检索结果-内蒙古大学图书馆

哈尔滨工程大学学报 2024年第9期45卷 1770-1782页

作者：谷凤伟陆军刘子玄蔡成涛哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室黑龙江哈尔滨150001

针对实际应用中人脸比对面临着场景复杂性高、光照、遮挡等问题,为了提高人脸比对准确率,本文提出了一种基于深度卷积判别网络的人脸比对算法MTC-FaceNetSDM。建立了MTC-FaceNetSDM的深度卷积神经网络,在FaceNet网络前端中融合多任务级... 详细信息

针对实际应用中人脸比对面临着场景复杂性高、光照、遮挡等问题,为了提高人脸比对准确率,本文提出了一种基于深度卷积判别网络的人脸比对算法MTC-FaceNetSDM。建立了MTC-FaceNetSDM的深度卷积神经网络,在FaceNet网络前端中融合多任务级联卷积神经网络得到MTC-FaceNet网络,实现实际场景中的人脸检测提取目标人脸;利用深度卷积神经网络获取高维人脸深度特征,并将FaceNet网络的欧氏距离模块替换为所提出的相似度判别模块SDM,用于高维人脸特征向量比对;最终,利用自制的人脸数据集C-facev1,结合CASIA-WebFace人脸数据集对本文人脸比对算法进行训练,使用人脸数据集LFW和CASIA-FaceV5对训练后的模型进行性能评估。实验结果表明:本文所设计的MTC-FaceNetSDM的人脸比对准确率比MTC-FaceNet整体提高1.48%,对中国人脸比对准确率提高3.80%,可实现多人种的人脸比对,同时该算法具备良好的鲁棒性和泛化能力,达到优良的人脸比对效果,可实际应用于人脸验证系统。

关键词：人脸比对深度卷积判别网络多任务级联卷积神经网络相似度判别模块人脸特征向量

来源：评论

学校读者我要写书评

暂无评论

针对鱼眼图像的FastSAM多点标注算法

引用

哈尔滨工程大学学报 2024年第8期45卷 1427-1433页

作者：乔人杰蔡成涛哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 黑龙江省环境智能感知重点实验室黑龙江哈尔滨150001 哈尔滨工程大学“船海装备智能化技术与应用”教育部重点实验室黑龙江哈尔滨150001

为了解决多点表示方法在鱼眼图像人体检测过程中标注成本高的问题,本文提出了基于FastSAM的多点标注算法,将鱼眼图像数据集本身的矩形框标注作为提示引导框,与原图一起作为输入,通过FastSAM获取较为准确的目标分割标注,根据分割标注与... 详细信息

为了解决多点表示方法在鱼眼图像人体检测过程中标注成本高的问题,本文提出了基于FastSAM的多点标注算法,将鱼眼图像数据集本身的矩形框标注作为提示引导框,与原图一起作为输入,通过FastSAM获取较为准确的目标分割标注,根据分割标注与矩形框的IoU评估分割信息的准确性,对于不准确的个体进一步补全纠错。针对多点表示无法处理中心点不在目标内的问题,提出了基于凸包的多点表示回归策略,直接通过分割信息获取多点表示标注信息,同时设计了相对应的标签分配机制和损失函数。本文的方法可以节省大量的人工成本,同时通过实验验证该算法具有可行性。

关键词：多点标注鱼眼图像人体检测 FastSAM 凸包提示矩形框标签分配损失函数

来源：评论

学校读者我要写书评

暂无评论

基于事件触发自适应时域MPC的船舶靠泊方法

引用

控制与决策 2024年第1期39卷 336-344页

作者：苑守正刘志林郑林熇孙雨鑫哈尔滨工程大学智能科学与工程学院哈尔滨150001 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室哈尔滨150001 中国船舶集团有限公司第七〇三研究所哈尔滨150078

船舶在自动靠泊的过程中会受到风、浪、流和岸壁效应等多种因素的干扰.鉴于此,针对全驱动船舶在复杂海洋条件下的自动靠泊问题,基于事件触发机制和模型预测控制,设计一种船舶自动靠泊控制器,以解决全驱动船舶在模型不确定性、执行器饱... 详细信息

