检索结果-内蒙古大学图书馆

图学学报 2025年第2期46卷 393-401页

作者：方程浩王康侃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江苏南京210094

在有限标签样本的条件下,单视角点云的三维人体姿态和形状估计一直存在模型估计精度低、泛化能力弱等问题。现有的方法通常采用微调方法优化模型,但对新样本的微调步骤大大增加了运行复杂度,本质上没有提高模型的泛化能力。为解决以上问... 详细信息

在有限标签样本的条件下,单视角点云的三维人体姿态和形状估计一直存在模型估计精度低、泛化能力弱等问题。现有的方法通常采用微调方法优化模型,但对新样本的微调步骤大大增加了运行复杂度,本质上没有提高模型的泛化能力。为解决以上问题,提出了一种基于半监督学习的三维人体姿态与形状估计方法,在有限的标签数据条件下,利用大量无标签人体点云数据提高模型估计精度和泛化能力。具体地,首先对无标签数据进行弱增强和强增强,同时估计2种增强样本的三维人体参数模型。然后对弱增强样本的预测结果进行伪标签准确性判断,并基于一致性正则化思想约束强增强样本的预测结果,以迭代方式逐步优化伪标签质量和增加用于训练的伪标签数量,进而提升模型的估计精度。该算法在多种公开数据集上做了充分的定量和定性实验,实验结果证明该算法在有限标签样本的条件下提高了三维人体姿态和形状的估计精度,并增强了模型的泛化性能。

关键词：三维人体姿态与形状估计单视角点云半监督学习伪标签点云数据增强

来源：评论

学校读者我要写书评

暂无评论

多源高分辨率卫星遥感海岸线数据集

引用

计算机与数字工程 2025年第1期53卷 202-208页

作者：曹恒硕丁宁钱建军王厚军李广宇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京210014 国家海洋技术中心天津300112

岸线研究可为海岸带科学规划利用、海洋生态保护以及岸线高效管理等方面提供巨大支持,已成为当前研究热点,海岸线数据集在其中扮演着重要角色。论文构建了高分辨率卫星遥感海岸线数据集,该数据集具有数据源多样化、岸线覆盖范围广、图... 详细信息

岸线研究可为海岸带科学规划利用、海洋生态保护以及岸线高效管理等方面提供巨大支持,已成为当前研究热点,海岸线数据集在其中扮演着重要角色。论文构建了高分辨率卫星遥感海岸线数据集,该数据集具有数据源多样化、岸线覆盖范围广、图像分辨率高、标注实例数目大等优势。首先,基于四颗卫星,论文收集海量多源海岸线原始遥感图像,并对其进行数据预处理以消除畸变;其次,提出基于实地测绘和目视解释融合的类别标签提取方法,以获取多源卫星遥感图像类别标签;再次,基于设计的自动化裁剪方法,对整幅带标签遥感图像进行智能化裁剪,得到多源高分辨率遥感海岸线数据集MHRSCD(Multi-source High-resolution Remote Sensing Coastline Dataset);最后,利用六种经典深度学习网络模型,论文开展一系列验证实验,以证明构建数据集的有效性和实用性。

关键词：卫星遥感多源海岸线数据集深度学习

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

基于迹表示和正则化的显著目标检测算法

引用

计算机辅助设计与图形学学报 2018年第11期30卷 2018-2025页

作者：马晓迪吴茜茵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

显著目标检测旨在快速地辨别自然图像的显著区域.为了更完整地将图像的显著区域与背景分离,根据低秩恢复理论提出基于迹表示和正则化的显著目标检测算法.首先将核范数替换为矩阵的迹表示以获取更低秩的解;然后在模型中加入拉普拉斯正则... 详细信息

显著目标检测旨在快速地辨别自然图像的显著区域.为了更完整地将图像的显著区域与背景分离,根据低秩恢复理论提出基于迹表示和正则化的显著目标检测算法.首先将核范数替换为矩阵的迹表示以获取更低秩的解;然后在模型中加入拉普拉斯正则化项,减少稀疏矩阵和低秩矩阵的联系;最后将位置、颜色和边界连接先验整合成权重矩阵,融入到矩阵分解模型中.在Matlab平台下的MSRA1K, SOD, ECSSD和iCoseg这4个数据集上与13种算法进行比较的实验结果表明,该算法优于其他算法.

关键词：迹表示正则化权重矩阵低秩恢复显著目标检测

来源：评论

学校读者我要写书评

暂无评论

基于相对生成对抗网络的低清小脸幻构

引用

电子与信息学报 2021年第9期43卷 2577-2585页

作者：邵文泽张苗苗李海波南京邮电大学通信与信息工程学院南京210003 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

针对当前代表性低清小脸幻构方法存在的视觉真实感弱、网络结构复杂等问题,提出了一种基于相对生成对抗网络的低清小脸幻构方法(tfh-RGAN)。该文方法的网络架构包括幻构生成器和判别器两个部分,通过像素损失函数和相对生成对抗损失函数... 详细信息

