检索结果-内蒙古大学图书馆

计算机与数字工程 2024年第10期52卷 3072-3078页

作者：周瑜徐磊宋慧慧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

在弱光、背光、非均匀光照等干扰下,弱光图像增强算法很难获得优质的图像增强效果。论文针对这些干扰引起的噪声与细节信息丢失等问题,提出了一种基于曲线拟合与去噪的弱光图像增强算法。该算法主要由曲线拟合、分解、去噪和优化四个子... 详细信息

在弱光、背光、非均匀光照等干扰下,弱光图像增强算法很难获得优质的图像增强效果。论文针对这些干扰引起的噪声与细节信息丢失等问题,提出了一种基于曲线拟合与去噪的弱光图像增强算法。该算法主要由曲线拟合、分解、去噪和优化四个子网络构成,通过感知损失和细节损失等损失函数来对网络进行约束,最终得到在对比度、细节、颜色、噪声等方面效果更好的增强图像。此外,在训练阶段,该方法加入了一个残差模块使得深层神经网络在训练阶段更容易优化,并且不会导致梯度消失或爆炸。在数据集LOL上的实验结果表明,该算法在图像质量指标峰值信噪比和结构相似性上获得了良好的性能。特别地,与基准算法Zero-DCE相比,该算法在PSNR和SSIM指标上更是提升了14.7%和32.8%。

关键词：弱光图像增强曲线拟合去噪网络残差模块

来源：评论

学校读者我要写书评

暂无评论

基于双重金字塔网络的视频目标分割方法

引用

计算机应用 2019年第8期39卷 2242-2246页

作者：姜斯浩宋慧慧张开华汤润发江苏省大数据分析技术重点实验室(南京信息工程大学)

针对复杂视频场景中难以分割特定目标的问题,提出一种基于双重金字塔网络(DPN)的视频目标分割方法。首先,通过调制网络的单向传递让分割模型适应特定目标的外观。具体而言,从给定目标的视觉和空间信息中学习一种调制器,并通过调制器调... 详细信息

针对复杂视频场景中难以分割特定目标的问题,提出一种基于双重金字塔网络(DPN)的视频目标分割方法。首先,通过调制网络的单向传递让分割模型适应特定目标的外观。具体而言,从给定目标的视觉和空间信息中学习一种调制器,并通过调制器调节分割网络的中间层以适应特定目标的外观变化。然后,通过基于不同区域的上下文聚合的方法,在分割网络的最后一层中聚合全局上下文信息。最后,通过横向连接的自左而右结构,在所有尺度中构建高阶语义特征图。所提出的视频目标分割方法是一个可以端到端训练的分割网络。大量实验结果表明,所提方法在DAVIS2016数据集上的性能与较先进的使用在线微调的方法相比,可达到相竞争的结果,且在DAVIS2017数据集上性能较优。

关键词：视频目标分割特征金字塔卷积神经网络深度学习多尺度融合

来源：评论

学校读者我要写书评

暂无评论

基于粒子滤波的行车轨迹路网匹配方法

引用

地球信息科学学报 2020年第11期22卷 2109-2117页

作者：郑诗晨盛业华吕海洋南京师范大学虚拟地理环境教育部重点实验室南京210023 江苏省地理信息资源开发与利用协同创新中心南京210023 南京邮电大学江苏省智慧健康大数据分析与位置服务工程实验室南京210023

行车轨迹是一种时间序列的地理空间位置采样数据,而传统的轨迹—路网匹配方法主要以全局或局部寻优的方式建立轨迹—路网匹配关系,影响了时空场景中数据的匹配计算过程的相对独立性。针对这个问题,本文基于粒子滤波(Particle Filter,PF... 详细信息

