检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2024年第2期36卷 258-272页

作者：张瑀卿刘骊付晓东刘利军彭玮昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500

针对民族服装风格多样、款式和配饰复杂,导致单视角三维服装重建结构不完整、风格不准确和局部特征模糊等问题,为了学习和映射民族服装的潜在风格特征,提出一种单视角三维服装重建的民族风格表征学习方法.首先结合定义的民族服装形状风... 详细信息

针对民族服装风格多样、款式和配饰复杂,导致单视角三维服装重建结构不完整、风格不准确和局部特征模糊等问题,为了学习和映射民族服装的潜在风格特征,提出一种单视角三维服装重建的民族风格表征学习方法.首先结合定义的民族服装形状风格和几何拓扑构建形状表征,学习形状潜在特征;然后基于区域定位和关键点,并融合定义的款式风格、着装部位进行款式表征,得到局部感知区域图,以学习款式潜在特征;再联合形状、款式特征以及定义的对称损失函数,隐式重建出民族服装的初步模型;最后在卷积网络中引入图像的超像素特征、Branch分支和配饰的语义解析建立配饰表征,并编码UV位置图到特征空间,生成民族服装的最终模型.在自定义的少数民族服装数据集上的实验结果表明,所提方法的倒角距离和法线余弦距离分别为1.732和0.13,较已有方法降低11%和18%,能够提高单视角三维民族服装重建的精度,生成具有民族风格的三维服装模型.

关键词：少数民族服装图像三维服装重建表征学习形状表征隐式重建语义解析

来源：评论

学校读者我要写书评

暂无评论

基于多种群与协同量子化的哈里斯鹰优化算法

引用

控制与决策 2024年第7期39卷 2169-2176页

作者：李岩钱谦昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500

哈里斯鹰优化算法(Harris Hawks optimization,HHO)存在探索能力和开发能力平衡性不足等问题,导致算法收敛速度较慢,寻优精度较低,容易陷入局部最优.针对这些问题,引入多种群策略解决初始化种群单一的问题,提出基于多种群的多能量策略... 详细信息

哈里斯鹰优化算法(Harris Hawks optimization,HHO)存在探索能力和开发能力平衡性不足等问题,导致算法收敛速度较慢,寻优精度较低,容易陷入局部最优.针对这些问题,引入多种群策略解决初始化种群单一的问题,提出基于多种群的多能量策略模拟两只体能不同的猎物的逃跑过程,使两个种群向不同的方向进化,以提高探索阶段与开发阶段的搜索能力.此外,协同量子化策略的加入在迭代前期可避免算法陷入局部极值,在迭代后期可提高算法的寻优精度.最后,通过对测试函数的优化结果进行分析可以得出,与其他一些经典或最新的算法相比,改进后的算法可大大提高最优解的收敛速度和寻优精度,同时具有更强的跳出局部最优的能力.

关键词：哈里斯鹰优化算法多种群多能量策略量子化协同群优化

来源：评论

学校读者我要写书评

暂无评论

细粒度民族服饰图像检索的全局-局部特征提取方法

引用

模式识别与人工智能 2021年第5期34卷 463-472页

作者：周前前刘骊刘利军付晓东黄青松昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500

民族服饰图像具有不同民族风格的服装款式、配饰和图案,导致民族服饰图像细粒度检索准确率较低.因此,文中提出细粒度民族服饰图像检索的全局-局部特征提取方法.首先,基于自定义的民族服饰语义标注,对输入图像进行区域检测,分别获得前景... 详细信息

民族服饰图像具有不同民族风格的服装款式、配饰和图案,导致民族服饰图像细粒度检索准确率较低.因此,文中提出细粒度民族服饰图像检索的全局-局部特征提取方法.首先,基于自定义的民族服饰语义标注,对输入图像进行区域检测,分别获得前景、款式、图案和配饰图像.然后在全卷积网络结构的基础上构建多分支的全局-局部特征提取模型,对不同区域的服饰图像进行特征提取,分别获得全局、款式、图案和配饰的卷积特征.最后,先对全局特征进行相似性度量,得到初步检索结果,再使用Top-50检索结果的局部特征与查询图像的局部特征进行重排序,优化排序并输出最终的检索结果.在构建的民族服饰图像数据集上的实验表明,文中方法有效提高民族服饰图像检索的准确率.

