检索结果-内蒙古大学图书馆

哈尔滨工业大学学报 2020年第5期52卷 82-91页

作者：张力戈秦小林杨涌黄东中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 重庆机电职业技术大学重庆400036 贵州大学贵阳550025

图像压缩应用领域中,在保证压缩比不变的前提下,为生成有效的公共位图,并降低单位图块截断编码压缩彩色图像时的失真风险,本文提出了一种结合二进制烟花算法的单位图块截断编码方法.该方法首先将彩色图像分成不重叠的子图像块,使用权重... 详细信息

图像压缩应用领域中,在保证压缩比不变的前提下,为生成有效的公共位图,并降低单位图块截断编码压缩彩色图像时的失真风险,本文提出了一种结合二进制烟花算法的单位图块截断编码方法.该方法首先将彩色图像分成不重叠的子图像块,使用权重平面法生成每个子图像块的初始位图;然后,通过局部优化和全局优化两种不同的策略确定每个子图像块初始位图需要优化的位置,将这些位置的值作为烟花算法初始值;在此基础上将烟花算法改为二进制形式并进行优化,生成每个子图像块的公共位图与6个量化值;最后,根据公共位图与6个量化值恢复每个子图像块,根据恢复的子图像块重构压缩图像.通过在测试图像上进行实验验证,并与3种参考方法从压缩图片的细节视觉效果、压缩图片与原图间的均方误差、结构相似性指数3个角度进行对比,结果表明,本文所提方法生成的公共位图有效,且全局优化策略压缩图像效果优于局部优化策略,其中全局优化策略生成的压缩图像与原图间的均方误差均值在分块大小为4×4和8×8时分别为56.9397与106.3174,低于3种对比方法,结构相似性指数均值分别为0.9682与0.9431,高于3种对比方法,通过分析对比表明,所提方法生成的压缩图像与原图间的相似度更高,在保持压缩比的同时有效提升了压缩图像的精度.

关键词：图像压缩块截断编码公共位图二进制烟花算法优化算法

来源：评论

学校读者我要写书评

暂无评论

基于局部多片段的轻量级行为识别网络MLNet

引用

计算机应用 2021年第S01期41卷 51-58页

作者：徐传淇姚宇王浩然胡智翔徐传健中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 常州大学材料科学与工程学院江苏常州213164

针对传统3D卷积神经网络(CNN)对医学和自然场景视频中的动作识别存在输入片段帧数少、正向推理速度慢、网络层数浅、参数量和计算量大的问题,基于2D深度卷积和1D卷积设计了局部时空深度分离卷积模块(LSDW)和时序卷积模块(TCM),进而提出... 详细信息

针对传统3D卷积神经网络(CNN)对医学和自然场景视频中的动作识别存在输入片段帧数少、正向推理速度慢、网络层数浅、参数量和计算量大的问题,基于2D深度卷积和1D卷积设计了局部时空深度分离卷积模块(LSDW)和时序卷积模块(TCM),进而提出了轻量级局部多片段网络MLNet。首先,MLNet的输入是视频中的多个局部片段,这些片段通过间隔采样得到;其次,将输入中的多个局部片段通过LSDW提取相应的时空特征;最后,通过TCM对LSDW输出特征在时序维度进行融合,得到视频动作的全局表示。实验结果表明,利用该方法在公开数据集UCF101和HX上测试,其识别精度分别达到了76%和94.23%,与时序3D卷积网络方法(T3D)相比,识别率分别至少提升了4.89和4.6个百分点,在拥有低的参数量和计算量的同时提高了识别精度和网络的正向推理速度。

关键词： 2D卷积 3D卷积深度可分离卷积时空特征光流行为识别

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的细长路面病害检测方法

引用

计算机应用 2022年第1期42卷 265-272页

作者：许慧青陈斌王敬飞陈志毅覃健中国科学院成都计算机应用研究所成都610041 中国科学院大学北京101408 广东华路交通科技有限公司广州510420 广东交科检测有限公司广州510550 中科院广州电子技术有限公司广州510070

针对细长路面病害人工检测耗时长和当前检测方法精度不足的问题,依据病害的弱语义特性和异常几何属性,提出了能够精准定位和分类出病害的二阶段细长路面病害检测方法Epd RCNN。首先,针对细长路面病害的弱语义特性,提出了一种复用低层特... 详细信息

