轮配件的缺陷区域,提高对微小缺陷的识别能力;设计了F2C模块用于融合浅层特征,在一定程度上缓解了微小缺陷位置信息丢失的问题;利用NWD(normalized Wasserstein distance)对回归损失进行优化,减少对小目标位置偏差的敏感性,从而进一步提高目标位置的准确率和精度。实验结果表明,改进模型的平均精度均值达到了86.7%,相较于原始模型提高了3.2个百分点,检测速度为43帧/s,基本满足了对汽车齿轮配件表面缺陷检测的需求。

关键词：缺陷检测齿轮配件 CBAM 特征融合 NWD距离

来源：评论

学校读者我要写书评

暂无评论

基于递归特征金字塔的UPSNet全景分割应用研究

引用

计算机应用与软件 2023年第8期40卷 228-234页

作者：叶钊李学伟刘宏哲徐成北京联合大学北京市信息服务工程重点实验室北京100101

在学习研究全景分割方法UPSNet时,发现其骨干网络所提取的特征对子网络的分割结果起到了至关重要的影响。针对UPSNet全景分割算法所提取的特征不能更好地适用于语义分割和实例分割子网络的问题,对其进行改进,将递归特征金字塔网络结构... 详细信息

在学习研究全景分割方法UPSNet时,发现其骨干网络所提取的特征对子网络的分割结果起到了至关重要的影响。针对UPSNet全景分割算法所提取的特征不能更好地适用于语义分割和实例分割子网络的问题,对其进行改进,将递归特征金字塔网络结构融合到原网络中,提出基于递归特征金字塔的UPSNet全景分割改进算法。该结构将骨干网络提取的特征通过递归的方式二次反馈到骨干网络中,使其再训练得到更好的特征提供给子网络,提升了模型的鲁棒性,从而提升了原网络的性能。将改进的算法在Cityscapes数据集及自行标注的全景分割数据集上与UPSNet及其他优秀的全景分割网络进行了实验对比,结果证明,评价指标PQ(Panoptic Quality)有了较大的提升,改进后的网络更加适用于智能驾驶场景。

关键词：图像分割智能驾驶全景分割 UPSNet 递归特征金字塔网络

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：