检索结果-内蒙古大学图书馆

计算机工程 2021年第6期47卷 234-244,252页

作者：董亚超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

由于背景信息复杂、遮挡等因素的影响,现有基于局部特征的行人重识别方法所提取的特征不具有辨别力和鲁棒性,从而导致重识别精度较低,针对该问题,提出一种基于显著性检测与多尺度特征协作融合的SMC-ReID方法。利用显著性检测提取行人中... 详细信息

由于背景信息复杂、遮挡等因素的影响,现有基于局部特征的行人重识别方法所提取的特征不具有辨别力和鲁棒性,从而导致重识别精度较低,针对该问题,提出一种基于显著性检测与多尺度特征协作融合的SMC-ReID方法。利用显著性检测提取行人中具有判别力的特征区域,融合显著性特征与全局特征并完成不同尺度的切块,将上述不同尺度的特征进行协作融合以保证特征切块后的连续性,根据全局特征和局部特征的差异性联合3种损失函数进行学习。在推理阶段,将各个尺度的特征降低到同一维度并融合成新的特征向量,以实现相似性度量。在行人重识别公开数据集Market1501、DukeMTMC-reID和CUHK03上进行实验,结果表明,SMC-ReID方法所提取的特征具有较强的可区分性和鲁棒性,识别准确率优于SVDNet和PSE+ECN等方法。

关键词：显著性检测多尺度特征协作融合多损失联合学习行人重识别深度学习

来源：评论

学校读者我要写书评

暂无评论

基于多指标模糊集的武装直升机攻击决策模型

引用

系统仿真学报 2023年第8期35卷 1661-1668页

作者：王春艳王祥匡敏驰武丹凤李政通辽宁工程技术大学软件学院辽宁葫芦岛125105 清华大学精密仪器系北京100084 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京100027

为解决战场中不确定环境下武装直升机的攻击决策任务需求,通过改进的高斯模型对构建的多指标模糊集进行量化表征。利用作战克制关系构建战略收益值模型,通过动态分配威胁值和战略收益值的权重因子得到目标排序集合进而完成攻击决策。结... 详细信息

为解决战场中不确定环境下武装直升机的攻击决策任务需求,通过改进的高斯模型对构建的多指标模糊集进行量化表征。利用作战克制关系构建战略收益值模型,通过动态分配威胁值和战略收益值的权重因子得到目标排序集合进而完成攻击决策。结果表明:所提方法能较好地发挥威胁指标数据在建模中的作用,为提升武装直升机执行任务的决策优势提供理论指导和建模参考。

关键词：武装直升机攻击决策多指标模糊集威胁值战略收益值

来源：评论

学校读者我要写书评

暂无评论

基于EfficientDet网络的细粒度吸烟行为识别

引用

计算机工程 2022年第3期48卷 302-309,314页

作者：张洋姚登峰江铭虎李凡姝北京联合大学北京市信息服务工程重点实验室北京100101 清华大学人文学院计算语言学实验室北京100084

在实际场景中,因香烟目标过于微小且特征不明显,现有的目标检测算法难以区分类烟物与香烟,导致吸烟行为识别效果差。提出一种基于弱监督细粒度结构与EfficientDet网络的吸烟行为识别算法。采用Edge Boxes算法检测图像块的特征边缘,通过... 详细信息

在实际场景中,因香烟目标过于微小且特征不明显,现有的目标检测算法难以区分类烟物与香烟,导致吸烟行为识别效果差。提出一种基于弱监督细粒度结构与EfficientDet网络的吸烟行为识别算法。采用Edge Boxes算法检测图像块的特征边缘,通过非极大值抑制对边缘进行筛选,形成候选区域块。构建包含物体级筛选器和局部级筛选器的细粒度两级注意力模型,其中物体级筛选器使用改进的EfficientDet网络滤除候选区域的背景噪声,以分类前景物体及特征较强的候选区域,并在局部级筛选器中使用通道注意力卷积块对候选区域进行聚类,筛选出得分最高的像素块。通过融合物体级筛选器与局部级筛选器得到的结果,以准确识别吸烟行为。在BUU-Smoke数据集上的实验结果表明,该算法的吸烟行为识别准确率为93.10%,误检率为3.6%,并且具有较优的鲁棒性和泛化能力。

关键词：吸烟行为 EfficientDet网络弱监督细粒度注意力机制行为识别

来源：评论

学校读者我要写书评

暂无评论

基于改进ORB-SLAM2矿井救援机器人空间构建方法研究

引用

计算机应用与软件 2024年第9期41卷 70-76页

作者：贯怀光杨鹏诸利一邢怡君北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学城市轨道交通与物流学院北京100101 北京科技大学土木与资源工程学院北京100083

