检索结果-内蒙古大学图书馆

中国图象图形学报 2021年第3期26卷 516-526页

作者：王献海宋慧慧张开华刘青山南京信息工程大学大气环境与装备技术协同创新中心南京210044 江苏省大数据分析技术重点实验室南京210044

目的表观模型对视觉目标跟踪的性能起着决定性的作用。基于网络调制的跟踪算法通过构建高效的子网络学习参考帧目标的表观信息,以用于测试帧目标的鲁棒匹配,在多个目标跟踪数据集上表现优异。但是,这类跟踪算法忽视了高阶信息对鲁棒建... 详细信息

目的表观模型对视觉目标跟踪的性能起着决定性的作用。基于网络调制的跟踪算法通过构建高效的子网络学习参考帧目标的表观信息,以用于测试帧目标的鲁棒匹配,在多个目标跟踪数据集上表现优异。但是,这类跟踪算法忽视了高阶信息对鲁棒建模物体表观的重要作用,致使在物体表观发生大尺度变化时易产生跟踪漂移。为此本文提出全局上下文信息增强的二阶池化调制子网络,以学习高阶特征提升跟踪器的性能。方法首先,利用卷积神经网络(convolutional neural networks,CNN)提取参考帧和测试帧的特征;然后,对提取的特征采用不同方向的长短时记忆网络(long shot-term memory networks,LSTM)捕获每个像素的全局上下文信息,再经过二阶池化网络提取高阶信息;最后,通过调制机制引导测试帧学习最优交并比预测。同时,为提升跟踪器的稳定性,在线跟踪通过指数加权平均自适应更新物体表观特征。结果实验结果表明,在OTB100(object tracking benchmark)数据集上,本文方法的成功率为67.9%,超越跟踪器ATOM(accurate tracking by overlap maximization) 1.5%;在VOT(visual object tracking) 2018数据集上平均期望重叠率(expected average overlap,EAO)为0.44,超越ATOM 4%。结论本文通过构建全局上下文信息增强的二阶池化调制子网络来学习高效的表观模型,使跟踪器达到目前领先的性能。

关键词：视觉目标跟踪(VOT) 卷积神经网络(CNN) 网络调制上下文信息注意力机制

来源：评论

学校读者我要写书评

暂无评论

条件生成对抗遥感图像时空融合

引用

中国图象图形学报 2021年第3期26卷 714-726页

作者：李昌洁宋慧慧张开华张晓露刘青山南京信息工程大学大气环境与装备技术协同创新中心南京210044 江苏省大数据分析技术重点实验室南京210044

目的卫星遥感技术在硬件方面的局限导致获取的遥感图像在时间与空间分辨率之间存在矛盾,而时空融合提供了一种高效、低成本的方式来融合具有时空互补性的两类遥感图像数据(典型代表是Landsat和MODIS(moderate-resolution imaging spectr... 详细信息

目的卫星遥感技术在硬件方面的局限导致获取的遥感图像在时间与空间分辨率之间存在矛盾,而时空融合提供了一种高效、低成本的方式来融合具有时空互补性的两类遥感图像数据(典型代表是Landsat和MODIS(moderate-resolution imaging spectroradiometer)图像),生成同时具有高时空分辨率的融合数据,解决该问题。方法提出了一种基于条件生成对抗网络的时空融合方法,可高效处理实际应用中的大量遥感数据。与现有的学习模型相比,该模型具有以下优点:1)通过学习一个非线性映射关系来显式地关联MODIS图像和Landsat图像;2)自动学习有效的图像特征;3)将特征提取、非线性映射和图像重建统一到一个框架下进行优化。在训练阶段,使用条件生成对抗网络建立降采样Landsat和MODIS图像之间的非线性映射,然后在原始Landsat和降采样Landsat之间训练多尺度超分条件生成对抗网络。预测过程包含两层:每层均包括基于条件生成对抗网络的预测和融合模型。分别实现从MODIS到降采样Landsat数据之间的非线性映射以及降采样Landsat与原始Landsat之间的超分辨率首建。结果在基准数据集CIA(coleam bally irrigation area)和LGC(lower Gwydir catchment)上的结果表明,条件生成对抗网络的方法在4种评测指标上均达到领先结果,例如在CIA数据集上,RMSE(root mean squared error)、SAM(spectral angle mapper)、SSIM(structural similarity)和ERGAS(erreur relative global adimensionnelle desynthese)分别平均提高了0.001、0.15、0.008和0.065;在LGC数据集上分别平均提高了0.001 2、0.7、0.018和0.008 9。明显优于现有基于稀疏表示的方法与基于卷积神经网络的方法。结论本文提出的条件生成对抗融合模型,能够充分学习Landsat和MODIS图像之间复杂的非线性映射,产生更加准确的融合结果。

