检索结果-内蒙古大学图书馆

计算机工程 2022年第9期48卷 239-247,253页

作者：刘腾刘宏哲李学伟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 北京联合大学机器人学院北京100101

在无人驾驶应用场景中,现有无锚框实例分割方法存在大目标特征覆盖小目标特征、缺少两阶段检测器中的感兴趣区域对齐操作、忽略类别分支对掩膜分支提供的位置和空间信息等问题,导致特征提取不充分且无法准确获取目标区域。提出一种改进... 详细信息

在无人驾驶应用场景中,现有无锚框实例分割方法存在大目标特征覆盖小目标特征、缺少两阶段检测器中的感兴趣区域对齐操作、忽略类别分支对掩膜分支提供的位置和空间信息等问题,导致特征提取不充分且无法准确获取目标区域。提出一种改进的无锚框实例分割方法。结合可变形卷积,设计编码-解码特征提取网络提取高分辨率特征,以增强对小目标特征的提取能力,并采用空洞卷积和合并连接的方式,在不增加计算量的前提下有效融合多种分辨率的特征。在此基础上,将注意力机制引入到类别分支中,同时设计结合空间信息和通道信息的信息增强模块,以提高目标检测能力。实验结果表明,该方法在COCO 2017和Cityscapes数据集上平均精度和平均交并比分别为41.1%和83.3%,相比Mask R-CNN、SOLO、Yolact等方法,能够有效改进实例分割效果并具有较优的鲁棒性。

关键词：无锚框实例分割深度学习编码-解码结构注意力机制空洞卷积

来源：评论

学校读者我要写书评

暂无评论

基于类别不平衡数据集的图像实例分割方法

引用

计算机工程 2022年第12期48卷 224-231页

作者：范馨月鲍泓潘卫国北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100027

随着深度学习在计算机视觉领域取得重大进展,包含多种类别的数据集不断被提出,但由于自然采集的数据集往往存在类别不平衡并呈现长尾分布的情况,导致稀有类的数据特征被频繁类的数据特征所抑制,从而严重影响模型的检测性能。为解决上述... 详细信息

随着深度学习在计算机视觉领域取得重大进展,包含多种类别的数据集不断被提出,但由于自然采集的数据集往往存在类别不平衡并呈现长尾分布的情况,导致稀有类的数据特征被频繁类的数据特征所抑制,从而严重影响模型的检测性能。为解决上述问题,提出一种新的图像实例分割方法。采用长尾实例分割数据集进行研究实验,使用基于目标尺度的数据增广方法对数据集进行处理,以达到扩充训练样本的目的,增加稀有类的目标数量,同时对稀有类数据进行重采样,解决稀有类的类别数据量过小的问题,提升模型在长尾数据集的鲁棒性。在此基础上,将均等化损失函数融入Mask R-CNN实例分割网络,以降低频繁类的数据特征对稀有类数据特征的抑制性。实验结果表明,该方法在LVIS实例分割数据集上的检测精度提升了4.9%,达到了25.7%,同时AP_(r)、AP_(c)、AP_(f)分别达到了16.2%、26.1%、30.4%,相比Baseline方法均有明显提升,在消融实验上的结果也表明该方法能有效解决长尾类问题。

关键词：长尾分布实例分割数据增强损失函数深度学习

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

一种鲁棒性的多车道线检测算法

引用

计算机科学 2017年第11期44卷 305-313页

作者：宣寒宇刘宏哲袁家政李青牛小宁北京联合大学北京市信息服务工程重点实验室北京100101

机器视觉被广泛应用于智能汽车领域,车道线检测成为人工智能领域内的研究热点。为了得到更具鲁棒性的车道线检测效果,采用一种基于多条件约束的车道线特征滤波器,并提出了一种新的对车道线特征进行聚类的算法。运用卡尔曼滤波对车道线... 详细信息

机器视觉被广泛应用于智能汽车领域,车道线检测成为人工智能领域内的研究热点。为了得到更具鲁棒性的车道线检测效果,采用一种基于多条件约束的车道线特征滤波器,并提出了一种新的对车道线特征进行聚类的算法。运用卡尔曼滤波对车道线位置进行实时跟踪和预测;利用基于透视投影线性关系的车道线"位置-宽度"函数设置自适应动态ROI;另外,利用车道线的特点形成约束条件以获得更加稳定的检测效果。在真实道路环境下的实时检测结果表明,该算法鲁棒性强、实时性好,且具有稳定的检测效果。

