检索结果-内蒙古大学图书馆

自动化学报 2023年第1期49卷 135-147页

作者：闫梦凯钱建军杨健南京理工大学计算机科学与工程学院南京210094 高维信息智能感知与系统教育部重点实验室南京210094 江苏省社会安全图像与视频理解重点实验室南京210094

跨光谱人脸检测在活体人脸识别、体温筛查等领域有着重要的应用价值.众所周知,可见光人脸易于检测,然而红外人脸难于检测,因此借助可见光图像的人脸检测结果进而完成红外人脸检测是一种有效的解决方案.但是跨光谱图像之间不可避免的存... 详细信息

跨光谱人脸检测在活体人脸识别、体温筛查等领域有着重要的应用价值.众所周知,可见光人脸易于检测,然而红外人脸难于检测,因此借助可见光图像的人脸检测结果进而完成红外人脸检测是一种有效的解决方案.但是跨光谱图像之间不可避免的存在偏差,导致检测精度不高.为了解决这一问题,提出了一种弱对齐跨光谱图像的人脸检测算法,该方法基于跨光谱图像之间的偏差设计了候选框布置策略,并在此基础上提出了跨光谱特征表示方法用于选取最优候选框.此外,本文还构建了一个跨光谱人脸数据集.最后,在跨光谱人脸数据集和OTCBVS人脸数据集上的实验结果证明,该方法能够较好地完成红外图像人脸检测任务.

关键词：弱对齐跨光谱人脸检测计算机视觉

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制及类别层次结构的弱监督目标定位

引用

软件学报 2023年第10期34卷 4916-4929页

作者：冯迅杨健周涛宫辰南京理工大学计算机科学与工程学院模式计算与应用实验室江苏南京210094 高维信息智能感知与系统教育部重点实验室(南京理工大学) 江苏南京210094 江苏省社会安全图像与视频理解重点实验室(南京理工大学) 江苏南京210094

弱监督目标定位是指仅利用图像级的类别标注信息来训练目标定位器,而不需要使用精确的目标位置标注信息来进行算法训练.当前的一些方法往往只能定位出目标对象中最具鉴别性的部分而无法准确地标识出完整的目标对象,或者易受背景无关信... 详细信息

弱监督目标定位是指仅利用图像级的类别标注信息来训练目标定位器,而不需要使用精确的目标位置标注信息来进行算法训练.当前的一些方法往往只能定位出目标对象中最具鉴别性的部分而无法准确地标识出完整的目标对象,或者易受背景无关信息干扰从而导致定位结果不精确.为了解决上述问题,提出一种基于注意力机制和类别层次结构的弱监督目标定位方法.该方法通过对卷积神经网络的注意力图进行均值分割提取更完整的目标区域.进一步,通过类别层次结构网络实现对背景区域注意力的削弱,从而提高对感兴趣目标的定位精度.基于多个网络结构和公共数据集上的大量实验结果表明,相比目前已有的弱监督定位方法,所提方法在多个评价指标下均能够获得更好的定位效果.

关键词：弱监督目标定位网络注意力背景干扰层次结构网络卷积神经网络(CNN)

来源：评论

学校读者我要写书评

暂无评论

图像级标记弱监督目标检测综述

引用

中国图象图形学报 2023年第9期28卷 2644-2660页

作者：陈震元王振东宫辰南京理工大学计算机科学与工程学院南京 210094 高维信息智能感知与系统教育部重点实验室南京 210094 江苏省社会安全图像与视频理解重点实验室南京 210094

目标检测是计算机视觉领域的基本任务之一,根据标签信息的不同,可分为全监督目标检测、半监督目标检测和弱监督目标检测等.弱监督目标检测旨在仅利用图像级别的类别标记信息训练检测器,从而完成对测试图像中所有目标物体的定位和分类.... 详细信息