矿井安全事故发生后,矿井救援机器人需在矿井环境采集视觉数据,进行应急区域的空间构建等功能。利用RGB和RGB-D的ORB-SLAM2算法进行扩充性优化研究,选用OCTOMAP优化地图,使用矿井救援机器人在室内真实场景中实验,验证该方法效果。结果表... 详细信息

矿井安全事故发生后,矿井救援机器人需在矿井环境采集视觉数据,进行应急区域的空间构建等功能。利用RGB和RGB-D的ORB-SLAM2算法进行扩充性优化研究,选用OCTOMAP优化地图,使用矿井救援机器人在室内真实场景中实验,验证该方法效果。结果表明:得到的空间构建效果比实时点云构建的应用性更强,降低处理内存空间,为矿井救援移动机器人空间构建提供方法,对后续矿井机器人移动定位的研究具有重要的实际意义。

关键词：矿井救援机器人三维空间 ORB-SLAM2

来源：评论

学校读者我要写书评

暂无评论

构音障碍说话人自适应研究进展及展望

引用

计算机科学 2024年第8期51卷 11-19页

作者：康新晨董雪燕姚登峰钟经华北京联合大学北京市信息服务工程重点实验室北京100101 清华大学人文学院计算语言学实验室北京100084 清华大学心理学与认知科学研究中心北京100084

自动化语音识别工具让构音障碍者和正常人的沟通变得顺畅,因此,近年来构音障碍语音识别成为了一项热门研究。构音障碍语音识别的研究包括:收集构音障碍者和正常人的发音数据,对构音障碍者和正常人的语音进行声学特征表示,利用机器学习... 详细信息

自动化语音识别工具让构音障碍者和正常人的沟通变得顺畅,因此,近年来构音障碍语音识别成为了一项热门研究。构音障碍语音识别的研究包括:收集构音障碍者和正常人的发音数据,对构音障碍者和正常人的语音进行声学特征表示,利用机器学习模型比较和识别发音的内容并定位出差异性,以帮助构音障碍者改善发音。然而,由于收集构音障碍者的大量语音数据非常困难,且构音障碍者存在发音的强变异性,导致通用语音识别模型的效果往往不佳。为了解决这一问题,许多研究提出将说话人自适应方法引入构音障碍语音识别。对大量相关文献进行调研发现,当前此类研究主要围绕特征域和模型域对构音障碍语音进行分析。文中重点分析特征变换和辅助特征如何解决语音特征的差异性表示,以及声学模型的线性变换、微调声学模型参数和基于数据选择的域自适应方法如何提高模型识别的准确率。最后总结出构音障碍说话人自适应研究当前遇到的问题,并指出未来的研究可以从语音变异性的分析、多特征多模态数据的融合以及基于小数量的自适应方法的角度,提升构音障碍语音识别模型的有效性。

关键词：构音障碍说话人自适应辅助特征变换微调域自适应

来源：评论

学校读者我要写书评

暂无评论

未知环境下无人车自主导航探索与地图构建

引用

汽车技术 2023年第11期 34-40页

作者：满恂钰刘元盛齐含严超杨茹锦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 北京联合大学智慧城市学院北京100101

针对自主导航探索算法易陷入局部区域的问题,提出了融合采样与深度强化学习的探索算法。首先,局部采用长短期记忆(LSTM)网络获得无人车历史位姿信息进而避免重复走向已探索区域;其次,利用深度强化学习输出策略最优的动作并设计奖励函数... 详细信息

针对自主导航探索算法易陷入局部区域的问题,提出了融合采样与深度强化学习的探索算法。首先,局部采用长短期记忆(LSTM)网络获得无人车历史位姿信息进而避免重复走向已探索区域;其次,利用深度强化学习输出策略最优的动作并设计奖励函数以激励无人车充分探索未知区域;最后,考虑无人车水平移动因素,通过解非对称旅行商问题(ATSP)生成一条符合其当前姿态的全局探索路径。2000s矿道仿真环境中,所提出的算法相较于无人机自主探索(TARE)算法,探索面积增加346.3m2,总行驶距离减少209.4m;在真实场景试验中,该探索算法用时1014s完成面积为3444.3m2的地下车库探索返回起点,并完成环境地图构建。

关键词：自主导航探索长短期记忆网络深度强化学习地图构建

来源：评论

学校读者我要写书评

暂无评论

改进的Quasi-Dense多目标跟踪算法

引用

传感器与微系统 2023年第6期42卷 124-128页

作者：宁晴鲍泓潘卫国王立剑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京100027 铁旅科技有限公司北京100000

在无人驾驶领域车辆前方动态多目标跟踪中,针对尺度变化明显时或者对于大车的跟踪,Quasi-Dense跟踪算法的跟踪结果较差的问题,提出了改进的Quasi-Dense多目标跟踪算法。结合了注意力机制、自适应等思想,提升模型对于尺度变化较大目标的... 详细信息