船舶在自动靠泊的过程中会受到风、浪、流和岸壁效应等多种因素的干扰.鉴于此,针对全驱动船舶在复杂海洋条件下的自动靠泊问题,基于事件触发机制和模型预测控制,设计一种船舶自动靠泊控制器,以解决全驱动船舶在模型不确定性、执行器饱和、未知环境扰动以及岸壁效应等因素影响下的船舶自动靠泊问题.首先将船舶的三自由度模型进行线性化和离散化处理,并根据全驱动船舶的特性采用先泊位外镇定再平行靠拢的靠泊方式;然后为了提高求解速度,提出一种基于事件触发的自适应时域模型预测控制方案并进行稳定性分析;最后对一艘全驱动船舶进行仿真实验,将所提出的控制方案与其他已知方法进行对比.实验结果表明,所提出控制方案不仅能明显降低运算时间,而且具有更好的控制效果.

关键词：船舶控制航迹规划自动靠泊模型预测控制事件触发控制

来源：评论

学校读者我要写书评

暂无评论

基于修正辅助变量法的船舶操纵响应模型辨识

引用

哈尔滨工程大学学报 2023年第2期44卷 161-171页

作者：曾道辉蔡成涛哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 船海装备智能化技术与应用教育部重点实验室黑龙江哈尔滨150001 电子政务建模仿真国家工程实验室黑龙江哈尔滨150001

为了解决有色噪声干扰对船舶操纵响应模型参数的有偏估计问题,本文提出一种递推修正辅助变量最小二乘法对船舶操纵二阶响应模型进行参数辨识。算法在递推辅助变量最小二乘法的基础上,针对辨识模型引入动态滤波模型改善有色噪声的统计特... 详细信息

为了解决有色噪声干扰对船舶操纵响应模型参数的有偏估计问题,本文提出一种递推修正辅助变量最小二乘法对船舶操纵二阶响应模型进行参数辨识。算法在递推辅助变量最小二乘法的基础上,针对辨识模型引入动态滤波模型改善有色噪声的统计特性,使得系统被估参数值在有色噪声干扰的情况下也能无偏趋近于参数真值。为了验证所提算法的有效性,在实船Z形试验数据的基础上,将递推修正辅助变量最小二乘法、递推辅助变量最小二乘法、增广最小二乘法和标准最小二乘法所辨识得到的模型的进行比较。结果表明:递推修正辅助变量最小二乘法的辨识模型相比其余三者的辨识模型与船舶实际航向角的拟合精度和泛化精度更高,对应的均方根拟合误差和均方根泛化误差分别可达到1°和2°以下,最大绝对误差分别在3°和4°以下。

关键词：船舶操纵响应模型参数辨识有色噪声辅助变量最小二乘法滤波模型无偏估计 Z形试验

来源：评论

学校读者我要写书评

暂无评论

基于关键点的点对特征三维目标识别算法

引用

北京理工大学学报 2022年第2期42卷 200-207页

作者：陆军韦攀毅王伟哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室黑龙江哈尔滨150001

针对复杂场景下的三维点云目标识别速度慢,准确率低的问题,提出了一种基于关键点的点对特征三维目标识别算法.通过直接对关键点建立点对特征,避免了周围邻域局部曲面的特征计算,具有空间维度小和计算速度快的特点.使用哈希表存储,加快... 详细信息

针对复杂场景下的三维点云目标识别速度慢,准确率低的问题,提出了一种基于关键点的点对特征三维目标识别算法.通过直接对关键点建立点对特征,避免了周围邻域局部曲面的特征计算,具有空间维度小和计算速度快的特点.使用哈希表存储,加快了特征匹配的时间.利用快速投票方案对模型点云和场景点云进行匹配识别,生成候选位姿,利用贪婪算法对候选位姿进行聚类与筛选,采用ICP算法对物体位姿进行优化,基于配准后的点云重叠情况完成目标识别.对提出的算法在多个数据集以及真实场景下进行了实验,验证了所提出的识别方法具有可行性和有效性,且对噪声的鲁棒性较强,具有一定的实际工程应用价值.

