检索结果-内蒙古大学图书馆

计算机学报 2024年第10期47卷 2368-2386页

作者：孙澈武玉伟贾云得北京理工大学计算机学院智能信息技术北京市重点实验室北京100081 深圳北理莫斯科大学广东省智能感知与计算重点实验室广东深圳518172

视频异常事件检测旨在从视频中自动地检测出不符合正常事件规律的视频事件.视频中许多正常和异常的事件是由目标与场景或其它目标交互而产生的,即它们是以目标为中心且高度上下文相关的.如何从底层的视频特征中提取事件高层语义上下文信... 详细信息

视频异常事件检测旨在从视频中自动地检测出不符合正常事件规律的视频事件.视频中许多正常和异常的事件是由目标与场景或其它目标交互而产生的,即它们是以目标为中心且高度上下文相关的.如何从底层的视频特征中提取事件高层语义上下文信息,并根据上下文信息进行视频异常事件检测仍是一个开放的难题.为此,本文提出了一种新的上下文建模与推理的视频异常事件检测方法.本文方法通过建立视频的上下文图,自动地推理事件相关的语义上下文信息,以缩小底层视觉特征与异常事件高层语义之间的差距,实现异常事件检测.具体来说,首先使用了预训练的目标检测网络,提取目标初始的表观特征、目标之间的时空关系特征和场景特征;其次设计了一个上下文图推理模块,通过建模时空上下文图,将提取到的特征显式地建模为三类语义上下文,包括事件目标的个体行为、不同目标之间的时空关系以及目标与场景之间的交互,其中图的节点表示目标/场景,图的边表示时空关系;最后构建了一个异常预测模块,根据推理到的语义上下文信息进行异常事件检测.本文的上下文图推理模块基于平均场理论,通过使用多个带有消息传递模块的循环神经网络,迭代更新图的节点和边的状态,目的是从底层的视觉特征中推理得到高层的语义上下文.本文的异常预测模块包括注意力池化网络层和全连接网络层,通过输入语义上下文信息,计算视频帧的异常分数,从而正确地进行异常事件检测.实验中,设计了一个自训练策略,分别使用了无监督、半监督、弱监督和监督四种训练策略,以端到端的方式训练时空上下文图推理模块和异常预测模块.本文方法在四个公开的数据集上进行了实验,包括三个半监督的数据集Subway (Entrance/Exit)、Avenue和ShanghaiTech,以及一个监督的数据集UCF-Crime.与不使用上下文的方法相比,本文方法在Subway(Entrance/Exit)、Avenue和ShanghaiTech数据集上的无监督AUC指标分别提高了2.7%/3.1%、2.0%和2.9%,半监督AUC指标分别提高了3.5%/3.3%、4.0%和4.3%.在监督数据集UCF-Crime上,与没有使用上下文的方法相比,本文方法在半监督AUC、弱监督AUC和监督AUC的指标上分别提高了2.1%、0.4%和9.2%,取得了有竞争力的表现.

关键词：异常事件检测上下文建模与推理上下文图自训练策略深度学习

来源：评论

学校读者我要写书评

暂无评论

混合曲率空间中的几何自适应元学习方法

引用

计算机学报 2024年第10期47卷 2289-2306页

作者：高志武玉伟贾云得北京理工大学计算机学院智能信息技术北京市重点实验室北京100081 深圳北理莫斯科大学广东省智能感知与计算重点实验室广东深圳518172

元学习通过学习先验知识,能帮助模型快速适应新任务.在适应新任务的过程中,空间几何结构与数据几何结构的匹配程度对模型泛化起着重要作用.现实世界数据具有多样的非欧几何结构,例如自然语言具有非欧层级结构,人脸图像具有非欧环状结构... 详细信息

