检索结果-内蒙古大学图书馆

计算机科学 2013年第1期40卷 251-256页

作者：刘宏哲北京联合大学北京市信息服务工程重点实验室北京100101

提出了一种基于树结构本体的句子相似度计算方法。利用本体概念与句子中关键词之间建立的语义索引,构建句子与本体间的直接和间接语义联系,据此提取描述句子的语义向量,从而计算句子间的语义相似度。应用微软研究院的意译语料库(MSRP)... 详细信息

提出了一种基于树结构本体的句子相似度计算方法。利用本体概念与句子中关键词之间建立的语义索引,构建句子与本体间的直接和间接语义联系,据此提取描述句子的语义向量,从而计算句子间的语义相似度。应用微软研究院的意译语料库(MSRP)对本方法进行了验证,结果表明:与相关的计算方法相比,本方法在不完备附加信息应用前提下获得了较好的准确率和召回率。

关键词：句子相似度计算本体 WordNet

来源：评论

学校读者我要写书评

暂无评论

一种基于图像匹配的地面交通标志实时识别方法

引用

计算机科学 2014年第6期41卷 317-323页

作者：王棚飞刘宏哲袁家政陈丽北京市信息服务工程重点实验室北京联合大学北京100101

地面交通标志检测识别是智能驾驶领域的一个研究方向,实时性、准确率是该研究的重点。图像匹配的方法是常用的模式识别方法。文中介绍了一种结合先验知识和图像匹配的地面交通标志检测识别方法。算法包括两部分:预处理和检测识别。预处... 详细信息

地面交通标志检测识别是智能驾驶领域的一个研究方向,实时性、准确率是该研究的重点。图像匹配的方法是常用的模式识别方法。文中介绍了一种结合先验知识和图像匹配的地面交通标志检测识别方法。算法包括两部分:预处理和检测识别。预处理阶段包括图像压缩、感兴趣区域提取、形态学处理、中值滤波和逆透视等步骤,实现图像降噪和正畸,为检测识别做准备。检测识别阶段包括轮廓提取、面积过滤、图像匹配等步骤,目的是判断待测图像是否含有地面交通标志及其种类。实验证明,该算法实时性好、鲁棒性强、准确率高。

关键词：地面交通标志检测图像匹配识别

来源：评论

学校读者我要写书评

暂无评论

迭代Faster R-CNN的密集行人检测

引用

计算机工程与应用 2023年第21期59卷 214-221页

作者：贺宇哲徐光美何宁于海港张人晏康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

行人检测是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。针对行人检测在密集场景下普遍存在的行人间遮挡问题,提出基于迭代Faster R-CNN的密集行人检测模型,利用一种IterDet迭代方案对Faster R-CNN进行改进,... 详细信息

行人检测是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。针对行人检测在密集场景下普遍存在的行人间遮挡问题,提出基于迭代Faster R-CNN的密集行人检测模型,利用一种IterDet迭代方案对Faster R-CNN进行改进,有效解决非极大值抑制(NMS)算法及其改进在选择精确度和召回率之间平衡点的难题。同时利用递归金字塔结构(RFP)进一步增强模型提取特征能力。在具有挑战性的WiderPerson和CrowdHuman数据集上进行训练和验证,实验结果表明,该模型相比Faster R-CNN在精度和召回率显著提升的同时,漏检率也明显降低。尤其在WiderPerson数据集上召回率、精度、漏检率等性能指标分别达到了97.65%、91.29%、40.43%的SOTA结果。

关键词：行人检测密集场景遮挡问题 Faster R-CNN 迭代方案

来源：评论

学校读者我要写书评

暂无评论

无锚框目标检测模型特征任务不对齐研究

引用

计算机工程与应用 2023年第11期59卷 151-159页

作者：郝帅征刘宏哲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

通常的目标检测模型由分类任务和回归任务构成。由于不同的任务驱动因素,模型中头部对应的这两个任务分支网络对来自同一输入图片、同一个实例的特征具有不同的敏感性。这就造成了检测模型对于相同位置的特征、分类效果和回归效果相差... 详细信息