行车轨迹是一种时间序列的地理空间位置采样数据,而传统的轨迹—路网匹配方法主要以全局或局部寻优的方式建立轨迹—路网匹配关系,影响了时空场景中数据的匹配计算过程的相对独立性。针对这个问题,本文基于粒子滤波(Particle Filter,PF)原理建立行车轨迹与道路网络之间的匹配关系。首先,沿轨迹中车辆运动方向在道路网络中搜索邻近道路节点,在与道路节点拓扑邻接的道路弧段上初始化随机生成粒子,根据轨迹中车辆运动模型将粒子沿所在道路弧段移动;然后,基于PF原理计算各时刻粒子运动状态及与行车轨迹采样点之间的距离误差,根据高斯概率密度函数计算粒子权重并利用随机重采样方法进行粒子重采样,迭代更新粒子运动状态;最后,计算与搜索到的道路节点拓扑邻接的每条道路弧段中累计粒子权重,通过各道路弧段累计权重计算轨迹—路网匹配关系。以行车轨迹进行实验表明,利用本文方法可以通过粒子时空变化反映采样点的移动,行车轨迹—路网匹配结果的正确率大于85%,能够实现行车轨迹和路网的准确匹配。

关键词：行车轨迹时间序列粒子滤波道路网络地图匹配随机粒子邻接道路弧段运动模型

来源：评论

学校读者我要写书评

暂无评论

实时高置信度更新补充学习跟踪

引用

计算机科学 2019年第3期46卷 137-141页

作者：范蓉蓉樊佳庆刘青山南京信息工程大学江苏省大数据分析技术重点实验室南京211800

为解决补充学习跟踪算法(Staple)在目标被部分遮挡时存在的跟踪失败问题,文中提出了一种简单而有效的高置信度补充学习跟踪算法(High-confidence updata Complementary Learner Tracker,HCLT)。首先,输入当前帧,得到标准相关滤波分类器... 详细信息

为解决补充学习跟踪算法(Staple)在目标被部分遮挡时存在的跟踪失败问题,文中提出了一种简单而有效的高置信度补充学习跟踪算法(High-confidence updata Complementary Learner Tracker,HCLT)。首先,输入当前帧,得到标准相关滤波分类器的检测响应值;然后,计算相关滤波响应的置信度,若计算结果大于阈值则当前帧更新滤波器,否则停止更新;接着,计算出持续不更新的帧数,如果有连续10帧不更新,则强制更新;最后,通过融合颜色补充学习器的响应,得到总的响应结果,其中,响应中最大值的位置即为跟踪结果。将所提算法与补充学习跟踪(Correlation Filter Net tracker,Staple)、端到端表示跟踪(CFNet)、注意力相关滤波网络跟踪(Attentional Correlation Filter Network tracker,ACFN)和对冲深度跟踪(Hedged Deep Tracking,HDT)等先进算法进行实验对比。在OTB100和VOT2016数据集上的结果表明,所提算法在成功率和预期覆盖率方面分别超过基准补充学习跟踪算法(Staple)1.0个百分点和0.4个百分点。另外,在严重遮挡和剧烈光照变化的视频集上的良好表现也充分说明了所提算法在处理表观剧烈变化的情况时很有效。

关键词：相关滤波颜色直方图补充学习跟踪遮挡检测目标跟踪

来源：评论

学校读者我要写书评

暂无评论

新型乳腺磁共振增强图像肿瘤区域的自动分割模型

引用

中国生物医学工程学报 2019年第1期38卷 28-34页

作者：马伟刘鸿利孙明建徐军蒋燕妮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 南京医科大学第一附属医院放射科南京210029

乳腺磁共振增强图像上,乳腺癌主要有肿块型和非肿块型两种强化方式。由于乳腺肿瘤区域相对较小,肿块型和非肿块型之间形态学差异大,非肿块型自身差异性复杂,因而很难精确分割出乳腺肿瘤区域。针对这些问题,提出一套新颖的粗检测细分割... 详细信息