关键词：时空融合深度学习条件生成对抗网络(CGAN) 拉普拉斯金字塔遥感图像处理

来源：评论

学校读者我要写书评

暂无评论

基于逐像素点深度卷积网络分割模型的上皮和间质组织分割

引用

自动化学报 2017年第11期43卷 2003-2013页

作者：骆小飞徐军陈佳梅南京信息工程大学江苏省大数据分析技术重点实验室南京210044 武汉大学中南医院肿瘤科肿瘤生物学行为湖北省重点实验室湖北省肿瘤医学临床研究中心武汉430071

上皮和间质组织是乳腺组织病理图像中最基本的两种组织,约80%的乳腺肿瘤起源于乳腺上皮组织.为了构建基于乳腺组织病理图像分析的计算机辅助诊断系统和分析肿瘤微环境,上皮和间质组织的自动分割是重要的前提条件.本文构建一种基于逐像... 详细信息

上皮和间质组织是乳腺组织病理图像中最基本的两种组织,约80%的乳腺肿瘤起源于乳腺上皮组织.为了构建基于乳腺组织病理图像分析的计算机辅助诊断系统和分析肿瘤微环境,上皮和间质组织的自动分割是重要的前提条件.本文构建一种基于逐像素点深度卷积网络(CN-PI)模型的上皮和间质组织的自动分割方法.1)以病理医生标注的两类区域边界附近具有类信息为标签的像素点为中心,构建包含该像素点上下文信息的正方形图像块的训练集.2)以每个正方形图像块包含的像素的彩色灰度值作为特征,以这些图像块中心像素类信息为标签训练CN模型.在测试阶段,在待分割的组织病理图像上逐像素点地取包含每个中心像素点上下文信息的正方形图像块,并输入到预先训练好的CN网络模型,以预测该图像块中心像素点的类信息.3)以每个图像块中心像素为基础,逐像素地遍历图像中的每一个像素,将预测结果作为该图像块中心像素点类信息的预测标签,实现对整幅图像的逐像素分割.实验表明,本文提出的CN-PI模型的性能比基于图像块分割的CN网络(CN-PA)模型表现出了更优越的性能.

关键词：深度卷积网络乳腺组织病理图像上皮和间质组织分割逐像素分割

来源：评论

学校读者我要写书评

暂无评论

基于多特征描述的乳腺癌肿瘤病理自动分级

引用

计算机应用 2015年第12期35卷 3570-3575,3580页

作者：龚磊徐军王冠皓吴建中唐金海南京信息工程大学江苏省大数据分析技术重点实验室南京210044 江苏省肿瘤医院南京210000

为了辅助病理医生快速高效诊断乳腺癌并提供乳腺癌预后信息,提出一种计算机辅助乳腺癌肿瘤病理自动分级方法。该方法使用深度卷积神经网络和滑动窗口自动检测病理图像中的细胞;随后综合运用基于稀疏非负矩阵分解的颜色分离、前景标记的... 详细信息

为了辅助病理医生快速高效诊断乳腺癌并提供乳腺癌预后信息,提出一种计算机辅助乳腺癌肿瘤病理自动分级方法。该方法使用深度卷积神经网络和滑动窗口自动检测病理图像中的细胞;随后综合运用基于稀疏非负矩阵分解的颜色分离、前景标记的分水岭算法以及椭圆拟合得到每个细胞的轮廓。基于检测到的细胞和拟合出的细胞轮廓,提取出肿瘤的组织结构特征和上皮细胞的纹理形状特征等共203维的特征,运用这些特征训练支持向量机分类器(SVM),实现对病理组织图像自动分级。17位患者的49张H&E染色的乳腺癌病理组织图像自动分级的100次十折交叉检验评估结果表明:基于病理图像的细胞形状特征与组织的空间结构特征对病理图像的高、中、低分化等级分类整体准确率为90.20%;同时对高、中、低各分化等级的区分准确率分别为92.87%、82.88%、93.61%。相比使用单一结构特征或者纹理特征的方法,所提方法具有更高的准确率,能准确地对病理组织图像中肿瘤的高级和低级分化程度自动分级,且各分级之间的准确率差异较小。