通常的目标检测模型由分类任务和回归任务构成。由于不同的任务驱动因素,模型中头部对应的这两个任务分支网络对来自同一输入图片、同一个实例的特征具有不同的敏感性。这就造成了检测模型对于相同位置的特征、分类效果和回归效果相差巨大的问题,也就是任务特征不对齐的问题。但是通用的目标检测后处理办法,仅以分类分数作为非极大抑制过程的标准,带来了大量回归质量较差、但置信度很高的检测结果。对现代化的无锚框网络展开不对齐问题的研究分析,将问题进一步拆解为尺度层级上的不对齐和空间位置上的不对齐。提出了参数量代价最小的解决方案:使用可变形卷积模块对检测模型头部网络的感受野进行微调,使用考虑样本点对齐效果的标签分配机制进行对齐样本点的挖掘,创新性地解决了上述两个子问题。进一步的详细实验和对比分析证明了该工作的有效性和实用性,以及对不同特征提取骨干网络的鲁棒性。

关键词：目标检测深度学习无锚框检测器标签分配机制

来源：评论

学校读者我要写书评

暂无评论

特厚煤层冲击地压重复发生的机理研究

引用

岩土工程学报 2015年第11期37卷 2045-2050页

作者：杨伟利姜福兴杨鹏朱权洁魏全德王存文北京科技大学土木与环境工程学院北京100083 北京联合大学北京市信息服务工程重点实验室北京100101

以现场同一区域重复发生冲击地压为工程背景,通过理论分析、现场监测、数值模拟等方法研究冲击地压重复发生机理,得出如下结论:1特厚煤层重复冲击区域存在应力恢复现象,而力源作用下的特厚煤层的扩容是导致应力恢复的主要原因;2重复冲... 详细信息

以现场同一区域重复发生冲击地压为工程背景,通过理论分析、现场监测、数值模拟等方法研究冲击地压重复发生机理,得出如下结论:1特厚煤层重复冲击区域存在应力恢复现象,而力源作用下的特厚煤层的扩容是导致应力恢复的主要原因;2重复冲击是冲击体受到的冲击力与阻抗力多次搏弈的结果,煤体由完整状态向碎裂状态过渡过程中满足冲击力大于阻抗力的条件而发生多次冲击,直至煤体进入碎裂状态;3通过消除力源、阻止应力恢复可防止冲击地压重复发生。研究结果对防治特厚煤层冲击地压具有重要意义。

关键词：特厚煤层冲击地压重复冲击应力恢复力源

来源：评论

学校读者我要写书评

暂无评论

基于改进ResNet-CrowdDet的密集行人检测算法

引用

计算机工程与应用 2023年第16期59卷 196-204页

作者：韩文静何宁刘圣杰于海港北京联合大学智慧城市学院北京100101 北京联合大学北京市信息服务工程重点实验室北京100101

行人检测在自动驾驶、客流量统计、智能监控等很多领域被应用。这些场景中行人大多是密集的,存在多尺度、多姿态和遮挡等问题,使得目前的密集行人检测算法存在检测精度较低、漏检率较高等问题。基于ResNet-50-FPN的CrowdDet算法可以解... 详细信息

行人检测在自动驾驶、客流量统计、智能监控等很多领域被应用。这些场景中行人大多是密集的,存在多尺度、多姿态和遮挡等问题,使得目前的密集行人检测算法存在检测精度较低、漏检率较高等问题。基于ResNet-50-FPN的CrowdDet算法可以解决密集遮挡问题,在CrowdHuman数据集上得到了很好的结果。以此为基线检测器,提出了改进算法。该算法包含两个模块,即BoINet(bottleneck involution network)的骨干网络和DHCDet(doublehead CrowdDet)的稀疏检测头部。与只使用了具有局域性和学习到静态参数的卷积的基线ResNet不同,BoINet将能够远距离交互的Involution动态卷积纳入到提取特征的任务中,增强行人特征的表达能力;DHCDet使用了DoubleHead结构改进CrowdDet算法,并将Double-Head中的自注意力机制NL(non-local)替换为SNL(spectral non-local),进一步提升检测器的分类与回归的性能。该改进方法在CrowdHuman数据集上AP为91.15%,MR-2为39.74%,同时JI为83.60%,取得了比基线检测器更好的检测精度和更低的漏检率。

