检索结果-内蒙古大学图书馆

东北师大学报（自然科学版） 2024年第2期56卷 53-59页

作者：赵静玄祖兴黄可佳李雅馨北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学数理与交叉科学研究院北京100101 北京联合大学考古研究院北京100191 北京联合大学智慧城市学院北京100101

针对墓室壁画人脸破损严重、纹理模糊不清、噪声较多等问题,提出了E-GFPGAN(Efficiency-Generative Facial Prior Generative Adversarial Network,E-GFPGAN),实现了墓室壁画人脸部分的盲修复.首先用StyleGAN3网络训练生成墓室壁画人脸,为网络提供丰富的壁画人脸先验信息;然后在退化移除模块添加跳跃连接,使用两层空洞卷积代替原有卷积,实现扩大感受野,保留壁画人脸的细节信息;最后将信道分割空间特征转换层(Channel-Split Spatial Feature Transform,CS-SFT)结构的卷积改为空洞卷积降低网络参数量.在自建墓室壁画人脸数据集上进行修复的实验结果表明,NIQE指标平均降低2.2%.证明了网络在墓室壁画人脸盲修复上得到了较好的修复结果.

关键词： E-GFPGAN 墓室壁画盲人脸修复 StyleGAN3

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的交通场景图像描述生成算法

引用

计算机应用与软件 2022年第11期39卷 201-207页

作者：宋禄琴玄祖兴王彩云北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学基础与交叉科学研究所北京100101

针对交通场景复杂多变,主要体现在道路拓扑结构复杂、道路元素和交通参与者类型的多样性问题,提出一种基于注意力机制的图像描述生成算法。在算法的编码阶段,利用卷积神经网络提取图像不同区域的图像特征,每个区域融合注意力机制用来获... 详细信息

针对交通场景复杂多变,主要体现在道路拓扑结构复杂、道路元素和交通参与者类型的多样性问题,提出一种基于注意力机制的图像描述生成算法。在算法的编码阶段,利用卷积神经网络提取图像不同区域的图像特征,每个区域融合注意力机制用来获取具有注意力权值的图像特征,突出图像中的重点信息。解码阶段,利用多个长短期记忆网络模块作为交通场景图像描述生成任务的语言模型。实验结果表明:在MSCOCO验证数据集中,该算法在评估指标BLEU-1至BLEU-4上分值分别为0.735、0.652、0.368和0.323,所提算法能够很好地描述交通场景图像。

关键词：交通场景图像注意力机制卷积神经网络长短期记忆网络图像描述生成

来源：评论

学校读者我要写书评

暂无评论

基于PyEcharts的尾气排放数据可视化监控平台构建及应用分析

引用

现代制造工程 2021年第6期 46-50页

作者：刘伟锋程光李沛霖于鑫北京联合大学北京市信息服务工程重点实验室北京100101

为实现对高排放车辆尾气的实时监控,研究搭建了一套基于B/S模式的尾气排放数据可视化监控平台,以服务于相关部门的监管和决策。该平台采用基于Python的Django Web三层框架,调用PyEcharts第三方库实现了B/S模式下的数据可视化监控。借助P... 详细信息

为实现对高排放车辆尾气的实时监控,研究搭建了一套基于B/S模式的尾气排放数据可视化监控平台,以服务于相关部门的监管和决策。该平台采用基于Python的Django Web三层框架,调用PyEcharts第三方库实现了B/S模式下的数据可视化监控。借助Python的数据处理和分析技术,使数据能够通过PyEcharts组件绘制成图表,然后将数据存储至数据库中。前端则依托常用的Bootstrap框架,使用HTML、CSS和JavaScript技术完成用户的前端交互页面。随着物联网、大数据技术和可视化编程技术的发展,数据可视化监控平台的开发与应用可在数据在线共享、可视化图表分析等方面提供强有力的技术保证。

关键词：数据可视化实时监控 PyEcharts 尾气排放数据分析

来源：评论

学校读者我要写书评

暂无评论

基于视觉DQN的无人车换道决策算法研究

引用

传感器与微系统 2023年第10期42卷 52-55页

作者：付一豪鲍泓梁天骄付东普潘峰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 首都经济贸易大学管理工程学院北京100070

无人驾驶技术是当前人工智能(AI)领域的研究热点。针对传统深度Q网络(DQN)在基于视觉的换道决策上存在收敛速度慢等问题,提出了基于视觉的DQN的无人车换道决策模型。将基于注意力机制的视觉感知与DQN融合,使网络聚焦在重要的图像特征上... 详细信息