乳腺磁共振增强图像上,乳腺癌主要有肿块型和非肿块型两种强化方式。由于乳腺肿瘤区域相对较小,肿块型和非肿块型之间形态学差异大,非肿块型自身差异性复杂,因而很难精确分割出乳腺肿瘤区域。针对这些问题,提出一套新颖的粗检测细分割的深度学习模型(YOLOv2+SegNet)。该模型在精准分割之前,首先运用YOLOv2网络在乳腺可能的肿瘤区域进行粗检测,从而得到大致可能的肿瘤区域;接下来在粗检测的基础上,针对检测到可能的肿瘤区域,运用SegNet网络进行精细分割,从而实现算法最优的性能。为了验证YOLOv2+SegNet模型的有效性,从医院采集的数据集中选取560张乳腺MRI增强图像作为训练和测试(其中训练和测试集分别为415张和145张乳腺MRI数据)。在实验的过程中,运用YOLOv2+SegNet模型,分别对乳腺肿块型、非肿块型、肿块和非肿块混合型3类MRI数据进行肿瘤区域自动分割的实验。实验结果表明:YOLOv2+SegNet模型和SegNet网络分割结果的Dice系数相比有约10%的提升,与传统的C-V模型、模糊C均值聚类、光谱映射主动轮廓模型以及深度模型U-net、DeepLab相比有更为明显的提升。

关键词：深度学习检测和分割模型磁共振增强成像乳腺癌肿块型非肿块型

来源：评论

学校读者我要写书评

暂无评论

量化权值激活的生成对抗网络

引用

计算机科学 2020年第5期47卷 144-148页

作者：郑哲胡庆浩刘青山冷聪南京信息工程大学自动化学院南京210044 中国科学院自动化研究所南京人工智能芯片创新研究院南京211100 江苏省大数据分析技术重点实验室南京210044

近年来,生成对抗网络(Generative Adversarial Networks,GAN)在图像超分辨率、图像生成等许多计算机视觉任务中展现出优异的性能。借助于GPU强大的计算力,人们可以设计计算复杂度更高的GAN网络。然而,对于资源受限的移动端设备,高功耗... 详细信息

近年来,生成对抗网络(Generative Adversarial Networks,GAN)在图像超分辨率、图像生成等许多计算机视觉任务中展现出优异的性能。借助于GPU强大的计算力,人们可以设计计算复杂度更高的GAN网络。然而,对于资源受限的移动端设备,高功耗、计算需求大的GAN将很难被直接部署到实际应用中。得益于神经网络压缩技术取得的巨大进展,将GAN部署到移动端设备成为可能。为此,文中提出一种同时对网络权值和激活进行量化的方案来压缩GAN网络。通过量化敏感性分析发现,与量化分类网络不同,GAN中的量化权重比量化激活更敏感,因此在量化时给予权重更多的量化比特。文中比较了两种评价GAN生成图像的指标即Inception Score(IS)和Fréchet Inception Distance(FID),发现FID更适合评估量化后GAN的性能。基于敏感性分析在Mnist和Celeb-A数据集上进行量化实验,用FID指标来评估量化GAN的性能。实验结果表明:在生成图像质量不下降的情况下,所提方法依然可以取得4倍以上的压缩率,从而有效地解决了GAN的压缩问题。

关键词：生成对抗网络资源受限移动端设备神经网络压缩量化

来源：评论

学校读者我要写书评

暂无评论

动态需求响应概念扩展及研究重点

引用

电力系统自动化 2019年第14期43卷 207-215页

作者：姚建国张凯锋丁哲通李亚平杨胜春夏旻中国电力科学研究院有限公司(南京) 江苏省南京市210003 复杂工程系统测量与控制教育部重点实验室(东南大学) 江苏省南京市210096 江苏省大数据分析技术重点实验室(南京信息工程大学) 江苏省南京市210044

在短时间尺度上,掌握需求侧资源的动态响应特性以及与电网动态变化过程的配合关系对于发挥资源的灵活调节作用、促进电网安全稳定运行具有重要作用.文中在对需求响应相关概念及研究成果进行梳理的基础上,认识到动态需求响应能够改善电... 详细信息

