检索结果-内蒙古大学图书馆

光电子．激光 2011年第12期22卷 1876-1879页

作者：刘凤连汪日伟马忠立天津理工大学计算机视觉与系统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 天津理工大学理学院天津300384

为实现快速鲁棒的同名像点匹配,基于概率统计特征,提出一种针对CCD影像进行快速匹配的方法。首先应用统计方法建立月表整体形状模型和特征形状模型并构建轮廓特征;然后提取轮廓上的关键点作为特征点,随机选择若干特征点对得到候选变换;... 详细信息

为实现快速鲁棒的同名像点匹配,基于概率统计特征,提出一种针对CCD影像进行快速匹配的方法。首先应用统计方法建立月表整体形状模型和特征形状模型并构建轮廓特征;然后提取轮廓上的关键点作为特征点,随机选择若干特征点对得到候选变换;最后对其变换参数进行检验和求精。实验结果表明,本文算法比传统匹配算法的速度有了较大的提高,能够在线性时间内完成三线阵CCD影像中同名像点的匹配。

关键词： CCD影像月表轮廓特征影像匹配

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

基于DAE和TCN的复杂工业过程故障预测

引用

仪器仪表学报 2021年第6期42卷 140-151页

作者：高学金马东阳韩华云高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京重点实验室北京100124

为实时监测复杂工业过程的故障状态,精确预测故障趋势,提出基于降噪自编码和时间卷积网络的故障预测方法。首先,利用随机森林算法筛选故障相关特征。之后,利用堆栈降噪自编码网络提取非线性特征以及特征重构,并根据重构误差构造平方预... 详细信息

为实时监测复杂工业过程的故障状态,精确预测故障趋势,提出基于降噪自编码和时间卷积网络的故障预测方法。首先,利用随机森林算法筛选故障相关特征。之后,利用堆栈降噪自编码网络提取非线性特征以及特征重构,并根据重构误差构造平方预测误差(SPE)统计量作为故障状态特征。最后,针对时间卷积网络残差模块中的ReLU激活函数在负区间内导数为零导致部分神经元无法被激活的问题,设计基于自门控激活函数(Swish)和滤波器响应(FRN)规范化的时间卷积网络(SFTCN)。将得到的SPE组成时间序列,利用SFTCN的预测模型实现其状态趋势预测。通过在TE仿真平台数据和美国密歇根大学智能维修中心实测的轴承全生命数据上的实验表明,与未改进的时间卷积网络对比,所提方法的预测平均绝对百分比误差至少降低20.9%,具有较高的应用价值。

关键词：故障预测随机森林算法降噪自动编码时间卷积网络复杂工业过程

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

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

低速率DoS攻击的短时分析算法的研究

引用

高技术通讯 2011年第9期21卷 928-933页

作者：白媛白中英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 北京邮电大学计算机学院北京100876

针对低速率拒绝服务（DoS）攻击难以检测的问题，提出了采用短时分析技术检测和防御低速率DoS攻击的方法。该方法用短时过界率实现低速率DoS攻击的检测，用短时幅度差（SMD）防止检测过程中的误报。短时分析技术和传统的频域变换方法比... 详细信息

针对低速率拒绝服务（DoS）攻击难以检测的问题，提出了采用短时分析技术检测和防御低速率DoS攻击的方法。该方法用短时过界率实现低速率DoS攻击的检测，用短时幅度差（SMD）防止检测过程中的误报。短时分析技术和传统的频域变换方法比较，用更低的时间复杂度实现低速率DoS攻击的检测；用修正的短时自相关函数实现攻击周期估计，估计的周期应用在周期规避方法中实现低速率DoS攻击的防御，周期规避防御方法改进了已有的协议修正防御方法。理论分析和仿真结果证明了短时分析技术在实现低速率DoS攻击的检测防御方面具有可行性和优越性。

关键词：低速率DoS攻击短时分析短时过界率短时幅度差(SMD) 周期估计

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

增强现实游戏的场景重建和运动物体跟踪技术

引用

计算机工程与应用 2012年第9期48卷 198-200页

作者：饶玲珊林寅杨旭波肖双九上海交通大学软件学院数字艺术实验室上海200240 上海交通大学智能计算与智能系统教育部-微软重点实验室上海200240

针对增强现实游戏应用,介绍了一种基于自然特征的实时跟踪算法,它可以在一个未知但纹理丰富的环境中,不需要任何预先的学习,对相机和若干出现在相机视野里的刚体进行并行跟踪,获得相机和各个刚体的姿态和运动信息,可以在刚体移出相机视... 详细信息