目标检测是计算机视觉领域的基本任务之一,根据标签信息的不同,可分为全监督目标检测、半监督目标检测和弱监督目标检测等.弱监督目标检测旨在仅利用图像级别的类别标记信息训练检测器,从而完成对测试图像中所有目标物体的定位和分类.因能够显著降低数据标记成本,弱监督目标检测愈发受到关注且已取得令人瞩目的进展.本文由弱监督目标检测的研究意义引人,首先介绍了弱监督目标检测的标签设置及问题定义、基于多示例学习的基础框架和面临的局部主导、实例歧义和计算消耗这3大难题,接着按核心网络架构将该领域的典型算法归纳为3大类,分别是基于优化候选框生成的算法、结合图像分割的算法和基于自训练的算法,并分别阐述各类算法的核心贡献.进一步地,本文通过实验在多种评估指标上对比了各类弱监督目标检测算法的检测效果.在VOC2007(visual object classes 2007)数据集中,平均精度均值(mean average precision,mAP)最高的方法为 MIST(mul-tiple instance self-training)算法(54.9％),正确定位率(correct localization,CorLoc)最高的方法为 SLV(spatial likeli-hood voting)算法(71.1％).在 VOC2012 数据集中,mAP最高的方法为 NDI-WSOD(negative deterministic information weakly supervised object detection)算法(53.9％),CorLor 最高的方法为 P-MIDN(pyramidal multiple instance detection network)算法(73.3％).在 MSCOCO(Microsoft common objects in context)数据集中,在交并比(intersection over union,IoU)阈值为 50％时验证集上的平均精度 ValAP50最高的方法为P-MIDN(pyramidal multiple instance detection network)(27.4％).最后探讨了弱监督目标检测未来的研究方向.本文所总结的弱监督目标检测算法框架,对后续研究人员的网络设计、模型探究和优化方向等都具有一定的参考价值.

关键词：弱监督目标检测弱监督语义分割候选框生成器自训练

来源：评论

学校读者我要写书评

暂无评论

基于姿态与双流神经架构搜索的行人动作识别

引用

中国科学：信息科学 2023年第3期53卷 485-499页

作者：龚申健张姗姗郭煜杨健陶冶南京理工大学计算机科学与工程学院高维信息智能感知与系统教育部重点实验室江苏省社会安全图像与视频理解重点实验室南京210094 地平线北京100085

行人是城市交通场景下的弱势群体,为了避免碰撞,有必要准确地预测他们的动作行为.为此,本文首次提出城市交通场景中行人动作识别这一问题并提出了有针对性的解决方案.首先,我们创建了一个新的行人动作识别数据集(PARD)作为实验的数据基... 详细信息

行人是城市交通场景下的弱势群体,为了避免碰撞,有必要准确地预测他们的动作行为.为此,本文首次提出城市交通场景中行人动作识别这一问题并提出了有针对性的解决方案.首先,我们创建了一个新的行人动作识别数据集(PARD)作为实验的数据基础,并给出了一个有效的基准模型MFVGG,该模型能够以较低的计算成本达到与之前先进人体动作识别方法相当的性能.为了更针对性地解决问题,本文在两个方面对基准模型进行了改进.首先,利用姿态先验来丰富特征表示,构造双流网络融合双分支编码特征.其次,本文引入双流神经架构搜索得到对于这项任务的最优层级网络架构.实验表明,提出的方法的性能超过了一般人体动作识别相关的先进算法.数据集以及代码公布在https://***/Yankeegsj/PARD.

关键词：深度学习计算机视觉动作识别网络架构搜索姿态估计

来源：评论

学校读者我要写书评

暂无评论

基于默认网络内部功能连接能预测抑郁症患者睡眠障碍因子分

引用

磁共振成像 2024年第7期15卷 51-57页

作者：秦姣龙李弘瑄吴烨倪黄晶南京理工大学计算机科学与工程学院高维信息智能感知与系统教育部重点实验室南京210014 南京理工大学计算机科学与工程学院社会安全图像与视频理解江苏省重点实验室南京210014 南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023

目的探究抑郁症(major depression disorder,MDD)患者大脑默认网络(default mode network,DMN)功能连接(functional connectivity,FC)能否预测其睡眠障碍因子分。材料与方法基于REST-meta-MDD公开数据集中满足本实验需求的326例MDD被试静息态功能磁共振成像数据。采用Power模板在全脑中定义了264个脑区节点,分别获取患者的DMN内部FC和DMN与其他网络间的外部FC。采用基于连接组的预测模型在发现数据集上分别基于DMN内部和DMN外部FC对MDD患者的睡眠障碍因子分进行回归预测,独立验证集上检验模型的稳定性。结果在DMN内部FC,发现数据集对MDD患者的睡眠障碍因子分具有一定的预测性(r=0.244,P<0.001),外部独立验证集也有很好的泛化预测效果(r=0.345,P=0.046)。DMN外部FC在发现数据集上对其可进行预测(r=0.238,P<0.001),而独立验证集其泛化性能不足(r=0.256,P=0.143)。结论DMN内部FC对MDD患者睡眠障碍因子分具有一定的预测性。

关键词：抑郁症睡眠障碍默认网络静息态功能磁共振成像磁共振成像

来源：评论

学校读者我要写书评

暂无评论

基于层次保留的知识图谱嵌入链路预测方法

引用

计算机科学与探索 2023年第9期17卷 2174-2183页

作者：钱付兰王文学郑文杰陈洁赵姝安徽大学计算机科学与技术学院合肥230601 计算智能与信号处理教育部重点实验室合肥230601 信息材料和智能感知安徽省实验室合肥230601 南京理工大学计算机科学与工程学院南京210094