针对细长路面病害人工检测耗时长和当前检测方法精度不足的问题,依据病害的弱语义特性和异常几何属性,提出了能够精准定位和分类出病害的二阶段细长路面病害检测方法Epd RCNN。首先,针对细长路面病害的弱语义特性,提出了一种复用低层特征并反复融合不同阶段特征的骨干网络;其次,在训练过程中,使用一种符合病害几何属性分布的锚框机制来生成高质量的正样本供网络训练;然后,在单一高分辨率特征图上预测病害包围框,并针对该特征图使用并行级联空洞卷积模块来提升其多尺度特征表达能力;最后,针对形状各异的候选区域,使用由可变形感兴趣区域池化(RoI Pooling)和空间注意力模块组成的候选区域特征改良模块来提取符合病害几何属性的候选区域特征。实验结果表明,所提方法在光照充足图像上的平均准确率均值(mAP)为0.907,在存在光照问题图像上的mAP为0.891,综合mAP为0.899,表明该方法具有良好的检测性能和对光照的鲁棒性。

关键词：细长路面病害卷积神经网络包围框几何属性并行级联空洞卷积候选区域特征空间注意力

来源：评论

学校读者我要写书评

暂无评论

基于深层内嵌混合稀疏堆栈自动编码器和流形集成的精神病语音识别方法

引用

生物医学工程学杂志 2021年第4期38卷 655-662页

作者：张毅秦小林林远李勇明王品张祖伟李小飞中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 中电科技集团重庆声光电有限公司重庆401332 重庆大学微电子与通信工程学院重庆400044 重庆市精神卫生中心重庆400020

语音特征学习是精神病语音识别方法的核心和关键。深层特征学习可以自动提取语音特征,但受限于小样本问题;传统的特征提取(原始特征)避免小样本问题影响,但严重依赖经验且自适应不佳。为了解决这一问题,本文提出了一种深层内嵌混合稀疏... 详细信息

语音特征学习是精神病语音识别方法的核心和关键。深层特征学习可以自动提取语音特征,但受限于小样本问题;传统的特征提取(原始特征)避免小样本问题影响,但严重依赖经验且自适应不佳。为了解决这一问题,本文提出了一种深层内嵌混合稀疏堆栈自动编码器流形集成算法。首先,基于先验知识提取精神病语音特征,构造原始特征。其次,将原始特征内嵌入到稀疏堆栈自动编码器(深度网络)中,对隐藏层的输出进行滤波,增强深层特征与原始特征的互补性。再次,设计L1正则化特征选择机制,压缩由深层特征和原始特征组成的混合特征集的维度。最后,设计了加权局部保持投影算法和集成学习机制,构造了流形投影分类器集成模型,进一步提高了小样本下特征融合的分类稳定性。此外,本文首次设计了一个中大规模的精神病语音采集方案,收集并构建了一个大规模的中文精神病语音数据库,用于精神病语音识别算法的验证。实验结果表明,该算法主要创新部分有效;与其他有代表性的算法相比具有更好的分类准确率,最大改善了3.3%。综上所述,本文提出了一种基于深层内嵌混合稀疏堆栈自动编码器和流形集成的精神病语音识别方法,有效提高了精神病语音识别准确率。

关键词：精神病语音识别深层内嵌混合特征稀疏堆栈自动编码器 L1正则化特征融合流形集成

来源：评论

学校读者我要写书评

暂无评论

基于深度可分离卷积的指静脉识别算法

引用

计算机应用 2020年第S02期40卷 199-203页

作者：邓若辰彭程边赟中国科学院成都计算机应用研究所成都610041 中国科学院大学计算机与控制学院北京100049

针对传统方法在指静脉轴向旋转情况下识别率低的问题,提出了基于深度可分离卷积的指静脉识别算法。首先,通过边缘检测、旋转矫正及图像裁剪等步骤对原始数据集进行了预处理,提取了指静脉图像感兴趣区域(ROI);然后,基于深度可分离卷积设... 详细信息

