检索结果-内蒙古大学图书馆

光电子．激光 2010年第6期21卷 949-952页

作者：雷鸣汪日伟王春东于瑞国天津理工大学天津市智能计算及软件新技术重点实验室天津300191 天津理工大学计算机视觉与系统省部共建教育部重点实验室天津300191 天津大学计算机科学与技术学院天津300072

辐射度技术对于具有真实感的图像的合成十分重要。提出了一种基于特征向量的虚拟现实环境中辐射度计算的新方法。该方法采用了并行计算方法计算形状因子矩阵的特征值和特征向量,进而实现对虚拟现实环境中的辐射度进行高效的计算。其性... 详细信息

辐射度技术对于具有真实感的图像的合成十分重要。提出了一种基于特征向量的虚拟现实环境中辐射度计算的新方法。该方法采用了并行计算方法计算形状因子矩阵的特征值和特征向量,进而实现对虚拟现实环境中的辐射度进行高效的计算。其性能总体评价结果显示该方法显著降低了复杂环境中集群计算机系统的有效计算时间,提高了计算效率和加速比。其成果可广泛应用在图像处理、人机交互、可视化、虚拟现实等领域。

关键词：辐射度虚拟现实并行计算特征向量

来源：评论

学校读者我要写书评

暂无评论

基于菲涅尔区模型的年龄段识别方法研究

引用

光电子．激光 2021年第9期32卷 979-984页

作者：张炜宁王春东天津理工大学计算机科学与工程学院天津市智能计算及软件新技术重点实验室计算机视觉与系统教育部重点实验室天津300384

基于步态特征的行为识别技术是一种新兴的人机交互技术,在安保监控、图像处理等许多领域正发挥着巨大作用。目前已经提出的各种行为识别的技术手段中,基于商用的WIFI设备的相关技术因其易于部署、设备成本不高、对应用环境要求低等优势... 详细信息

基于步态特征的行为识别技术是一种新兴的人机交互技术,在安保监控、图像处理等许多领域正发挥着巨大作用。目前已经提出的各种行为识别的技术手段中,基于商用的WIFI设备的相关技术因其易于部署、设备成本不高、对应用环境要求低等优势而得以广泛应用。现有的步态识别研究只可以识别出人的步态,但无法根据步态识别年龄段。在本文中,探讨了菲涅尔区域理论,提出了一种基于WiFi物理层信息的年龄段识别方法,即利用步态识别年龄段。使用菲涅尔区模型来学习步态特征,首先将动作数据集进行去噪处理来收集信道状态信息(CSI)。然后基于菲涅尔区域模型提取信道相位信息的特征值来描述步态动作,最后利用分类算法实现年龄段识别。实验结果表明,该方法具有良好的鲁棒性,在不同的实验环境中的平均识别准确率达到91.2%。因此,本文提出的系统可以应用于复杂的室内场景,具有广泛的应用前景。

关键词：模式识别年龄段识别菲涅尔区步态识别信道状态信息

来源：评论

学校读者我要写书评

暂无评论

一种面向移动边缘计算的多用户细粒度任务卸载调度方法

引用

电子学报 2021年第11期49卷 2202-2207页

作者：崔玉亚张德干张婷杨鹏朱浩丽天津理工大学天津市智能计算及软件新技术重点实验室天津300384 天津理工大学计算机视觉与系统省部共建教育部重点实验室天津300384 天津体育学院体育经济与管理学院天津301617

在移动边缘计算中(Mobile Edge Computing,MEC),任务卸载可以有效地解决移动设备资源受限的问题,但是将全部任务都卸载到边缘服务器并非最优.本文提出一种面向移动边缘计算的多用户细粒度任务卸载调度新方法,把计算任务看作一个有向无环... 详细信息

在移动边缘计算中(Mobile Edge Computing,MEC),任务卸载可以有效地解决移动设备资源受限的问题,但是将全部任务都卸载到边缘服务器并非最优.本文提出一种面向移动边缘计算的多用户细粒度任务卸载调度新方法,把计算任务看作一个有向无环图(Directed Acyclic Graph,DAG),对节点的执行位置和调度顺序进行了优化决策.考虑系统的延迟把计算卸载看作一个约束多目标优化问题(Constrained Multi-object Optimization Problem,CMOP),提出了一个改进的NSGA-Ⅱ算法来解决CMOP.所提出的算法能够实现本地和边缘的并行处理从而减少延迟.实验结果表明,算法能够在实际应用程序中做出最优决策.