关键词：机器视觉车道线特征滤波器聚类算法稳定性卡尔曼滤波 “位置-宽度”函数

来源：评论

学校读者我要写书评

暂无评论

基于视觉的目标定位技术的研究进展

引用

计算机科学 2016年第6期43卷 10-16,43页

作者：赵霞袁家政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

基于视觉的目标定位是目前计算机视觉领域的研究热点。就现阶段基于视觉的定位技术进行了综述,着重介绍了基于单目视觉定位、基于双目视觉定位和基于全景视觉定位3类定位技术的研究现状,并分析了各自的优缺点。最后就基于视觉定位方法... 详细信息

基于视觉的目标定位是目前计算机视觉领域的研究热点。就现阶段基于视觉的定位技术进行了综述,着重介绍了基于单目视觉定位、基于双目视觉定位和基于全景视觉定位3类定位技术的研究现状,并分析了各自的优缺点。最后就基于视觉定位方法的发展趋势做了简要分析,以期为以后基于视觉定位问题的研究提供参考。

关键词：目标定位单目视觉双目视觉全景视觉

来源：评论

学校读者我要写书评

暂无评论

一种传统中国书画图像的二分类方法

引用

计算机科学 2012年第3期39卷 256-259页

作者：潘卫国鲍泓何宁北京联合大学信息服务工程重点实验室北京100101

传统的中国画和书法是我国的艺术瑰宝。随着数字技术的迅速发展,越来越多的传统中国书画作品被数字化,如何快速有效地检索这些数字图像已成为一个热门的研究课题。如果能够准确地将中国画和书法图像首先进行二分类,将为中国书画图像的... 详细信息

传统的中国画和书法是我国的艺术瑰宝。随着数字技术的迅速发展,越来越多的传统中国书画作品被数字化,如何快速有效地检索这些数字图像已成为一个热门的研究课题。如果能够准确地将中国画和书法图像首先进行二分类,将为中国书画图像的进一步检索和分类打下坚实的基础。提出了一种基于主体颜色特征的中国传统书画图像的二分类方法。该算法首先对书画图像中的留白区域进行检测,然后将其去掉,因为历史久远,这些留白区域含有过多的噪声;其次,从处理后的书画图像中提取灰度特征作为二分类的基础;最后,利用这些特征训练分类器,并使用训练好的分类器对中国画和书法图像进行二分类。实验结果表明,该算法达到了比较理想的中国书画图像二分类结果。

关键词：中国画图像中国书法图像支持向量机分类

来源：评论

学校读者我要写书评

暂无评论

基于轻量级图卷积的人体骨架动作识别方法

引用

计算机工程 2022年第5期48卷 306-313页

作者：孙琪翔何宁张聪聪刘圣杰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

视频中的人体动作识别在计算机视觉领域得到广泛关注,基于人体骨架的动作识别方法可以明确地表现人体动作,因此已逐渐成为该领域的重要研究方向之一。针对多数主流人体动作识别方法网络参数量大、计算复杂度高等问题,设计一种融合多流... 详细信息

视频中的人体动作识别在计算机视觉领域得到广泛关注,基于人体骨架的动作识别方法可以明确地表现人体动作,因此已逐渐成为该领域的重要研究方向之一。针对多数主流人体动作识别方法网络参数量大、计算复杂度高等问题,设计一种融合多流数据的轻量级图卷积网络,并将其应用于人体骨架动作识别任务。在数据预处理阶段,利用多流数据融合方法对4种特征数据流进行融合,通过一次训练就可得到最优结果,从而降低网络参数量。设计基于图卷积网络的非局部网络模块,以捕获图像的全局信息从而提高动作识别准确率。在此基础上,设计空间Ghost图卷积模块和时间Ghost图卷积模块,从网络结构上进一步降低网络参数量。在动作识别数据集NTU60 RGB+D和NTU120 RGB+D上进行实验,结果表明,与近年主流动作识别方法ST-GCN、2s AS-GCN、2s AGCN等相比,基于该轻量级图卷积网络的人体骨架动作识别方法在保持较低网络参数量的情况下能够取得较高的识别准确率。