元学习通过学习先验知识,能帮助模型快速适应新任务.在适应新任务的过程中,空间几何结构与数据几何结构的匹配程度对模型泛化起着重要作用.现实世界数据具有多样的非欧几何结构,例如自然语言具有非欧层级结构,人脸图像具有非欧环状结构等.已有研究表明,真实数据的非欧结构同黎曼流形的几何结构相匹配,从理论上提供了利用黎曼流形来建模数据的可行性.本文提出了混合曲率空间(mixed-curvature space)中的几何自适应元学习方法,利用多个混合曲率空间来表示数据,并生成与数据非欧结构相匹配的黎曼几何.本文构建了多混合曲率神经网络,将混合曲率空间的几何结构表示为曲率空间的曲率、数量和维度,由此通过梯度下降过程实现对数据非欧结构的几何自适应.本文进一步引入几何初始化生成策略和几何更新策略,通过少数几步迭代,空间几何结构即可快速匹配数据非欧结构,加速了梯度下降过程.本文在小样本分类和小样本回归等任务上进行了实验验证.与欧氏空间的元学习方法相比,本文方法在小样本分类任务上取得了约3%的准确率提升,在小样本回归任务上将均方误差减少了一半,验证了本文方法的有效性.

关键词：元学习几何自适应混合曲率空间黎曼流形

来源：评论

学校读者我要写书评

暂无评论

大语言模型知识引导的开放域多标签动作识别

引用

计算机研究与发展 2025年

作者：朱荣江石语珩杨硕王子奕吴心筱北京理工大学计算机学院智能信息技术重点实验室(北京理工大学) 深圳北理莫斯科大学广东省智能感知与计算重点实验室(深圳北理莫斯科大学)

开放域多标签动作识别任务旨在对视频中训练阶段未见的人的多类动作进行识别.相较于传统动作识别，该任务更适应实际场景，具有广泛的应用前景.然而，开放域多标签动作识别具有很大的挑战性，需要将模型有效泛化到未见过的新动作类别.... 详细信息

开放域多标签动作识别任务旨在对视频中训练阶段未见的人的多类动作进行识别.相较于传统动作识别，该任务更适应实际场景，具有广泛的应用前景.然而，开放域多标签动作识别具有很大的挑战性，需要将模型有效泛化到未见过的新动作类别.为了解决此问题，提出大语言模型知识引导的开放域多标签动作识别方法.该方法挖掘大语言模型蕴含的丰富的动作类别共现知识，并将共现知识嵌入视觉-语言模型的提示学习，实现基本类别（base classes）与新类别（novel classes）之间的信息传递，从而提升新类别的识别性能.在实验中将基本动作类别和新动作类别的比例设置为3:1和1:1，分别表示为“75% 可见”和“50% 可见”.在AVA和数据集上的实验结果表明，相较于现有方法，当基本动作类别为“75%”时，该方法在AVA和MovieNet数据集的新动作类别识别指标mAP上分别提升了1.95%和1.21%；当面临基本动作类别为“50%”的更困难场景时，提出的方法在这2个数据集上新动作类别识别指标mAP上分别提升了2.59%和1.06%.

关键词：开放域动作识别多标签分类提示学习大语言模型 CLIP模型

来源：评论

学校读者我要写书评

暂无评论

带有资源冲突的Seru在线并行调度算法

引用

自动化学报 2022年第2期48卷 444-459页

作者：江煜舟李冬妮靳洪博殷勇北京理工大学计算机学院智能信息技术北京市重点实验室北京100081 同志社大学商学院日本京都602-0023

随着大规模定制的市场需求日趋显著,赛如生产系统(Seru production system,SPS)应运而生,逐渐成为研究和应用领域的热点.本文针对带有资源冲突的Seru在线并行调度问题进行研究,即需要在有限的空间位置上安排随动态需求而构建的若干Seru... 详细信息