针对传统方法在指静脉轴向旋转情况下识别率低的问题,提出了基于深度可分离卷积的指静脉识别算法。首先,通过边缘检测、旋转矫正及图像裁剪等步骤对原始数据集进行了预处理,提取了指静脉图像感兴趣区域(ROI);然后,基于深度可分离卷积设计了不同参数量的三种指静脉识别模型,用以对比不同参数规模对于模型性能的影响;最后,使用预处理的数据集进行模型训练,对现有损失函数进行了改进并引入了在线困难样本挖掘策略,提高了模型在轴向旋转情况下的识别率。仿真实验结果表明,该指静脉识别模型Mobile3在测试集上的识别率达到了99.38%,比Gabor wavelet features方法的识别率提高了4.13个百分点,比Pseudo-elliptical transformer方法的识别率提高了1.7个百分点,验证了所提方法在解决指静脉轴向旋转问题上的有效性,同时平均每张图像的测试时间为22.5 ms,说明其识别率和实时性均满足实际应用需求。

关键词：指静脉识别图像处理深度学习卷积神经网络深度可分离卷积

来源：评论

学校读者我要写书评

暂无评论

特征增强SSD算法及其在遥感目标检测中的应用

引用

光子学报 2020年第1期49卷 148-157页

作者：史文旭谭代伦鲍胜利中国科学院成都计算机应用研究所成都610081 中国科学院大学北京100049 西华师范大学数学与信息学院四川南充637009

为了提高对复杂场景下多尺度遥感目标的检测精度,提出了基于多尺度单发射击检测(SSD)的特征增强目标检测算法.首先对SSD的金字塔特征层中的浅层网络设计浅层特征增强模块,以提高浅层网络对小目标物体的特征提取能力;然后设计深层特征融... 详细信息

为了提高对复杂场景下多尺度遥感目标的检测精度,提出了基于多尺度单发射击检测(SSD)的特征增强目标检测算法.首先对SSD的金字塔特征层中的浅层网络设计浅层特征增强模块,以提高浅层网络对小目标物体的特征提取能力;然后设计深层特征融合模块,替换SSD金字塔特征层中的深层网络,提高深层网络的特征提取能力;最后将提取的图像特征与不同纵横比的候选框进行匹配以执行不同尺度遥感图像目标检测与定位.在光学遥感图像数据集上的实验结果表明,该算法能够适应不同背景下的遥感目标检测,有效地提高了复杂场景下的遥感目标的检测精度.此外,在拓展实验中,文中算法对图像中的模糊目标的检测效果也优于SSD.

关键词：遥感图像深度学习目标检测多尺度特征特征金子塔

来源：评论

学校读者我要写书评

暂无评论

基于MobieNetV2轻量级人脸识别算法

引用

计算机应用 2020年第S01期40卷 65-68页

作者：蔡啟军彭程石向文中国科学院成都计算机应用研究所成都610041 中国科学院大学计算机与控制学院北京100049

针对射频识别(RFID)会议报到系统出现漏签、替签等问题,采用一种人脸识别算法辅助报到系统解决上述人证不匹配的问题。由于会议报到系统硬件设备的内存有限,需要一个轻量级的网络模型,所以考虑将MobileNetV2网络作为人脸识别算法的研究... 详细信息

针对射频识别(RFID)会议报到系统出现漏签、替签等问题,采用一种人脸识别算法辅助报到系统解决上述人证不匹配的问题。由于会议报到系统硬件设备的内存有限,需要一个轻量级的网络模型,所以考虑将MobileNetV2网络作为人脸识别算法的研究对象。由于报到系统对实时性和准确率要求比较高,所以需要提高该算法的识别速度和识别准确率,于是对MobileNetV2网络进行改进。为了进一步提高人脸识别的泛化能力和算法的收敛速度,采用自适应缩放余弦损失函数AdaCos替换Arcface损失函数进行网络训练。实验结果表明,所设计的轻量级人脸识别算法在识别准确率、识别速度、算法模型大小等方面取得了很好的效果,该算法在不失精度的前提下,完全可以满足报到系统的需求。

关键词：图像处理深度学习卷积神经网络人脸检测人脸识别

来源：评论

学校读者我要写书评

暂无评论

基于三周期极小曲面的管道爬行机器人

引用

科学技术与工程 2025年第3期25卷 1133-1141页

作者：梁加龙罗凯李德臣陈飞飞上海交通大学机械与动力工程学院上海200240 中国工程物理研究院计算机应用研究所绵阳621900 中国运载火箭技术研究院北京100076

针对流体运输中的小管径管道检测与维护任务,设计并研制了一种小尺寸软体气动管道爬行机器人。该机器人采用解析隐式三周期极小曲面偏置技术,形成具有厚度的实体结构,并通过调整隐式方程参数实现结构刚度的各向异性。在此基础上,设计了... 详细信息