关键词：细粒度图像检索民族服饰图像全局特征局部特征重排序

来源：评论

学校读者我要写书评

暂无评论

基于引导滤波和小波变换的太阳冕环结构自动识别算法研究

引用

中国科学：技术科学 2019年第3期49卷 268-276页

作者：张礼冯松昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500

冕环是太阳大气中的炙热等离子在太阳磁场的作用下产生的一种太阳特征结构;研究冕环动力学特征将促进我们对太阳日冕磁场,日冕加热和日冕振荡等研究.冕环结构的准确识别和提取则是相关研究的前提条件.然而由于日冕磁场的复杂性,使得对... 详细信息

冕环是太阳大气中的炙热等离子在太阳磁场的作用下产生的一种太阳特征结构;研究冕环动力学特征将促进我们对太阳日冕磁场,日冕加热和日冕振荡等研究.冕环结构的准确识别和提取则是相关研究的前提条件.然而由于日冕磁场的复杂性,使得对冕环结构识别和提取面临很大的困境.为此,本文提出了一个新的冕环识别算法.该算法结合了引导滤波和小波变换模极大值的方法来对冕环结构进行自动识别和提取.识别和提取算法过程如下:(1)运用模糊函数对太阳日冕图像的对比度进行增强;(2)使用引导滤波对增强后的图像进行滤波来增强冕环结构的边缘;(3)对滤波过后的图像使用小波变换模极大值法来识别图像中的冕环结构,并对识别出的冕环图像进行二值化处理;(4)对二值化图像进行形态学处理来获取冕环结构.运用该算法对由过渡区和日冕探测器(Transition and Coronal Explorer, TRACE)和太阳动力观测站的大气成像装置(Atmospheric Imaging Assembly on the Solar Dynamics Observatory, SDO/AIA)观测设备在171?波段所观测的日冕图像中的冕环结构进行识别和提取,并同已有文献的识别结果进行了对比,结果表明本文所提出的算法具有很高的识别率和很好的鲁棒性.所识别和提取的冕环结构能进一步用于科学研究中.

关键词：小波变换引导图像滤波模糊函数日冕冕环

来源：评论

学校读者我要写书评

暂无评论

民族服装图像描述生成的局部属性注意网络

引用

计算机辅助设计与图形学学报 2024年第3期36卷 399-412页

作者：张绪辉刘骊付晓东刘利军彭玮昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500

针对民族服装图像属性信息复杂、类间相似度高且语义属性与视觉信息关联性低,导致图像描述生成结果不准确的问题,提出民族服装图像描述生成的局部属性注意网络.首先构建包含55个类别、30000幅图像,约3600 MB的民族服装图像描述生成数据... 详细信息

针对民族服装图像属性信息复杂、类间相似度高且语义属性与视觉信息关联性低,导致图像描述生成结果不准确的问题,提出民族服装图像描述生成的局部属性注意网络.首先构建包含55个类别、30000幅图像,约3600 MB的民族服装图像描述生成数据集;然后定义民族服装208种局部关键属性词汇和30089条文本信息,通过局部属性学习模块进行视觉特征提取和文本信息嵌入,并采用多实例学习得到局部属性;最后基于双层长短期记忆网络定义包含语义、视觉、门控注意力的注意力感知模块,将局部属性、基于属性的视觉特征和文本编码信息进行融合,优化得到民族服装图像描述生成结果.在构建的民族服装描述生成数据集上的实验结果表明,所提出的网络能够生成包含民族类别、服装风格等关键属性的图像描述,较已有方法在精确性指标BLEU和语义丰富程度指标CIDEr上分别提升1.4%和2.2%.