随着大规模定制的市场需求日趋显著,赛如生产系统(Seru production system,SPS)应运而生,逐渐成为研究和应用领域的热点.本文针对带有资源冲突的Seru在线并行调度问题进行研究,即需要在有限的空间位置上安排随动态需求而构建的若干Seru,以总加权完工时间最小为目标,决策Seru的构建顺序及时间.先基于平均延迟最短加权处理时间(Average delayed shortest weighted processing time,AD-SWPT)算法,针对其竞争比不为常数的局限性,引入调节参数,得到竞争比为常数的无资源冲突的Seru在线并行调度算法.接下来,引入冲突处理机制,得到有资源冲突的Seru在线并行调度算法,αAD-I(α-average delayed shortest weighted processing time-improved)算法,特殊实例下可通过实例归约的方法证明其竞争比与无资源冲突的情况相同.最后,通过实验,验证了在波动的市场环境下算法对于特殊实例与一般实例的优越性.

关键词：赛如生产系统在线调度竞争比实例归约总加权完工时间

来源：评论

学校读者我要写书评

暂无评论

适用于鱼眼图像的改进YOLOv7目标检测算法

引用

计算机工程与应用 2024年第14期60卷 250-256页

作者：吴兆东徐成刘宏哲付莹蹇木伟北京联合大学北京市信息服务工程重点实验室北京100101 北京理工大学计算机学院北京100081 山东财经大学计算机科学与技术学院济南250014

鱼眼相机捕获的图像具有宽视场、几何失真和尺度差异大等特点,这给基于标准卷积网络的目标检测器带来了巨大的挑战。现有的目标检测算法可以在网络结构设计、特征学习等方面进一步改进以适用于鱼眼图像上的失真目标检测任务。为减轻鱼... 详细信息

鱼眼相机捕获的图像具有宽视场、几何失真和尺度差异大等特点,这给基于标准卷积网络的目标检测器带来了巨大的挑战。现有的目标检测算法可以在网络结构设计、特征学习等方面进一步改进以适用于鱼眼图像上的失真目标检测任务。为减轻鱼眼图像上径向畸变的影响,研究在YOLOv7主干引入多分支堆叠结构的多头注意力模块以捕获全局上下文信息,提高检测准确性。同时,在YOLOv7的Neck侧,使用简单高效的融合可变形卷积的层聚合结构以实现有效的多尺度特征融合,提高模型对失真目标的特征提取能力。提出的检测模型直接在鱼眼图像上执行,无须指定先验信息和校准。在公开的综合鱼眼图像数据集VOC_360上进行实验,结果表明,改进后的YOLOv7鱼眼图像目标检测器有效地提高了检测精度,mAP50、mAP50:95分别达到84.3%、70.4%,相比基准模型YOLOv7分别提升3.1个百分点、6.4个百分点。

关键词：目标检测鱼眼图像多头注意力可变形卷积 YOLO算法

来源：评论

学校读者我要写书评

暂无评论

危化品爆炸大规模高精度仿真软件研发与应用

引用

中国安全科学学报 2022年第9期32卷 20-28页

作者：王成钱琛庚张文耀谷恭天崔洋洋北京理工大学爆炸科学与技术国家重点实验室北京理工大学计算机学院智能信息技术北京市重点实验室

为精准模拟大尺度化工园区、城市建(构)筑物群、加油/气站等场景内多元、多相危险化学品爆炸传播时空演化，基于多组分反应流Navier-Stokes控制方程，研发高精度保正加权本质无振荡限差分格式、Compact-WENO杂交有限差分格式等先进的数... 详细信息

为精准模拟大尺度化工园区、城市建(构)筑物群、加油/气站等场景内多元、多相危险化学品爆炸传播时空演化，基于多组分反应流Navier-Stokes控制方程，研发高精度保正加权本质无振荡限差分格式、Compact-WENO杂交有限差分格式等先进的数值计算方法；结合网格自适应、计算区域自适应扩大等高效加速算法与信息传递接口并行方法，采用Fortran语言自主开发危化品爆炸高精度有限差分求解器；采用C++语言基于面向对象程序设计方法自主开发适用于有限差分格式的前后处理模块；集成高精度求解器与前后处理模块，自主研发危化品爆炸大规模高精度仿真软件。结果表明：该软件可计算包含任意种组分的化学反应模型，具有多种湍流及湍流燃烧模型，能够实现危化品泄漏-扩散-爆炸全过程数值仿真。