关键词：目标识别哈希表快速投票聚类筛选位姿优化

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的SOLOA船舶实例分割算法

引用

智能系统学报 2023年第6期18卷 1197-1204页

作者：孙雨鑫苏丽陈禹升苑守正孟浩哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 哈尔滨工程大学船舶装备智能化技术与应用教育部重点实验室黑龙江哈尔滨150001

目前,可见光船舶图像的实例分割仍然是较有挑战性的工作。由于船舶图像场景复杂多变,多数实例分割算法无法对复杂场景下的船舶图像进行有效分割。本文提出了基于注意力机制的依靠位置分割目标(attention based segmenting objects by lo... 详细信息

目前,可见光船舶图像的实例分割仍然是较有挑战性的工作。由于船舶图像场景复杂多变,多数实例分割算法无法对复杂场景下的船舶图像进行有效分割。本文提出了基于注意力机制的依靠位置分割目标(attention based segmenting objects by locations,SOLOA)船舶实例分割算法,针对网络特征图里实例信息不完善、背景干扰较多的问题,使用空间注意力机制来充分利用分类特征中的实例信息,建模图像实例间的相互关系并与分割特征相融合。实验结果表明,在新构建的船舶图像数据集上进行训练和测试,改进的网络模型能有效地增强网络特征中的实例信息、减弱背景的干扰。SOLOA算法的船舶实例分割准确率高于其他算法,可以很好地适应复杂场景下的船舶分割需求。

关键词：船舶目标实例分割复杂海上场景深度学习卷积神经网络注意力机制单阶段实例分割可见光图像

来源：评论

学校读者我要写书评

暂无评论

自航船模点云数据集的海上船舶检测

引用

哈尔滨工程大学学报 2022年第8期43卷 1156-1162,1168页

作者：何芸倩夏桂华冯鸿超向晶胡乃元哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 黑龙江省环境智能感知重点实验室黑龙江哈尔滨150001 “船海装备智能化技术与应用”教育部重点实验室(哈尔滨工程大学) 黑龙江哈尔滨150001

为了进行激光雷达海上目标检测的算法研究,本文利用自主航行船模与激光雷达等效采集海上场景点云数据,制作了船舶点云数据集。利用深度学习方法,提出了一种适用于船舶点云目标检测的点结构轻量型目标检测网络LASSD,并通过网络剪枝的方... 详细信息

为了进行激光雷达海上目标检测的算法研究,本文利用自主航行船模与激光雷达等效采集海上场景点云数据,制作了船舶点云数据集。利用深度学习方法,提出了一种适用于船舶点云目标检测的点结构轻量型目标检测网络LASSD,并通过网络剪枝的方式提升了速度并缩减了所需的计算资源。提出一种基于候选目标的高阶点云特征局部注意力模块,弥补网络剪枝带来的精度损失。实验表明:本文的LASSD网络仅使用5.3×106的参数量在船舶数据集中达到79.42%的精度,在检测中单幅场景仅花费13.5 ms,检测精度以及运行速度能够在实际应用中提供实时有效的检测结果。

关键词：激光雷达船舶海上环境点云计算机视觉目标检测数据集深度学习

来源：评论

学校读者我要写书评

暂无评论

facenet皮尔森判别网络的人脸识别方法

引用

智能系统学报 2022年第1期17卷 107-115页

作者：谷凤伟陆军夏桂华哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室黑龙江哈尔滨150001

非限制场景下存在光照、遮挡和姿态变化等问题,这严重影响了人脸识别模型的性能和准确度。针对该问题,本文对facenet进行改进,提出了一种基于facenet皮尔森判别网络的人脸识别方法facenetPDN。首先,构建facenetPDN深度卷积神经网络,在fa... 详细信息