在短时间尺度上,掌握需求侧资源的动态响应特性以及与电网动态变化过程的配合关系对于发挥资源的灵活调节作用、促进电网安全稳定运行具有重要作用.文中在对需求响应相关概念及研究成果进行梳理的基础上,认识到动态需求响应能够改善电网的动态过程品质,拓展了动态需求响应的新内涵,扩大了动态需求响应的作用范围.在阐明新内涵后,从大范围、多类型资源的研究视角出发,分析了动态需求响应面临的挑战,提出了面向大规模多样化资源的动态需求响应研究重点,包括动态需求响应资源辨识、资源的动态特性分析、适应动态需求响应的市场机制设计、动态需求响应控制理论及控制策略等4个方面,并对各项研究重点进行了概括和展望.

关键词：动态需求响应动态过程资源辨识市场机制控制理论

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

高光谱半监督分类的标签约束弹性网图算法

引用

计算机应用与软件 2020年第12期37卷 184-190页

作者：陈逸闫培新陈基伟孙玉宝江苏省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江苏南京210044 南京信息工程大学自动化学院江苏南京210044 中国人民解放军63936部队北京102202

图半监督算法联合利用少量的标定样本与大量的无标签数据进行学习,可缓解高光谱图像的维数灾难问题,被广泛应用于高光谱图像分类,其核心在于如何确定图模型中各样本的近邻样本。提出一种高光谱图像半监督分类的标签约束弹性网图算法。... 详细信息

图半监督算法联合利用少量的标定样本与大量的无标签数据进行学习,可缓解高光谱图像的维数灾难问题,被广泛应用于高光谱图像分类,其核心在于如何确定图模型中各样本的近邻样本。提出一种高光谱图像半监督分类的标签约束弹性网图算法。充分利用有限的样本标签信息,通过顶点间的约束传递形成标签约束矩阵,进而针对每一顶点自适应选取符合标签约束的像素作为表示字典。通过在该字典上的弹性网表示来选择与其最为关联的近邻样本,构建高光谱图像的图表示模型,并基于该图模型实现高光谱图像的半监督分类。实验结果验证了该算法的有效性,相比多个半监督算法,分类准确性更高。

关键词：高光谱图像标签约束弹性网表示半监督分类

来源：评论

学校读者我要写书评

暂无评论

特征注意金字塔调制网络的视频目标分割

引用

中国图象图形学报 2019年第8期24卷 1349-1357页

作者：汤润发宋慧慧张开华姜斯浩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

目的视频目标分割是在给定第1帧标注对象掩模条件下,实现对整个视频序列中感兴趣目标的分割。但是由于分割对象尺度的多样性,现有的视频目标分割算法缺乏有效的策略来融合不同尺度的特征信息。因此,本文提出一种特征注意金字塔调制网络... 详细信息

目的视频目标分割是在给定第1帧标注对象掩模条件下,实现对整个视频序列中感兴趣目标的分割。但是由于分割对象尺度的多样性,现有的视频目标分割算法缺乏有效的策略来融合不同尺度的特征信息。因此,本文提出一种特征注意金字塔调制网络模块用于视频目标分割。方法首先利用视觉调制器网络和空间调制器网络学习分割对象的视觉和空间信息,并以此为先验引导分割模型适应特定对象的外观。然后通过特征注意金字塔模块挖掘全局上下文信息,解决分割对象多尺度的问题。结果实验表明,在DAVIS 2016数据集上,本文方法在不使用在线微调的情况下,与使用在线微调的最先进方法相比,表现出更具竞争力的结果,J-mean指标达到了78. 7%。在使用在线微调后,本文方法的性能在DAVIS 2017数据集上实现了最好的结果,J-mean指标达到了68. 8%。结论特征注意金字塔调制网络的视频目标分割算法在对感兴趣对象分割的同时,针对不同尺度的对象掩模能有效结合上下文信息,减少细节信息的丢失,实现高质量视频对象分割。

关键词：视频对象分割全卷积网络调制器空间金字塔注意机制

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：