无人驾驶技术是当前人工智能(AI)领域的研究热点。针对传统深度Q网络(DQN)在基于视觉的换道决策上存在收敛速度慢等问题,提出了基于视觉的DQN的无人车换道决策模型。将基于注意力机制的视觉感知与DQN融合,使网络聚焦在重要的图像特征上;并引入Q-Masking机制来降低决策复杂度,加快DQN的训练收敛速度。最后,提出基于DQN的速度决策算法来构成一个完整的换道决策模型,并在仿真环境中进行训练与测试。实验结果表明:所提模型可以实现更快的换道决策策略,同时加快了DQN的收敛速度。

关键词：无人车换道决策注意力机制强化学习

来源：评论

学校读者我要写书评

暂无评论

基于科教融合的研究生课程设计与实践

基于科教融合的研究生课程设计与实践

引用

中国计算机用户协会网络应用分会2024年第二十八届网络新技术与应用年会

作者：潘卫国徐冰心刘宏哲代松银徐成北京联合大学北京市信息服务工程重点实验室北京联合大学机器人学院

研究生教育肩负着高层次人才培养和创新创造的重要使命,是国家发展、社会进步的重要基石。为了使研究生教育高质量发展,国家部委和北京市都制定了相关的发展意见和行动规划。研究生的课程改革是实现这一规划的基本保障。文中探索了基于... 详细信息

研究生教育肩负着高层次人才培养和创新创造的重要使命,是国家发展、社会进步的重要基石。为了使研究生教育高质量发展,国家部委和北京市都制定了相关的发展意见和行动规划。研究生的课程改革是实现这一规划的基本保障。文中探索了基于科教融合的研究生课程设计与实践,在课前阶段,明确了核心知识点和学习目标,并进行了科研任务的细分;课中阶段侧重于预习内容总结、课堂讲解互动和专业前沿引导讨论;课后阶段则着重于答疑、问题引导讨论和前沿难题解决引导。以"计算机视觉"课程为例,展示了科教融合的具体实施步骤,通过学生的最终学习效果,证实了基于科教融合理念的研究生课程教学改革的有效性和可行性,可为其他课程的改革提供有益的参考。

关键词：科教融合研究生课程教学改革

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的红外与可见光图像融合方法综述

基于深度学习的红外与可见光图像融合方法综述

引用

中国计算机用户协会网络应用分会2024年第二十八届网络新技术与应用年会

作者：谢文宽代松银张建成徐冰心北京联合大学北京市信息服务工程重点实验室北京联合大学机器人学院脑与认知智能北京实验室

在探讨如何将不同图像中的信息整合到单一图像中以更全面地呈现场景的复杂问题时,众多图像融合技术应运而生。其中,红外可见光图像融合技术(Infrared and Visible Image Fusion,IVIF)作为图像融合的关键分支,在语义分割、目标探测和军... 详细信息

在探讨如何将不同图像中的信息整合到单一图像中以更全面地呈现场景的复杂问题时,众多图像融合技术应运而生。其中,红外可见光图像融合技术(Infrared and Visible Image Fusion,IVIF)作为图像融合的关键分支,在语义分割、目标探测和军用侦查等多个实际应用中发挥着重要作用。深度学习技术的快速发展为图像融合领域带来了新的研究方向,并在IVIF方面取得了积极探索成果。文中重点阐述了红外图像像与可见光图像结合的新技术与方法。首先介绍了红外图像和可见光图像的特点。然后探讨了红外和可见光图像融合的研究目的,以及红外和可见光图像融合的3个难点问题。在图像融合方法方面,详细介绍了目前对红外可见光图像融合的优化方法,包括自编码器方法、卷积神经网络方法和生成对抗网络方法。

关键词：红外可见光图像融合深度学习自编码器卷积神经网络生成对抗网络

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2024年第二十八届网络新技术与应用年会

作者：齐绪兴徐成曾凤彩姚登峰北京联合大学北京市信息服务工程重点实验室北京联合大学机器人学院脑与认知智能北京实验室

人体姿态估计是一项重要的计算机视觉技术,它通过分析图像或视频中人体的姿态信息,实现对人体动作、姿势和运动的识别和理解。近年来,随着深度学习技术的发展,出现了大量的深度学习方法并取得了显著成效。本综述将介绍人体姿态估计的研... 详细信息

人体姿态估计是一项重要的计算机视觉技术,它通过分析图像或视频中人体的姿态信息,实现对人体动作、姿势和运动的识别和理解。近年来,随着深度学习技术的发展,出现了大量的深度学习方法并取得了显著成效。本综述将介绍人体姿态估计的研究背景、研究意义,并对当前主流的基于深度学习的人体姿态估计方法进行系统回顾,深入分析这些方法的优缺点及其适用的应用场景。同时进一步总结了具有代表性的单人姿态估计和多人姿态估计方法。最后,讨论了这一领域当前面临的挑战,并提出了未来可能的发展方向,希望能够推动人体姿态估计技术的进一步发展,进而为人体行为分析及相关领域的应用提供更加精确、实时且具备解释性的姿态估计方法。