针对当前代表性低清小脸幻构方法存在的视觉真实感弱、网络结构复杂等问题,提出了一种基于相对生成对抗网络的低清小脸幻构方法(tfh-RGAN)。该文方法的网络架构包括幻构生成器和判别器两个部分,通过像素损失函数和相对生成对抗损失函数的联合最小化,实现生成器和判别器的交替迭代训练。其中,幻构生成器结合了残差块、稠密块以及深度可分离卷积算子,保证幻构效果和网络深度的同时降低生成器的参数量;判别器采用图像分类问题中的全卷积网络,通过先后去除批归一化层、添加全连接层,充分挖掘相对生成对抗网络在低清小脸幻构问题上的能力极限。实验结果表明,在不额外显式引入任何人脸结构先验的条件下,该文方法能够以更简练的网络架构输出清晰度更高、真实感更强的幻构人脸。从定量角度看,该文方法的峰值信噪比相较之前的若干代表性方法可提高0.25~1.51 dB。

关键词：图像处理超分辨率人脸幻构深度学习生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

无人飞行器双目视觉位姿估计算法改进与验证

引用

上海交通大学学报 2015年第9期49卷 1387-1393页

作者：张梁徐锦法夏青元于永军南京航空航天大学直升机旋翼动力学国家级重点实验室南京210016 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

针对无人飞行器(UAV)在未知复杂环境下的导航问题,提出一种基于双目视觉的UAV位置和姿态估计算法.利用基于非线性尺度空间的KAZE特征构建立体图像对的特征点检测与描述,用Knn算法进行特征点匹配,导出相机坐标系下特征点三维坐标,用随机... 详细信息

针对无人飞行器(UAV)在未知复杂环境下的导航问题,提出一种基于双目视觉的UAV位置和姿态估计算法.利用基于非线性尺度空间的KAZE特征构建立体图像对的特征点检测与描述,用Knn算法进行特征点匹配,导出相机坐标系下特征点三维坐标,用随机抽样一致(RANSAC)算法与L-M迭代算法获得UAV姿态和位置估计值.实验验证结果表明,基于KAZE特征的UAV双目视觉位姿估计算法的准确性、实时性与可重复性好,能满足UAV实时导航要求.

关键词：无人飞行器双目视觉位姿估计

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

弱对齐的跨光谱人脸检测

引用

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

基于复数核的鲁棒最大间距准则算法

引用

光电工程 2015年第9期42卷 8-13页

作者：卢桂馥邹健王勇安徽工程大学计算机与信息学院安徽芜湖241000 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

现有的最大间距准则(Maximum Margin Criterion,MMC)算法对噪声比较敏感,为了克服这一问题,本文提出了一种基于复数核的鲁棒最大间距准则算法(Robust Maximum Margin Criterion,RMMC)。首先通过鲁棒的复数核将样本映射到复数再生核Hilb... 详细信息

现有的最大间距准则(Maximum Margin Criterion,MMC)算法对噪声比较敏感,为了克服这一问题,本文提出了一种基于复数核的鲁棒最大间距准则算法(Robust Maximum Margin Criterion,RMMC)。首先通过鲁棒的复数核将样本映射到复数再生核Hilbert空间(Complex Reproducing Kernel Hilbert Spaces,CRKHS),然后在CRKHS空间内实施MMC算法。另外,本文也提出了一种求解RMMC的高效算法。实验表明,本文算法对于噪声图像有较好的鲁棒性,其识别率较高。

关键词：鲁棒特征提取维数约减最大间距准则小样本问题

来源：评论

学校读者我要写书评

暂无评论

结合双向混合约束和弹性验证机制的跨模态动作匹配

引用

计算机辅助设计与图形学学报 2023年第4期35卷 503-515页

作者：何雨霖彭淑娟柳欣崔振华侨大学计算机科学与技术学院厦门361021 福建省大数据智能与安全重点实验室厦门361021 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

由于视频骨骼数据的复杂性及语义鸿沟问题,现有的动作匹配方法无法较好地解决不同模态运动数据间的关联匹配问题.为此,提出一个面向RGB视频-三维骨骼数据的跨模态动作匹配学习方法.首先,设计跨模态动作匹配框架,挖掘RGB视频数据和骨骼... 详细信息

由于视频骨骼数据的复杂性及语义鸿沟问题,现有的动作匹配方法无法较好地解决不同模态运动数据间的关联匹配问题.为此,提出一个面向RGB视频-三维骨骼数据的跨模态动作匹配学习方法.首先,设计跨模态动作匹配框架,挖掘RGB视频数据和骨骼序列数据间的共同语义信息;其次,引入权值共享的多模态双层残差结构和双向混合约束,用于挖掘模态间关联,从而生成共享语义嵌入的跨模态表示,极大地提高数据利用率和提升模型的性能;最后,提出弹性验证模块,促使网络在共享语义空间中专注于鉴别性动作特征的学习,有效地提升模型的泛化性能.实验结果表明,该框架可以更加有效地解决RGB视频和骨骼序列2个模态间的动作匹配任务,并在NTU-RGBD和JHMDB数据集上的跨模态ACC和MAP定量分析指数方面均优于现有3种基准算法,较好地实现了异构模态动作间的灵活跨越.

关键词：跨模态动作匹配双层残差结构双向混合约束弹性验证

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：