关键词：移动边缘计算计算卸载约束多目标优化问题细粒度卸载调度 NSGA-Ⅱ

来源：评论

学校读者我要写书评

暂无评论

动作识别算法的评估策略探讨

引用

光电子．激光 2012年第6期23卷 1166-1172页

作者：高赞张桦蔡安妮计算机视觉与系统省部共建教育部重点实验室天津理工大学天津300384 天津市智能计算及软件新技术重点实验室天津理工大学天津300384 北京邮电大学信息与通信工程学院北京100876

以时空兴趣点特征和支持向量机(SVM)分类器识别方法为基本算法,在广泛使用的公开动作数据集KTH上,从不同角度考察评估策略对动作识别算法性能的影响。实验表明,当采用不同的交叉实验方法时,算法性能的波动最大达到10.5%,而不同数据集划... 详细信息

以时空兴趣点特征和支持向量机(SVM)分类器识别方法为基本算法,在广泛使用的公开动作数据集KTH上,从不同角度考察评估策略对动作识别算法性能的影响。实验表明,当采用不同的交叉实验方法时,算法性能的波动最大达到10.5%,而不同数据集划分方法对算法性能的影响则达到11.87%。因此,通过量化分析得出的结论,可以充分地比较现有算法的真实差异,并为设计合理的评估策略提供参考。

关键词：时空特征支持向量机(SVM) 动作识别评估策略

来源：评论

学校读者我要写书评

暂无评论

YOLO-NKLT视觉SLAM回环检测方法

引用

光电子．激光 2023年第4期34卷 405-412页

作者：刘玮温显斌天津理工大学计算机视觉与系统教育部重点实验室和天津市智能计算及软件新技术重点实验室天津300384

针对存在明显光照变化或遮挡物等室外复杂场景下,现有基于深度学习的视觉即时定位与地图构建(visual simultaneous localization and mapping,视觉SLAM)回环检测方法没有很好地利用图像的语义信息、场景细节且实时性差等问题,本文提出... 详细信息

针对存在明显光照变化或遮挡物等室外复杂场景下,现有基于深度学习的视觉即时定位与地图构建(visual simultaneous localization and mapping,视觉SLAM)回环检测方法没有很好地利用图像的语义信息、场景细节且实时性差等问题,本文提出了一种YOLO-NKLT视觉SLAM回环检测方法。采用改进损失函数的YOLOv5网络模型获取具有语义信息的图像特征,构建训练集,对网络重训练,使提取的特征更加适用于复杂场景下的回环检测。为了进一步提高闭环检测的实时性,提出了一种基于非支配排序的KLT降维方法。通过在New College数据集和光照等变化更复杂的Nordland数据集上进行实验,结果表明:室外复杂场景下,相较于其他传统和基于深度学习的方法,所提方法具有更高的鲁棒性,可以取得更佳的准确率和实时性表现。

关键词：室外复杂场景深度学习损失函数回环检测降维

来源：评论

学校读者我要写书评

暂无评论

一种适用于角膜形变区域的精准分割算法

引用

光电子．激光 2024年第10期35卷 1050-1057页

作者：李婧李明悦赖雨晴白金帅天津理工大学计算机视觉与系统教育部重点实验室和天津市智能计算及软件新技术重点实验室天津300384

分割在圆锥角膜的计算机辅助诊断中起着至关重要的作用。本文针对角膜受力形变的视频图像中如何精准分割角膜区域的问题提出了一种基于全卷积架构融合注意力机制(attention mechanism,AM)的角膜形变区域精准分割算法。它包括3个关键技术... 详细信息

分割在圆锥角膜的计算机辅助诊断中起着至关重要的作用。本文针对角膜受力形变的视频图像中如何精准分割角膜区域的问题提出了一种基于全卷积架构融合注意力机制(attention mechanism,AM)的角膜形变区域精准分割算法。它包括3个关键技术:跳过连接(skip connection,SC)、残差卷积(residual convolutional,RC)和融入全局AM的全卷积架构。SC有效增强了模型学习复杂轮廓细节的能力,RC则允许在保留基本图像特征的同时构建更深层次的特征模型。全局AM则通过从每个卷积和反卷积块中提取精细化的特征映射,从而提高模型的分割精度。通过增强并突出关键区域,实践表明角膜形变区域的更精确分割有效提升圆锥角膜的早期诊断准确率。

关键词：语义分割角膜形变区域全卷积注意力机制(AM) 残差卷积(RC) 圆锥角膜

来源：评论

学校读者我要写书评

暂无评论

基于多级子网络和排序性Dropout机制的人脸属性识别

引用

数据采集与处理 2018年第5期33卷 847-854页

作者：高淑蕾周冕薛彦兵徐光平高赞张桦天津理工大学计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室天津300384

如何提高自然环境下或非受限环境下人脸属性识别的准确率是应用人脸属性的一个重要问题。在日常生活中,人脸姿势和光照等不可控制的因素对识别人脸属性产生了较大影响,如何在上述因素影响下提高识别的精度是我们研究人脸属性识别的关键... 详细信息