关键词：乳腺癌组织病理图像自动病理分级计算机辅助预后分析

来源：评论

学校读者我要写书评

暂无评论

基于PCA和ICA模式融合的非高斯特征检测识别

引用

自动化学报 2024年第1期50卷 169-180页

作者：葛泉波程惠茹张明川郑瑞娟朱军龙吴庆涛南京信息工程大学自动化学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044 江苏省大数据分析技术重点实验室南京210044 河南科技大学信息工程学院洛阳471023

针对无人船(Unmanned surface vehicle,USV)航行位姿观测数据的非高斯性/高斯性判别问题,提出一种基于主成分分析(Principal component analysis,PCA)和独立成分分析(Independent component analysis,ICA)模式融合的非高斯特征检测识别方法.首先,采用基于标准化加权平均和信息熵的数据预处理方法.其次,引入混合加权核函数并使用灰狼优化(Grey wolf optimization,GWO)算法进行参数优化,以提高PCA方法的准确性.同时,该算法采用一种新的非线性控制因子策略,提高全局和局部搜索能力.最后,建立了一种基于ICA和PCA联合的相关性分析方法来实现多维数据的降维,在降维数据的基础上综合T型多维偏度峰度检验法和KS(Kolmogorov-Smirnov)检验法进行非高斯性/高斯性特征检测识别.该方法考虑了非线性非高斯的噪声对降维结果精确度的影响,有效降低了多维数据非高斯检测的复杂度,同时也为后续在实际USV位姿估计等应用中提供了保障.实验表明,该方法具有较高的准确性和稳定性,可为USV航行位姿观测数据处理提供支持.

关键词：主成分分析混合核函数灰狼优化算法高维降维非高斯

来源：评论

学校读者我要写书评

暂无评论

基于自适应灰狼优化算法的柔性作业车间调度问题

引用

现代制造工程 2022年第7期 1-10页

作者：王玉芳曾亚志蒋亚飞南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044

针对单目标柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP),以优化最大完工时间为目标,提出一种自适应灰狼优化(Adaptive Grey Wolf Optimization,AGWO)算法求解该问题。首先,采用离散整数编码方式以及混合初始化规... 详细信息

针对单目标柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP),以优化最大完工时间为目标,提出一种自适应灰狼优化(Adaptive Grey Wolf Optimization,AGWO)算法求解该问题。首先,采用离散整数编码方式以及混合初始化规则生成高质量种群;其次,根据灰狼优化(Grey Wolf Optimization,GWO)算法的社会等级制度,提出一种基于种群规模的自适应社会等级制度分布策略,以提高算法求解速度和稳定性;然后,设计一种新的狼群捕猎和猎物搜索机制,保证种群多样性的同时提高算法的全局探索能力;此外,提出融合基于关键路径和均衡机器负载2种邻域结构的变邻域搜索策略,提高算法的局部搜索能力;最后,通过标准算例验证算法的有效性和可行性。

关键词：柔性作业车间调度问题最大完工时间灰狼优化算法变邻域搜索

来源：评论

学校读者我要写书评

暂无评论

基于多特征联合监督字典学习的乳腺图像分类

引用

计算机工程 2018年第3期44卷 245-250,258页

作者：刘利卉徐军龚磊南京信息工程大学信息与控制学院江苏省大数据分析技术莺点实验室南京210044

针对无监督字典学习算法图像分类精度不高的问题,提出一种结合多种图像特征的有监督字典学习分类算法。利用卷积神经网络检测和分割细胞以提取细胞结构形状纹理特征,在细胞对应的病理图像块中提取多种纹理特征后,提取全图的SIFT和SURF... 详细信息

针对无监督字典学习算法图像分类精度不高的问题,提出一种结合多种图像特征的有监督字典学习分类算法。利用卷积神经网络检测和分割细胞以提取细胞结构形状纹理特征,在细胞对应的病理图像块中提取多种纹理特征后,提取全图的SIFT和SURF特征。为缩小分类误差,对无监督字典学习和二分类函数进行联合训练,将多特征取代图像作为字典学习输入,最终实现乳腺病理图像分类。在2个乳腺病理数据库上的实验结果表明,多特征监督字典学习分类算法的分类准确率达92.15%,优于无监督字典学习算法。

关键词：多特征有监督字典学习细胞分割细胞检测

来源：评论

学校读者我要写书评

暂无评论

考虑新技能学习机制的软件项目调度人工蜂群算法

引用

控制与决策 2023年第3期38卷 790-796页

作者：申晓宁姚铖滨徐继勇宋丽妍王玉芳南京信息工程大学自动化学院南京210044 南京信息工程大学、江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学、江苏省大数据分析技术重点实验室南京210044 南方科技大学、广东省类脑智能计算重点实验室广东深圳518055