针对增强现实游戏应用,介绍了一种基于自然特征的实时跟踪算法,它可以在一个未知但纹理丰富的环境中,不需要任何预先的学习,对相机和若干出现在相机视野里的刚体进行并行跟踪,获得相机和各个刚体的姿态和运动信息,可以在刚体移出相机视野以及相机剧烈运动导致跟踪丢失的情况下进行自动恢复。基于静态环境中并行相机跟踪和三维重建的算法框架进行扩展和改进,引入了用于交互的运动刚体。结果表明,利用现有的多核处理技术,在含有运动物体的环境中进行相机和运动物体的并行跟踪是可行的,为增强现实环境中同时支持显示和交互提出了廉价易行的解决方案。

关键词：即时定位与地图构建相机跟踪增强现实物体检测

来源：评论

学校读者我要写书评

暂无评论

基于融合模型与语义网络的App用户意图识别研究

引用

计算机工程 2024年第8期50卷 50-63页

作者：陈瀚赵春蕾蒋昊达王春东天津理工大学教育部计算机视觉与系统省部共建重点实验室天津300384 天津市智能计算与软件新技术重点实验室天津300384

随着手机应用软件的流行,应用市场上出现了大量非结构化的中文用户评论。基于用户评论识别App用户意图,可以帮助开发人员对App软件进行有针对性的维护和改善。为了从中准确识别用户意图,提出一种基于融合模型和语义网络的App用户意图识... 详细信息

随着手机应用软件的流行,应用市场上出现了大量非结构化的中文用户评论。基于用户评论识别App用户意图,可以帮助开发人员对App软件进行有针对性的维护和改善。为了从中准确识别用户意图,提出一种基于融合模型和语义网络的App用户意图识别方法FSAUIR。使用百度工具Senta判断评论的情感倾向,构建基于RoBERTa的融合意图分类模型RBMS,通过RoBERTa模型将用户评论转化为语义特征表示,并将其输入到双向门控循环单元中,以提取评论的全局上下文语义信息,同时利用多头自注意力机制和SoftPool获取关键的特征信息,保留主要特征,通过Softmax进行归一化处理,得到意图分类结果。在意图分类的基础上,引入PositionRank模型提取各意图类别下评论的关键词,计算关键词之间的共现关系,构建关键词语义网络,从而更细粒度地识别用户意图。实验结果表明,相比BERT、RoBERTa、RoBERTa-CNN等模型,RBMS模型在人工标注数据集上具有较优的分类性能,准确率、精确率、召回率、F1值分别为87.75%、88.09%、87.80%、87.88%。此外,在意图分类的结果集中,FSAUIR构建的语义网络可以高效地挖掘出用户评论中有价值的信息。

关键词：意图识别意图分类 RoBERTa模型双向循环门控单元 PositionRank模型多头自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于循环自动编码器的间歇过程故障监测

引用

化工学报 2020年第7期71卷 3172-3179页

作者：高学金刘腾飞徐子东高慧慧于涌川北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对间歇过程数据非线性、动态性特征,提出一种基于循环自动编码器(recurrent autoencoder,RAE)的过程故障监测方法。采用长短时记忆(long short-term memory,LSTM)循环神经网络构建自动编码器建立监控模型,相比传统自动编码器,其能有... 详细信息

针对间歇过程数据非线性、动态性特征,提出一种基于循环自动编码器(recurrent autoencoder,RAE)的过程故障监测方法。采用长短时记忆(long short-term memory,LSTM)循环神经网络构建自动编码器建立监控模型,相比传统自动编码器,其能有效挖掘时序样本间的动态关联信息。该方法首先利用批次展开与变量展开相结合的三步展开方法将间歇过程数据展开成二维,并通过滑动窗采样得到模型输入序列;然后使用LSTM构建自动编码器,重构输入序列。进一步,利用重构误差构造平方预测误差(squared prediction error,SPE)统计量实现在线监测。最后将所提方法应用于青霉素发酵仿真和重组大肠杆菌发酵过程监测,结果表明,该方法能及时监测到故障,具有较好的监测性能。

关键词：算法动态建模神经网络 LSTM 过程监测循环自动编码器

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：