非限制场景下存在光照、遮挡和姿态变化等问题,这严重影响了人脸识别模型的性能和准确度。针对该问题,本文对facenet进行改进,提出了一种基于facenet皮尔森判别网络的人脸识别方法facenetPDN。首先,构建facenetPDN深度卷积神经网络,在facenet前端融合多任务级联卷积神经网络进行人脸检测提取目标人脸。然后,通过深度神经网络提取人脸深度特征信息,采用皮尔森相关系数判别模块替换facenet中的欧氏距离判别模块实现人脸深度特征判别。最后,使用CASIA-WebFace和CASIA-FaceV5人脸数据集训练网络。为了证明本文方法的有效性,训练后的模型在LFW和celeA人脸数据集进行测试和评估,并进行对比分析。实验结果表明,改进后的facenetPDN方法的准确度比原来整体提高了1.34%,在融合训练集下提高了0.78%,该算法鲁棒性和泛化能力优良,可实现多人种的人脸识别,对非限制场景下人脸目标具有良好的识别效果。

关键词：非限制场景人脸识别 facenet 多任务级联卷积神经网络人脸检测皮尔森相关系数欧氏距离人脸数据集

来源：评论

学校读者我要写书评

暂无评论

船舶自动靠泊技术的发展现状和趋势

引用

中国造船 2021年第4期62卷 293-304页

作者：刘志林苑守正郑林熇姜家玥孙雨鑫哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室哈尔滨150001 哈尔滨工程大学智能科学与工程学院哈尔滨150001

由于风、浪、流、低速航行和岸壁效应等因素的影响,船舶在靠泊过程中的操纵性会明显降低;同时控制系统的非线性程度明显提高,使得船舶的靠泊控制成为难题。基于船舶自动靠泊的控制特性和难点,论文对该领域的控制方法和研究现状进行了梳... 详细信息

由于风、浪、流、低速航行和岸壁效应等因素的影响,船舶在靠泊过程中的操纵性会明显降低;同时控制系统的非线性程度明显提高,使得船舶的靠泊控制成为难题。基于船舶自动靠泊的控制特性和难点,论文对该领域的控制方法和研究现状进行了梳理,包括神经网络、非线性最优控制、模糊控制等方法在自动靠泊领域的应用等,并对上述方法的国内外发展历史和研究现状进行了分析。最后,根据当前自动靠泊领域存在的问题,对其未来发展趋势进行展望。

关键词：船舶控制自动靠泊非线性控制智能船舶

来源：评论

学校读者我要写书评

暂无评论

全局注意力关系网络的小样本船舶识别

引用

仪器仪表学报 2021年第12期42卷 220-227页

作者：孟浩田洋孙宇婷李涛哈尔滨工程大学智能科学与工程学院哈尔滨150001 哈尔滨工程大学船海装备智能化技术与应用教育部重点实验室哈尔滨150001

实际场景中采集的船舶目标类别样本数量不均衡,模型训练易导致过拟合。传统迁移学习的数据集划分存在类别交叉,造成未标注新类别识别精度低。为解决上述问题,提出了一种跨目标通用全局注意力机制与关系度量网络融合的小样本船舶识别算... 详细信息

实际场景中采集的船舶目标类别样本数量不均衡,模型训练易导致过拟合。传统迁移学习的数据集划分存在类别交叉,造成未标注新类别识别精度低。为解决上述问题,提出了一种跨目标通用全局注意力机制与关系度量网络融合的小样本船舶识别算法。该方法通过在关系网络中引入全局注意力机制,利用关系网络提取到的原始特征,经过全局注意力机制平滑不均衡类别间的目标特征,并与关系网络提取的原始特征融合后进行特征距离度量。该方法增强了全局特征之间的一致性,有利于学习不变的目标特征,提升少样本少标签的船舶目标识别性能,解决了训练过程中类别不均衡导致的过拟合问题。利用自己采集制作的船舶数据集对本文方法进行测试实验,识别精度提高了5.6%(5-shot)、3.2%(1-shot),减小了不均衡类别对模型目标识别造成的影响,增强了模型的鲁棒性。

关键词：小样本船舶识别全局注意力关系度量网络

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：