关键词：人体骨架动作识别数据融合图卷积非局部网络模块 Ghost网络

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3D DenseNet人体动作识别方法

引用

计算机工程 2021年第11期47卷 313-320页

作者：张聪聪何宁孙琪翔尹晓杰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

传统人体动作识别算法无法充分利用视频中人体动作的时空信息,且识别准确率较低。提出一种新的三维密集卷积网络人体动作识别方法。将双流网络作为基本框架,在空间网络中运用添加注意力机制的三维密集网络提取视频中动作的表观信息特征... 详细信息

传统人体动作识别算法无法充分利用视频中人体动作的时空信息,且识别准确率较低。提出一种新的三维密集卷积网络人体动作识别方法。将双流网络作为基本框架,在空间网络中运用添加注意力机制的三维密集网络提取视频中动作的表观信息特征,结合时间网络对连续视频序列运动光流的运动信息进行特征提取,经过时空特征和分类层的融合后得到最终的动作识别结果。同时为更准确地提取特征并对时空网络之间的相互作用进行建模,在双流网络之间加入跨流连接对时空网络进行卷积层的特征融合。在UCF101和HMDB51数据集上的实验结果表明,该模型识别准确率分别为94.52%和69.64%,能够充分利用视频中的时空信息,并提取运动的关键信息。

关键词：动作识别注意力机制三维DenseNet 双流网络特征融合

来源：评论

学校读者我要写书评

暂无评论

基于特征加权的多关系朴素贝叶斯分类模型

引用

计算机科学 2014年第10期41卷 283-285页

作者：徐光美刘宏哲张敬尊北京联合大学信息服务工程重点实验室北京100101

为进一步提高多关系朴素贝叶斯方法的分类准确率,分析了已有的特征加权方法,并在将特征加权方法扩展到多关系的情况下结合元组ID传播方法和面向元组的统计计数方法,建立了基于特征加权的多关系朴素贝叶斯分类模型(MRNBC-W)。标准数据集... 详细信息

为进一步提高多关系朴素贝叶斯方法的分类准确率,分析了已有的特征加权方法,并在将特征加权方法扩展到多关系的情况下结合元组ID传播方法和面向元组的统计计数方法,建立了基于特征加权的多关系朴素贝叶斯分类模型(MRNBC-W)。标准数据集上的实验结果显示,新方法可以在不增加算法时间复杂度的前提下,有效提高金融数据集的分类准确率。文中也给出了结合扩展互信息标准对属性进行过滤后,加权方法和不加权方法的分类比较。

关键词：多关系数据挖掘朴素贝叶斯分类互信息特征加权

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv4的小目标行人检测算法

引用

计算机工程 2023年第2期49卷 296-302,313页

作者：王程刘元盛刘圣杰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

行人检测在无人驾驶环境感知领域具有重要应用。现有行人检测算法多数只关注普通大小的行人目标,忽略了小目标行人特征信息过少的问题,从而造成检测精度低、应用于嵌入式设备中实时性不高等情况。针对该问题,提出一种小目标行人检测算法... 详细信息

行人检测在无人驾驶环境感知领域具有重要应用。现有行人检测算法多数只关注普通大小的行人目标,忽略了小目标行人特征信息过少的问题,从而造成检测精度低、应用于嵌入式设备中实时性不高等情况。针对该问题,提出一种小目标行人检测算法YOLOv4-DBF。引用深度可分离卷积代替YOLOv4算法中的传统卷积,以降低模型的参数量和计算量,提升检测速度和算法实时性。在YOLOv4骨干网络中的特征融合部分引入scSE注意力模块,对输入行人特征图的重要通道和空间特征进行增强,促使网络学习更有意义的特征信息。对YOLOv4颈部中特征金字塔网络的特征融合部分进行改进,在增加少量计算量的情况下增强对图像中行人目标的多尺度特征学习,从而提高检测精度。在VOC07+12+COCO数据集上进行训练和验证,结果表明,相比原YOLOv4算法,YOLOv4-DBF算法的AP值提高4.16个百分点,速度提升27%,将该算法加速部署在无人车中的TX2设备上进行实时测试,其检测速度达到23FPS,能够有效提高小目标行人检测的精度及实时性。

关键词：无人驾驶小目标行人深度可分离卷积 scSE注意力模块特征金字塔网络

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：