关键词：密集行人检测增强特征表达 BoINet 提升分类回归性能 DHCDet

来源：评论

学校读者我要写书评

暂无评论

模糊时序与支持向量机建模相结合的PM_(2.5)质量浓度预测

引用

北京科技大学学报 2014年第12期36卷 1694-1702页

作者：刘杰杨鹏吕文生刘阿古达木刘俊秀北京科技大学土木与环境工程学院北京100083 北京联合大学北京市信息服务工程重点实验室北京100101

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题,提出应用支持向量机和模糊粒化时间序列相结合的方法,对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式,... 详细信息

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题,提出应用支持向量机和模糊粒化时间序列相结合的方法,对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式,确定以24 h为周期的粒化窗宽,利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入,并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据,应用该方法建立PM2.5质量浓度的时间序列预测模型,并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明,基于模糊粒化时间序列的预测模型,能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定,对模糊粒子拟合效果较好.

关键词：细颗粒物质量浓度预测模型支持向量机时间序列

来源：评论

学校读者我要写书评

暂无评论

北京大气颗粒物污染特征及空间分布插值分析

引用

北京科技大学学报 2014年第9期36卷 1269-1279页

作者：刘杰杨鹏吕文生北京科技大学土木与环境工程学院北京100083 北京联合大学北京市信息服务工程重点实验室北京100101

为较好地表征当前北京整个区域大气颗粒物质量浓度随时间尺度的变化及区域分布污染特征,根据北京市35个监测站点获得的2013年3—5月颗粒物质量浓度1 h均值,分析和研究PM_(2.5)和PM_(10)质量浓度的季节性变化并提高其空间分辨率,在此基... 详细信息

为较好地表征当前北京整个区域大气颗粒物质量浓度随时间尺度的变化及区域分布污染特征,根据北京市35个监测站点获得的2013年3—5月颗粒物质量浓度1 h均值,分析和研究PM_(2.5)和PM_(10)质量浓度的季节性变化并提高其空间分辨率,在此基础上探讨颗粒物可能的影响因素及污染来源.结果表明,3—5月颗粒物质量浓度具有周期性变化规律和显著相关性,应用MATLAB空间插值算法实现的颗粒物质量浓度区域分布图具有一定精度,可外推并揭示颗粒物区域污染特征.分析表明当前北京颗粒物污染的影响因素有冬末的冷锋和降雪、春季的沙尘和大风、夏初的降雨和湿热等;污染区域则呈现南高北低的特征,污染来源除了本地人为源以外,周边区域传输也有较大影响.通过颗粒物污染的时间序列和空间插值的结合分析,可为进一步研究颗粒物时空关系及掌握区域污染特征提供方法.

关键词：大气污染颗粒物质量浓度季节变化区域分布插值

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

面向智能驾驶的行人多目标跟踪算法研究

引用

计算机工程与应用 2023年第15期59卷 206-213页

作者：闫晨阳刘宏哲徐成李学伟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脑与认知智能北京实验室北京100101

多目标跟踪(multi-object tracking,MOT)是智能驾驶场景中的一个研究热点,大多数现代MOT网络遵循“逐检测跟踪”范式,跟踪目标的轨迹关联是其中一个急需解决的热点问题。针对场景混乱以及意外的遮挡造成的对象重叠往往会导致遗漏检测,... 详细信息

多目标跟踪(multi-object tracking,MOT)是智能驾驶场景中的一个研究热点,大多数现代MOT网络遵循“逐检测跟踪”范式,跟踪目标的轨迹关联是其中一个急需解决的热点问题。针对场景混乱以及意外的遮挡造成的对象重叠往往会导致遗漏检测,进而增加了数据关联的难度等问题,提出融合注意力机制和无锚框检测的智能驾驶多目标跟踪算法PDTNet。将金字塔分割注意力模块融入深层聚合网络,提高多尺度特征的表示能力;设计一个简单Re-identification模块,将由无锚框检测器获得的目标检测与已有的跟踪轨迹相结合进行多步匹配,实现强鲁棒性的多目标跟踪。实验结果表明,在MOT16、MOT17数据集和BUUISE数据集上验证了算法的有效性,提高了多目标跟踪的检测准确率、关联准确率以及跟踪总精度等,在智能驾驶多目标跟踪场景中有很大应用。

关键词：多目标跟踪智能驾驶注意力机制深层聚合网络

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：