在无人驾驶领域车辆前方动态多目标跟踪中,针对尺度变化明显时或者对于大车的跟踪,Quasi-Dense跟踪算法的跟踪结果较差的问题,提出了改进的Quasi-Dense多目标跟踪算法。结合了注意力机制、自适应等思想,提升模型对于尺度变化较大目标的检测和跟踪的能力。在网络结构中使用空间注意力机制,同时在设定锚框时使用启发式方法,改进模型的跟踪效果,有效地降低了跟踪时ID切换的次数。在伯克利驾驶数据集(BDD)公开跟踪数据集上对模型进行训练和评估。实验结果表明:改进的端到端多目标跟踪方法显著提高了跟踪的精度,同时速度能够达到36.3 fps,满足实时性要求。

关键词：多目标跟踪空间注意力自动驾驶区域生成网络可变卷积

来源：评论

学校读者我要写书评

暂无评论

基于记忆库和后处理方法解决长尾实例分割问题

引用

计算机应用研究 2023年第6期40卷 1876-1881页

作者：范馨月刘腾鲍泓潘卫国梁天骄李晗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京100020 北京邮电大学信息网络中心北京100876

数据的长尾特性一直是解决计算机视觉问题的一大挑战,为了应对这一挑战在实例分割任务中带来的困难,通常引入图像重采样作为一种简单有效的方法。然而一幅图像中可能存在多个类,仅通过图像重采样不足以在类别的数据量层面上获得足够均... 详细信息

数据的长尾特性一直是解决计算机视觉问题的一大挑战,为了应对这一挑战在实例分割任务中带来的困难,通常引入图像重采样作为一种简单有效的方法。然而一幅图像中可能存在多个类,仅通过图像重采样不足以在类别的数据量层面上获得足够均衡的分布,因此提出一种以目标为中心的记忆库后处理方法。首先引入记忆库模型,设立以目标为单位的存储策略,解决各类别数量不均衡问题;其次使用一种后处理校准方法,通过调整每个类的置信度得分提升稀有类和普通类的预测值。在公开数据集LVIS上的实验验证了所提方法的有效性,并且相比EQL方法,准确率能够提升2.2%。

关键词：长尾分布实例分割记忆库置信度校准 DCT 深度学习

来源：评论

学校读者我要写书评

暂无评论

基于非局部高分辨率网络的人体姿态估计方法

引用

计算机工程与应用 2022年第13期58卷 227-234页

作者：孙琪翔张睿哲何宁张聪聪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

人体姿态估计是计算机视觉中的基础任务,其可应用于动作识别、游戏、动画制作等。受非局部均值方法的启发,设计了非局部高分辨率网络(non-local high-resolution,NLHR),在原始图像1/32分辨率的网络阶段融合非局部网络模块的,使网络有了... 详细信息

人体姿态估计是计算机视觉中的基础任务,其可应用于动作识别、游戏、动画制作等。受非局部均值方法的启发,设计了非局部高分辨率网络(non-local high-resolution,NLHR),在原始图像1/32分辨率的网络阶段融合非局部网络模块的,使网络有了获取全局特征的能力,从而提高人体姿态估计的准确率。NLHR网络在MPII数据集上训练,在MPII验证集上测试,PCKh@0.5评价标准下的平均准确率为90.5%,超过HRNet基线0.2个百分点;在COCO人体关键点检测数据集上训练,在COCO验证集上测试,平均准确率为76.7%,超过HRNet基线2.3个百分点。通过3组消融实验,验证NLHR网络针对人体姿态估计在精度上能够超过现有的人体姿态估计网络。

关键词：人体姿态估计非局部均值非局部网络模块 HRNet基线

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的人体姿态估计综述

基于深度学习的人体姿态估计综述

引用

中国计算机用户协会网络应用分会2023年第二十七届网络新技术与应用年会

作者：邹宇翔何宁郭宇昕刘鸿飞北京联合大学北京市信息服务工程重点实验室

人体姿态估计是计算机视觉领域的一个重要研究方向,它的目标是从图像或视频中准确地估计人体的关节位置和姿态信息。近年来,随着深度学习的快速发展,基于深度学习的人体姿态估计方法取得了显著的进展。本综述将回顾当前主流的基于深度... 详细信息

人体姿态估计是计算机视觉领域的一个重要研究方向,它的目标是从图像或视频中准确地估计人体的关节位置和姿态信息。近年来,随着深度学习的快速发展,基于深度学习的人体姿态估计方法取得了显著的进展。本综述将回顾当前主流的基于深度学习的人体姿态估计方法,并探讨它们的优缺点及应用领域,以期为该领域的研究者提供一些有价值的参考和启示。同时,文中也指出了当前面临的挑战,并提出了未来的研究方向,旨在推动人体姿态估计领域的发展,为人体行为分析和相关领域的应用提供更准确、实时和可解释的姿态估计方法。

关键词：计算机视觉人体姿态估计深度学习自上而下自下而上

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：