关键词：民族服装图像图像描述生成文本信息嵌入局部属性学习注意力感知

来源：评论

学校读者我要写书评

暂无评论

结合类型感知注意力的少样本知识图谱补全

引用

数据分析与知识发现 2023年第9期7卷 51-63页

作者：普祥和王红斌线岩团昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省人工智能重点实验室昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500

【目的】现有少样本知识图谱补全方法在处理复杂关系时不能很好地区分邻居重要性,导致实体预测性能不佳。考虑充分利用实体邻居信息,提高少样本知识图谱补全方法的性能。【方法】通过类型感知邻居编码器学习实体邻居中包含的隐含类型信... 详细信息

【目的】现有少样本知识图谱补全方法在处理复杂关系时不能很好地区分邻居重要性,导致实体预测性能不佳。考虑充分利用实体邻居信息,提高少样本知识图谱补全方法的性能。【方法】通过类型感知邻居编码器学习实体邻居中包含的隐含类型信息,得到类型感知注意力,增强实体表示;利用Transformer编码器捕获任务关系的不同含义;通过联合匹配原型网络聚合参考集得到参考集表示并进行实体预测。【结果】在NELL和Wiki两个公共数据集上进行实体预测任务,实验结果表明,MRR指标分别较Baseline方法提高了1.6和1.2个百分点。【局限】未对与实体相关性较低的邻居进行筛选,使类型感知注意力权重的分配受到噪声影响。【结论】本文方法能够通过学习更丰富的实体邻居信息来有效提高少样本知识图谱补全的性能。

关键词：少样本知识图谱补全实体预测类型感知注意力

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的多模态级联文档布局分析网络

引用

浙江大学学报（工学版） 2024年第2期58卷 317-324,369页

作者：温绍杰吴瑞刚冯超文刘英莉昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省计算机技术应用重点实验室云南昆明650500

针对现有方法在文本和图像模态的预训练目标上存在嵌入不对齐,文档图像采用基于卷积神经网络(CNN)的结构进行预处理,流程复杂,模型参数量大的问题,提出基于Transformer的多模态级联文档布局分析网络(MCOD-Net).设计词块对齐嵌入模块(WAE... 详细信息

针对现有方法在文本和图像模态的预训练目标上存在嵌入不对齐,文档图像采用基于卷积神经网络(CNN)的结构进行预处理,流程复杂,模型参数量大的问题,提出基于Transformer的多模态级联文档布局分析网络(MCOD-Net).设计词块对齐嵌入模块(WAEM),实现文本和图像模态预训练目标的对齐嵌入,使用掩码语言建模(MLM)、掩码图像建模(MIM)和词块对齐(WPA)进行预训练,以促进模型在文本和图像模态上的表征学习能力.直接使用文档原始图像,用图像块的线性投影特征来表示文档图像,简化模型结构,减小了模型参数量.实验结果表明,所提模型在PubLayNet公开数据集上的平均精度均值(mAP)达到95.1%.相较于其他模型,整体性能提升了2.5%,泛化能力突出,综合效果最优.

关键词：文档布局分析词块对齐嵌入 Transformer MCOD-Net模型

来源：评论

学校读者我要写书评

暂无评论

铝硅合金实体关系抽取数据集的构建方法

引用

浙江大学学报（工学版） 2022年第2期56卷 245-253页

作者：刘英莉吴瑞刚么长慧沈韬昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省计算机技术应用重点实验室云南昆明650500

针对材料领域没有适合材料实体关系抽取技术研究工作的公开数据集这一问题,通过研究高硅铝合金喷射沉积文献提出铝硅合金实体关系抽取数据集的构建方法.在材料领域专家的指导下制定铝硅合金实体关系抽取数据集的构建标准,并根据构建标... 详细信息

针对材料领域没有适合材料实体关系抽取技术研究工作的公开数据集这一问题,通过研究高硅铝合金喷射沉积文献提出铝硅合金实体关系抽取数据集的构建方法.在材料领域专家的指导下制定铝硅合金实体关系抽取数据集的构建标准,并根据构建标准对收集的数据进行实体标注和关系标注.在标注完成后,通过数据预处理生成铝硅合金实体关系抽取数据集.通过实体关系联合抽取模型进行实验,验证该数据集可以应用于实体关系抽取任务.与公开数据集相比,材料数据集句子的语义和语法更为复杂,长句更多,导致实体关系联合抽取模型在材料数据集上的表现略差.针对上述问题,在实体关系联合抽取模型上加入自注意力机制,使该模型整体的F1值提高了约5.8%.该数据集的构建方法具有普适性,可以通过该构建方法构建材料数据集.