知识图谱嵌入(KGE)是预测知识图谱(KGs)中缺失链接的重要工具,它将知识图谱中的实体和关系嵌入到连续低维空间中,并尽可能地保留原数据中隐含的各种信息。近年来,一些知识图谱嵌入方法利用极坐标系对知识图谱中普遍存在的语义层次结构... 详细信息

知识图谱嵌入(KGE)是预测知识图谱(KGs)中缺失链接的重要工具,它将知识图谱中的实体和关系嵌入到连续低维空间中,并尽可能地保留原数据中隐含的各种信息。近年来,一些知识图谱嵌入方法利用极坐标系对知识图谱中普遍存在的语义层次结构进行建模,提升了链路预测任务的性能。然而,这些方法在建模关系时,使用了简单的标度变换并过度关注于实体的层次差,这在一定程度上限制了模型的拟合力。为了应对上述问题,提出了基于层次保留的知识图谱嵌入方法(RHKE),它在建模知识图谱中的关系时考虑了实体本身的层次。具体来说,提出了混合变换,它包含一个倍率项和一个偏差项,当实体层次较低或较高时,标度变换主要受偏差项或倍率项影响。此外,由于变换后模型丢失了实体原本的层次,RHKE使用层次修正项,它将头尾实体的原本层次用不同比例组合后作为关系的附加信息。在多个公开数据集上的实验结果显示,RHKE在链路预测上的性能优于现有的语义层次模型。

关键词：知识图谱嵌入(KGE) 链路预测语义层次极坐标系

来源：评论

学校读者我要写书评

暂无评论

网络监督数据下的细粒度图像识别综述

引用

中国图象图形学报 2022年第7期27卷 2057-2077页

作者：魏秀参许玉燕杨健南京理工大学计算机科学与工程学院南京210094 高维信息智能感知与系统教育部重点实验室南京210094 社会安全图像与视频理解江苏省重点实验室南京210094

细粒度图像识别旨在对某一传统语义类别下细粒度级别的不同子类类别进行视觉识别,在智慧新经济和工业物联网等领域(如智慧城市、公共安全、生态保护、农业生产与安全保障)具有重要的科学意义和应用价值。细粒度图像识别在深度学习的助... 详细信息

细粒度图像识别旨在对某一传统语义类别下细粒度级别的不同子类类别进行视觉识别,在智慧新经济和工业物联网等领域(如智慧城市、公共安全、生态保护、农业生产与安全保障)具有重要的科学意义和应用价值。细粒度图像识别在深度学习的助力下取得了长足进步,但其对大规模优质细粒度图像数据的依赖成为制约细粒度图像识别推广和普及的瓶颈。随着互联网和大数据的快速发展,网络监督图像数据作为免费的数据来源成为缓解深度学习对大数据依赖的可行解决方案,如何有效利用网络监督数据成为提升细粒度图像识别推广性和泛化性的热门课题。本文围绕细粒度图像识别主题,以网络监督数据下的细粒度识别为重点,先后对细粒度识别数据集、传统细粒度识别方法、网络监督下细粒度识别特点与方法进行介绍,并回顾了全球首届网络监督下的细粒度图像识别竞赛的相关情况及冠军解决方案。最后,在上述内容基础上总结和讨论了该领域的未来发展趋势。

关键词：网络监督细粒度图像识别噪声数据长尾分布类间差异小综述

来源：评论

学校读者我要写书评

暂无评论

结合环状原型空间优化的开放集目标检测

引用

中国图象图形学报 2023年第9期28卷 2719-2732页

作者：孙旭豪沈阳魏秀参安鹏南京理工大学计算机科学与工程学院南京210094 高维信息智能感知与系统教育部重点实验室南京210094 社会安全图像与视频理解江苏省重点实验室南京210094 中国海洋石油集团有限公司信息技术中心北京100010

目的现有目标检测任务常在封闭集设定中进行。然而在现实问题中,待检测图片中往往包含未知类别目标。因此,在保证模型对已知类检测性能的基础上,为了提升模型在现实检测任务中对新增类别的目标检测能力,本文对开放集目标检测任务进行研... 详细信息