关键词：危化品爆炸高精度仿真软件高精度有限差分格式(HFD) 大规模并行计算湍流燃烧

来源：评论

学校读者我要写书评

暂无评论

跨语言知识蒸馏的视频中文字幕生成

引用

计算机学报 2021年第9期44卷 1907-1921页

作者：侯静怡齐雅昀吴心筱贾云得北京理工大学计算机学院智能信息技术北京市重点实验室北京100081

视频字幕生成(video captioning)在视频推荐、辅助视觉、人机交互等领域具有广泛的应用前景.目前已有大量的视频英文字幕生成方法和数据,通过机器翻译视频英文字幕可以实现视频中文字幕的生成.然而,中西方文化差异和机器翻译算法性能都... 详细信息

视频字幕生成(video captioning)在视频推荐、辅助视觉、人机交互等领域具有广泛的应用前景.目前已有大量的视频英文字幕生成方法和数据,通过机器翻译视频英文字幕可以实现视频中文字幕的生成.然而,中西方文化差异和机器翻译算法性能都会影响中文字幕生成的质量.为此,本文提出了一种跨语言知识蒸馏的视频中文字幕生成方法.该方法不仅可以根据视频内容直接生成中文语句,还充分利用了易于获取的视频英文字幕作为特权信息(privileged information)指导视频中文字幕的生成.由于同一视频的英文字幕与中文字幕之间存在语义关联关系,本文方法从中学习到与视频内容相关的跨语言知识,并利用知识蒸馏将英文字幕包含的高层语义信息融入中文字幕生成.同时,通过端到端的训练方式确保模型训练目标与视频中文字幕生成任务目标的一致性,有效提升中文字幕生成性能.此外,本文还对视频英文字幕数据集MSVD扩展,给出了中英文视频字幕数据集MSVD-CN.

关键词：中文字幕生成视频理解知识蒸馏视频中英字幕数据集特权信息

来源：评论

学校读者我要写书评

暂无评论

一种改进的视频分割网络及其全局信息优化方法

引用

自动化学报 2022年第3期48卷 787-796页

作者：张琳陆耀卢丽华周天飞史青宣北京理工大学计算机学院北京100081 智能信息技术北京市重点实验室北京100081 北方电子设备研究所北京100083 河北大学网络空间安全与计算机学院保定071000

提出了一种基于注意力机制的视频分割网络及其全局信息优化训练方法.该方法包含一个改进的视频分割网络,在对视频中的物体进行分割后,利用初步分割的结果作为先验信息对网络优化,再次分割得到最终结果.该分割网络是一种双流卷积网络,以... 详细信息

提出了一种基于注意力机制的视频分割网络及其全局信息优化训练方法.该方法包含一个改进的视频分割网络,在对视频中的物体进行分割后,利用初步分割的结果作为先验信息对网络优化,再次分割得到最终结果.该分割网络是一种双流卷积网络,以视频图像和光流图像作为输入,分别提取图像的表观信息和运动信息,最终融合得到分割掩膜(Segmentation mask).网络中嵌入了一个新的卷积注意力模块,应用于卷积网络的高层次特征与相邻低层次特征之间,使得高层语义特征可以定位低层特征中的重要区域,提高网络的收敛速度和分割准确度.在初步分割之后,本方法提出利用初步结果作为监督信息对表观网络的权值进行微调,使其辨识前景物体的特征,进一步提高双流网络的分割效果.在公开数据集DAVIS上的实验结果表明,该方法可准确地分割出视频中时空显著的物体,效果优于同类双流分割方法.对注意力模块的对比分析实验表明,该注意力模块可以极大地提高分割网络的效果,较本方法的基准方法(Baseline)有很大的提高.