关键词：数据集构建标准数据标注实体关系联合抽取模型自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5的轻量化无人机检测算法

引用

湖南大学学报（自然科学版） 2023年第12期50卷 28-38页

作者：彭艺凃馨月杨青青李睿昆明理工大学信息工程与自动化学院云南昆明650031 昆明理工大学云南省计算机技术应用重点实验室云南昆明650500

针对现有的无人机检测算法无法同时兼顾检测速度及检测精度的问题,本文提出了一种基于YOLOv5s(You Only Look Once)的轻量化无人机检测算法TDRD-YOLO(Tiny Drone Real-time Detection-YOLO).该算法首先以YOLOv5s的多尺度融合层和输出检... 详细信息

针对现有的无人机检测算法无法同时兼顾检测速度及检测精度的问题,本文提出了一种基于YOLOv5s(You Only Look Once)的轻量化无人机检测算法TDRD-YOLO(Tiny Drone Real-time Detection-YOLO).该算法首先以YOLOv5s的多尺度融合层和输出检测层分别作为颈部网络和头部网络,引入MobileNetv3轻量化网络对原骨干网络进行重构,并将骨干网络后的通道在原YOLOv5s的基础上进行压缩,减小网络模型大小;其次,将骨干网络中Bneck模块的注意力机制由SE修改为(Convolutional Block Attention Module,CBAM)并在颈部网络引入CBAM,使网络模型更加关注目标特征;最后修改颈部网络的激活函数为h-swish,进一步提高模型精度.实验结果表明:本文提出的TDRD-YOLO算法平均检测精度达到96.8%,与YOLOv5s相比,参数量减小到原来的1/11,检测速度提升1.5倍,模型大小压缩到原来的1/8.5.实验验证了本文算法可在大幅降低模型大小、提升检测速度的同时保持良好的检测性能.

关键词：无人机检测 YOLOv5 轻量化注意力机制深度学习

来源：评论

学校读者我要写书评

暂无评论

基于多密度流聚类的UAV-NOMA用户分簇与功率分配算法

引用

湖南大学学报（自然科学版） 2024年第6期51卷 86-97页

作者：杨青青韩卓廷彭艺吴桐昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省计算机技术应用重点实验室云南昆明650500

针对无人机(Unmanned Aerial Vehicle,UAV)辅助非正交多址(Non-Orthogonal Multiple Access,NOMA)下行通信系统,提出了最大化和速率的用户动态分簇与功率分配方案.考虑用户服务质量与UAV位置约束,建立了和速率最大化的优化问题.由于目... 详细信息

针对无人机(Unmanned Aerial Vehicle,UAV)辅助非正交多址(Non-Orthogonal Multiple Access,NOMA)下行通信系统,提出了最大化和速率的用户动态分簇与功率分配方案.考虑用户服务质量与UAV位置约束,建立了和速率最大化的优化问题.由于目标函数的非凸性,将原问题解耦为三个子问题,分别优化UAV位置部署与用户连接、用户动态分簇、功率分配以提高系统性能.首先,基于K-means算法设计了UAV位置部署与用户连接方案,以减小路损为目的确定UAV最佳部署位置,同时选择其服务的最优用户群;其次,改进多密度流聚类(Multi-Density Stream Clustering, MDSC)算法,提出了单UAV下用户静态与动态分簇方案,静态分簇方案可自适应平衡簇数与簇用户数,并获得较大的簇内用户信道增益差异,动态分簇方案则针对用户移动属性,制定了即时更新策略;最后,使用分式规划(Fractional Programming,FP)二次变换的方法,引入辅助变量将原非凸问题变换为凸问题,交替优化辅助变量与功率分配因子,获得原非凸问题的次优解.仿真结果表明,与其他算法相比,本文分簇方案能获得更大的簇内信道差异与更小的簇内用户数标准差,同时用户系统性能也获得了显著提升.

关键词：无人机非正交多址位置部署动态分簇功率分配

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：