考虑新技能的学习机制,建立软件项目调度问题的数学模型.该模型融入员工对新技能的学习、新技能熟练度的增长、投入度的自适应变化以及已有技能熟练度变化等实际因素,通过寻找最佳员工任务分配方案,最小化软件项目的工期和成本.为求解... 详细信息

考虑新技能的学习机制,建立软件项目调度问题的数学模型.该模型融入员工对新技能的学习、新技能熟练度的增长、投入度的自适应变化以及已有技能熟练度变化等实际因素,通过寻找最佳员工任务分配方案,最小化软件项目的工期和成本.为求解该模型,提出一种引入问题启发信息的离散人工蜂群算法.将多元学习策略应用于引领蜂阶段,在保证种群多样性的同时,加强算法全局搜索能力.在跟随蜂阶段采用一种基于启发信息的变异机制,保留最优个体中契合度较高的员工信息,并根据不同个体目标值的优劣采用相异的变异方式,针对性地进行搜索,以增强算法的局部寻优能力.实验结果表明,与已有算法相比,所提算法在不同规模的软件项目调度问题中均能够搜索到更优的分配方案.

关键词：软件项目调度新技能学习机制熟练度人工蜂群算法多元学习启发信息

来源：评论

学校读者我要写书评

暂无评论

基于稀疏图正则矩阵判别分析的高光谱图像分类

引用

南京师大学报（自然科学版） 2019年第1期42卷 51-58页

作者：黄晓伟杭仁龙孙玉宝刘青山江苏省大数据分析技术重点实验室南京信息工程大学信息与控制学院江苏南京210044

光谱和空间信息的联合使用是高光谱图像分类领域的研究热点之一.本文在已有的矩阵判别分析(MDA)模型的基础上,提出了一种基于稀疏图正则的改进模型.在有效融合高光谱图像光谱-空间信息的同时,能充分挖掘无标签样本的信息,从而提升了模... 详细信息

光谱和空间信息的联合使用是高光谱图像分类领域的研究热点之一.本文在已有的矩阵判别分析(MDA)模型的基础上,提出了一种基于稀疏图正则的改进模型.在有效融合高光谱图像光谱-空间信息的同时,能充分挖掘无标签样本的信息,从而提升了模型的分类性能.为了验证本文算法的有效性,在两个高光谱数据集上,与多种方法进行了对比.实验结果表明,本文提出的算法优于其他同类算法.

关键词：高光谱图像分类谱-空特征融合矩阵判别分析稀疏图正则

来源：评论

学校读者我要写书评

暂无评论

基于全局-局部生成对抗学习的无监督弱光图像增强

引用

计算机辅助设计与图形学学报 2022年第10期34卷 1550-1558页

作者：孙子正宋慧慧樊佳庆刘青山南京信息工程大学大气环境与装备技术协同创新中心江苏省大数据分析技术重点实验室南京210044 南京航天航空大学计算机学院南京210016 南京信息工程大学计算机学院南京210044

在弱光图像增强中,现有的无监督方法仍存在着真实性不足以及对于极暗条件的图像增强效果不明显等问题.为此,提出了一种无监督的弱光图像增强方法,通过设计一种高效循环生成对抗网络,直接从弱光图像中恢复出正常光照图像.首先,为解决大... 详细信息

在弱光图像增强中,现有的无监督方法仍存在着真实性不足以及对于极暗条件的图像增强效果不明显等问题.为此,提出了一种无监督的弱光图像增强方法,通过设计一种高效循环生成对抗网络,直接从弱光图像中恢复出正常光照图像.首先,为解决大尺寸输入导致的内存不足的问题,设计了全局-局部生成器;其次,判别器设计为自适应二阶段分类器,通过判别全局区域来自适应定位需再次判别的局部区域;最后,采用了焦点频域损失函数,使模型自适应地聚焦于分类难以合成的频率波段,以避免生成图像失真.文中方法在NPE,LIME,MEF,DICM和VV数据集上的感知指标(perceptual index,PI)分别达到了2.81,2.78,2.40,3.15和3.69,在LOL数据集上PSNR和SSIM指标分别达到了19.89 dB和0.7823,具有良好的鲁棒性.

关键词：生成对抗网络弱光图像增强无监督学习焦点频域损失

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：