关键词：视频物体分割卷积神经网络注意力机制全局信息优化

来源：评论

学校读者我要写书评

暂无评论

面向嵌入式平台的车道线检测方法

引用

红外与激光工程 2022年第7期51卷 473-480页

作者：杜中强唐林波韩煜祺北京理工大学信息与电子学院北京理工大学嵌入式实时信息处理技术北京市重点实验室北京100081 清华大学计算机科学与技术系北京100084

车道线检测在自动驾驶和高级辅助驾驶中起着举足轻重的作用,然而,传统的车道线检测技术鲁棒性较差,而大多数基于深度学习的方法复杂度又较高,难以在嵌入式平台实时应用。提出一种面向嵌入式平台的轻量级车道线检测网络,将车道线检测转... 详细信息

车道线检测在自动驾驶和高级辅助驾驶中起着举足轻重的作用,然而,传统的车道线检测技术鲁棒性较差,而大多数基于深度学习的方法复杂度又较高,难以在嵌入式平台实时应用。提出一种面向嵌入式平台的轻量级车道线检测网络,将车道线检测转化为语义分割问题,该网络借鉴U-Net与Segnet网络结构,使用了小尺度卷积等轻量化组件设计计算高效的语义分割网络。在检测车道线的基础上,计算车辆距离两侧车道线的距离,以及车道线的曲率,同时当车辆偏离车道线或检测出现异常时进行预警,最后将整个系统移植到海思平台。实验结果表明:该系统具有较高的检测精度以及检测速度,准确率达到97.5%,速度达到50 FPS,满足实时性要求,因此该系统能够用于面向嵌入式平台的实时车道线的检测、测距、曲率计算以及预警。

关键词：车道线检测嵌入式平台深度学习语义分割自动驾驶

来源：评论

学校读者我要写书评

暂无评论

TCGCL:基于图对比学习的复杂网络流量分类算法

引用

计算机科学与探索 2025年第5期19卷 1230-1240页

作者：胡仲则秦宏超李振军李艳辉李荣华王国仁北京理工大学计算机学院北京100081 深圳城市职业学院信息与通信学院广东深圳518038 重庆交通大学信息科学与工程学院重庆400074 深圳市龙岗区智能供应链技术重点实验室广东深圳518100

网络流量分类技术在网络安全领域中起到了关键性作用。现代网络架构高度复杂,网络流量传输过程中将会不可避免地遇到各种异常情况。为此,提出了一种稳定性指标,评估算法对数据异常干扰的抵抗能力,基于图对比学习技术提出一种流量分类算... 详细信息

网络流量分类技术在网络安全领域中起到了关键性作用。现代网络架构高度复杂,网络流量传输过程中将会不可避免地遇到各种异常情况。为此,提出了一种稳定性指标,评估算法对数据异常干扰的抵抗能力,基于图对比学习技术提出一种流量分类算法TCGCL,可以同时提取网络流量内部的载荷特征及网络流量之间的通联关系特征,更全面地保留数据有效信息,在此基础上通过数据增强技术模拟网络流量异常状态表现,大幅提升了算法在数据异常情况下的分类稳定性。基于协议分析技术,对流量分类过程中图结构数据的构造方式进行了研究,提出了一种高质低维的属性生成方法。实验表明,相较于基线算法,在达到近乎相同准确率的前提下,TCGCL的样本输入维度降低了约80%。针对复杂网络通信环境,TCGCL对测试样本进行了噪音混淆,模拟流量异常的情况。测试结果表明,TCGCL在流量出现异常的条件下仍可保持很高的分类准确率,且稳定性指标大幅领先于基线算法。

关键词：流量分类图神经网络对比学习协议分析

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：