如何提高自然环境下或非受限环境下人脸属性识别的准确率是应用人脸属性的一个重要问题。在日常生活中,人脸姿势和光照等不可控制的因素对识别人脸属性产生了较大影响,如何在上述因素影响下提高识别的精度是我们研究人脸属性识别的关键问题。目前卷积神经网络(Convolutional neural network,CNN)在图像分类中已经取得显著性成果,本文通过采用多级子网络和排序性Dropout机制算法重新构建一个网络结构,该结构对处理人脸姿势变化等具有较强的鲁棒性,在CelebA数据集和LFWA数据集中取得较好的效果,且大大降低了网络体积。

关键词：卷积神经网络人脸属性识别深度学习多级子网络排序性Dropout机制

来源：评论

学校读者我要写书评

暂无评论

高铁摩擦片表面裂纹检测方法研究

引用

光电子．激光 2021年第9期32卷 962-969页

作者：张景博汪日伟刘凤连温显斌天津理工大学计算机视觉与系统教育部重点实验室和天津市智能计算及软件新技术重点实验室天津300384 温州大学瓯江学院浙江温州325035

摩擦片的裂纹数目和长度是衡量高铁制动性能的核心评定标准之一,有效的裂纹检测对高铁的安全运行具有重要意义。提出基于CSPDarkNet53主干网络架构的改进算法,实现摩擦片裂纹的在线自动检测。一方面融合双路特征提取网络以增强对于裂纹... 详细信息

摩擦片的裂纹数目和长度是衡量高铁制动性能的核心评定标准之一,有效的裂纹检测对高铁的安全运行具有重要意义。提出基于CSPDarkNet53主干网络架构的改进算法,实现摩擦片裂纹的在线自动检测。一方面融合双路特征提取网络以增强对于裂纹特征检测的敏感度,有效提高摩擦片裂纹检测的准确率;另一方面在YOLO检测模块预测框的去冗余计算环节中,采用目标框加权融合算法(weighted fusion algorithm of target box,WBF)降低误检率。实验结果表明,相较于当前最具有代表性几类目标检测算法,本文采用的方法准确率显著提高,平均精度提升7.64%。

关键词：裂纹检测目标检测深度学习摩擦片

来源：评论

学校读者我要写书评

暂无评论

一种基于机器学习的运动目标阴影检测新方法

引用

光电子．激光 2018年第12期29卷 1317-1324页

作者：张德干陈晨董悦张婷潘兆华天津理工大学计算机科学与工程学院计算机视觉与系统教育部重点实验室天津理工大学计算机科学与工程学院智能计算及软件新技术天津市重点实验室天津300384

运动目标检测是物联网智能视频监控中的一个重要环节。通过对各种阴影检测方法的研究,我们发现仅仅通过一种特征进行处理并不能准确的检测出阴影。因此,本文提出了一种基于机器学习的运动目标阴影检测新方法。该方法深度融合颜色信息、... 详细信息

运动目标检测是物联网智能视频监控中的一个重要环节。通过对各种阴影检测方法的研究,我们发现仅仅通过一种特征进行处理并不能准确的检测出阴影。因此,本文提出了一种基于机器学习的运动目标阴影检测新方法。该方法深度融合颜色信息、光学不变性以及纹理特征等因素,通过机器学习,自适应地进行目标阴影检测,在综合分析三种信息检测结果的基础上,实现对阴影的有效确定。该算法能够有效地结合各种方法的优势,在物联网应用中取得了较好的效果和运行效率。

关键词：物联网机器学习智能视频监控运动目标阴影检测

来源：评论

学校读者我要写书评

暂无评论

基于深度信息和RGB图像的行为识别算法

引用

模式识别与人工智能 2013年第8期26卷 722-728页

作者：申晓霞张桦高赞徐光平薛彦兵张哲天津理工大学计算机视觉与系统教育部重点实验室天津300384 天津理工大学天津市智能计算及软件新技术重点实验室天津300384 Microsoft One Microsoft Way Redmond WA 98052 USA

人体行为识别是计算机视觉领域的一个热点问题,然而目前大部分算法都是仅使用RGB或深度视频序列,很少将它们结合起来进行行为识别.由于它们都有各自的优点且信息是互补的,因此文中研究深度图像和RGB图像的特性,不仅提出两种鲁棒的深度图... 详细信息

人体行为识别是计算机视觉领域的一个热点问题,然而目前大部分算法都是仅使用RGB或深度视频序列,很少将它们结合起来进行行为识别.由于它们都有各自的优点且信息是互补的,因此文中研究深度图像和RGB图像的特性,不仅提出两种鲁棒的深度图和RGB图像上的行为描述算法,而且将它们有效融合,进一步结合多个不同核函数的SVM分类器在具有挑战性的DHA数据集上对它们进行评估.大规模实验结果表明,文中提出的行为描述算法性能比一些最具代表性算法的性能更好.同时,深度数据和RGB图像融合后算法性能得到进一步提高,比单独使用深度数据或RGB图像的性能更好,且具有较好的区分性和鲁棒性.

关键词：行为识别深度信息 RGB图像支持向量机

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：