目的现有目标检测任务常在封闭集设定中进行。然而在现实问题中,待检测图片中往往包含未知类别目标。因此,在保证模型对已知类检测性能的基础上,为了提升模型在现实检测任务中对新增类别的目标检测能力,本文对开放集目标检测任务进行研究。方法区别于现有的开放集目标检测框架在检测任务中将背景类与未知类视为一个类别进行优化,本文框架在进行开放集类别识别的过程中,优先识别候选框属于背景类或是含待识别目标类别,而后再对含待识别目标类别进行已知类与未知类的判别。本文提出基于环状原型空间优化的检测器,该检测器可以通过优化待检测框的特征在高维空间中的稀疏程度对已知类、未知类与背景类进行环状序列判别,从而提升模型对开放集类别的检测性能。在(region proposal networks,RPN)层后设计了随机覆盖候选框的方式筛选相关的背景类训练框,避免了以往开放集检测工作中繁杂的背景类采样步骤。结果本文方法在保证模型对封闭集设定下检测性能的情况下,通过逐步增加未知类别的数量,在Visual Object Classes-Common Objects in Context-20(VOC-COCO-20),Visual Object Classes-Common Objects in Context-40(VOC-COCO-40)以及Visual Object ClassesCommon Objects in Context-60(VOC-COCO-60)数据集中的4个指标上均取得了具有竞争力的结果。同时,通过增加未知类目标的图片数量与包含已知类目标的图片数量的比值wilderness ratio(WR),所提方法在3个对比实验共12项结果中,有10项领先于对比方法。消融实验也证明了方法中每一个模块的有效性。结论本文提出的基于环状原型空间优化的开放集目标检测框架取得了较好的检测效果。通过在实际检测任务中的实验对比,证明了本文方法在不改变模型封闭集识别性能的情况下,有更强的开放集类别检测能力。

关键词：开放集目标检测(OSOD) 原型学习开放集识别(OSR) 目标检测深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于相机视角改善聚类的无监督行人重识别

引用

计算机与数字工程 2025年第2期53卷 384-388页

作者：凌梓轩金忠南京理工大学计算机科学与工程学院南京210094 南京理工大学高维信息智能感知与系统教育部重点实验室南京210094

现有的多数无监督行人重识别采用基于聚类伪标签法,即对无标签的训练数据采用聚类算法生成伪标签并利用这些带伪标签的数据训练一个深度神经网络。然而,在聚类时其忽略了图像在不同相机下的特征差异,会导致即使是同一行人的图片也有可... 详细信息

现有的多数无监督行人重识别采用基于聚类伪标签法,即对无标签的训练数据采用聚类算法生成伪标签并利用这些带伪标签的数据训练一个深度神经网络。然而,在聚类时其忽略了图像在不同相机下的特征差异,会导致即使是同一行人的图片也有可能根据相机标签被分到不同的聚类。因此,提出利用相机视角信息在聚类前对样本间的相似度做一定调整,使其更接近在相同相机下的相似度,便于后续的聚类和模型训练。在多个数据集上的实验表明该做法提升显著。

关键词：行人重识别聚类伪标签相机视角

来源：评论

学校读者我要写书评

暂无评论

级联稀疏卷积与决策树集成的病理图像细胞核分割方法

引用

自动化学报 2021年第2期47卷 378-390页

作者：宋杰肖亮练智超南京邮电大学自动化学院、人工智能学院南京210023 南京理工大学计算机科学与工程学院南京210094 高维信息智能感知与系统教育部重点实验室南京210094

数字病理图像分析对于乳腺癌、肾癌等良恶性分级诊断具有重要意义,其中细胞核的形态测量是病理量化分析的关键.然而,由于病理图像背景复杂,细胞核高密度分布、细胞粘连等,个体细胞核精准分割是一个挑战性问题.本文提出一个级联稀疏卷积... 详细信息

数字病理图像分析对于乳腺癌、肾癌等良恶性分级诊断具有重要意义,其中细胞核的形态测量是病理量化分析的关键.然而,由于病理图像背景复杂,细胞核高密度分布、细胞粘连等,个体细胞核精准分割是一个挑战性问题.本文提出一个级联稀疏卷积与决策树集成学习的细胞核分割模型.该模型由稀疏可分离卷积模块和集成决策树学习的正则化回归模块堆叠级联组成,其中:前者采取秩-1张量分解学习机制,可分层抽取细胞核的多尺度方向分布式抽象特征;而后者采取随机采样、树剪枝以及正则化回归机制提升逐像素回归分类能力.相比于现有深度学习模型,该模型无需非线性激活和后向传播计算,参数规模较小,可实现端到端的学习.通过乳腺、前列腺、肾脏、胃和膀胱等多组病理图像的分割实验表明:该模型能够实现复杂数字病理图像中的高密度细胞核的快速个体目标检测和分割,在Jaccard相似性系数、F1分数和平均边缘距离三个指标上均优于目前CNN2、CNN3和U-Net等深度学习方法,具有较好应用前景.

关键词：数字病理细胞核分割级联稀疏可分离卷积集成决策树正则化回归深层表征学习

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：