关键词：计算机视觉人体姿态估计自上而下自下而上

来源：评论

学校读者我要写书评

暂无评论

基于生成模型的计算机视觉数据增强方法综述

基于生成模型的计算机视觉数据增强方法综述

引用

中国计算机用户协会网络应用分会2024年第二十八届网络新技术与应用年会

作者：程剑徐冰心刘宏哲代松银潘卫国北京联合大学北京市信息服务工程重点实验室北京联合大学机器人学院脑与认知智能北京实验室

解决计算机视觉问题的标准方法是使用代表目标任务的大规模图像数据集训练深度卷积神经网络(CNN)模型。然而,在许多情况下,为目标任务获得足够的图像数据往往是具有挑战性的。数据增强是应对这一挑战的方法之一。一种常见的做法是以期... 详细信息

解决计算机视觉问题的标准方法是使用代表目标任务的大规模图像数据集训练深度卷积神经网络(CNN)模型。然而,在许多情况下,为目标任务获得足够的图像数据往往是具有挑战性的。数据增强是应对这一挑战的方法之一。一种常见的做法是以期望的方式显式地转换现有图像,以便创建所需的训练数据量和可变性,实现良好的泛化性能。在目标领域的数据不可访问的情况下,一个可行的解决方法是从头合成训练数据,进行合成数据增强。文中对生成式人工智能(AI)技术的数据合成方法进行了广泛的综述,如生成式对抗网络(GANs)和变分自编码器(VAEs)。

关键词：数据增强生成式人工智能合成数据生成模型风格迁移

来源：评论

学校读者我要写书评

暂无评论

面向复杂场景的细粒度图像分类研究进展综述

面向复杂场景的细粒度图像分类研究进展综述

引用

中国计算机用户协会网络应用分会2024年第二十八届网络新技术与应用年会

作者：汪金宇曾凤彩代松银徐冰心北京联合大学北京市信息服务工程重点实验室北京联合大学机器人学院脑与认知智能北京实验室

细粒度图像分类旨在区分同一大类中具有微小差异的子类对象,被广泛应用于车辆、植物、鸟类等领域。然而,复杂场景下的细粒度图像分类面临诸多挑战,如背景干扰、光照变化、遮挡、视角变化以及相似类别间的微小差异。近年来,随着深度学习... 详细信息

细粒度图像分类旨在区分同一大类中具有微小差异的子类对象,被广泛应用于车辆、植物、鸟类等领域。然而,复杂场景下的细粒度图像分类面临诸多挑战,如背景干扰、光照变化、遮挡、视角变化以及相似类别间的微小差异。近年来,随着深度学习和计算机视觉技术的快速发展,研究者相继提出了多种针对复杂场景的细粒度分类方法。文中系统回顾了近年来面向复杂场景的细粒度图像分类研究进展,重点讨论了以下几个方向:1)基于局部区域检测与特征提取的分类方法,通过自适应地选择重要区域来提升分类精度;2)利用跨层次和跨样本特征优化的模型,提高在少样本条件下的鲁棒性;3)针对光照、尺度、视角变化的多尺度特征学习与融合方法。最后总结了当前研究存在的主要问题,并提出了未来可能的研究方向,如多模态信息融合、模型轻量化与实时性改进等,以期为复杂场景下的细粒度图像分类提供新的思路和启示。

关键词：细粒度图像分类深度学习复杂场景特征提取多尺度特征学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的低光照图像增强方法研究综述

基于深度学习的低光照图像增强方法研究综述

引用

中国计算机用户协会网络应用分会2024年第二十八届网络新技术与应用年会

作者：李诺亚潘卫国刘世豪徐冰心北京联合大学北京市信息服务工程重点实验室北京联合大学机器人学院脑与认知智能北京实验室

低光照图像增强旨在提高光照不足场景下捕获数据的视觉感知质量以获得更多有效信息,其已成为图像处理领域的研究热点,在自动驾驶等人工智能产业中具有广阔的应用前景。传统方法的推导过程流程普遍复杂,不利于实际应用。当前,基于深度学... 详细信息

低光照图像增强旨在提高光照不足场景下捕获数据的视觉感知质量以获得更多有效信息,其已成为图像处理领域的研究热点,在自动驾驶等人工智能产业中具有广阔的应用前景。传统方法的推导过程流程普遍复杂,不利于实际应用。当前,基于深度学习的低光照图像增强方法已经取得了显著的研究成果,文中对利用深度学习实现图像增强的方法进行了简明而全面的概述,将现有方法归纳为五大类,分别总结其中具有代表性的方法,并对现有的低光照增强数据集进行介绍。在未来,低光照环境下的高级视觉任务如目标检测、分类等将为低光照图像增强技术的发展带来新的机遇和挑战。

关键词：深度学习低光照图像增强 CNN Retinex GAN

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：