针对流体运输中的小管径管道检测与维护任务,设计并研制了一种小尺寸软体气动管道爬行机器人。该机器人采用解析隐式三周期极小曲面偏置技术,形成具有厚度的实体结构,并通过调整隐式方程参数实现结构刚度的各向异性。在此基础上,设计了径向和纵向变形驱动器,以满足机器人在管道内的灵活运动需求。为优化机器人性能,提出了一种基于MATLAB、Rhino和ABAQUS的联合参数优化框架,并利用Python脚本实现自动化参数优化流程。通过这一框架,可以有效提高机器人的运动性能和适应性。基于两种变形驱动器,设计了管道爬行机器人的整体结构,并详细阐述了制造方法和运动控制步态。实验结果表明,所设计的管道机器人能够在两种不同姿态以及一定载荷条件下稳定地沿管道运动,验证了联合参数优化框架的可行性。研究成果为后续管道爬行机器人的参数化设计和优化研究提供了有价值的参考,有助于推动软体机器人在小管径管道检测与维护领域的应用发展。

关键词：管道爬行机器人三周期极小曲面驱动器结构参数优化软体机器人

来源：评论

学校读者我要写书评

暂无评论

基于RandLA-Net的3D点云牙颌分割与身份识别

引用

计算机应用 2023年第S01期43卷 269-275页

作者：钟侠骄张绍兵郭静王胜朝成苗何莲赵铱民中国科学院成都计算机应用研究所成都610041 中国科学院大学计算机科学与技术学院北京100049 深圳市中钞科信金融科技有限公司广东深圳518206 军事口腔医学国家重点实验室西安710032 口腔疾病国家临床医学研究中心西安710032 陕西省口腔疾病临床医学研究中心西安710032 第四军医大学口腔医院西安710032 陕西省口腔医学重点实验室西安710032

针对PointNet局部特征聚合不充分、保存模型较大、识别精度有待提升等问题,在三维(3D)点云牙颌身份的识别任务中,采用RandLA-Net的编码结构作为主干网络;在分割任务中采用原始RandLA-Net作为主干网络。针对RandLA-Net特征聚合模块聚合... 详细信息

针对PointNet局部特征聚合不充分、保存模型较大、识别精度有待提升等问题,在三维(3D)点云牙颌身份的识别任务中,采用RandLA-Net的编码结构作为主干网络;在分割任务中采用原始RandLA-Net作为主干网络。针对RandLA-Net特征聚合模块聚合单一的问题,在识别任务中采用基于偏移注意力(OA)的特征聚合模块,在分割任务中增添了基于点云的Transformer block模块,相较于RandLA-Net的原始网络,新的网络模块能够更好地聚合局部特征。为了达到大规模开集数据集的身份再识别目的,将分类的交叉熵损失函数替换成了三元组损失函数。针对训练牙颌样本数据较少的问题,采用生成虚拟正样本的方式极大地拓展了数据集。实验结果表明:在识别任务中,相较于原始的RandLA-Net主干网络,识别任务的top-1平均精度提升了3.13个百分点;在分割任务中网络平均精度相较于原始RandLA-Net提升了3.06个百分点,平均交并比(MIoU)提升了6.05个百分点。

关键词：深度学习 RandLA-Net 点云自注意力 Transformer block 开集三元损失

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的智能信息推荐模型构建仿真

引用

计算机仿真 2021年第1期38卷 437-440,480页

作者：杨雅志钟勇李骏中国科学院成都计算机应用研究所四川成都610041 成都工业学院四川成都611730 中国科学院大学北京100049

网络大数据之间独立性较强,导致信息推荐难度较大,无法满足用户个性化要求。提出基于知识图谱的智能信息推荐模型。扩展与改进单元模型,设计领域知识模型,并动态更新知识图谱,设计学习者模型架构。利用牛顿-拉夫逊迭代法求取认知水平,... 详细信息

网络大数据之间独立性较强,导致信息推荐难度较大,无法满足用户个性化要求。提出基于知识图谱的智能信息推荐模型。扩展与改进单元模型,设计领域知识模型,并动态更新知识图谱,设计学习者模型架构。利用牛顿-拉夫逊迭代法求取认知水平,界定信息推荐达成度,实现最优路径的智能信息推荐。仿真结果证明,所构建的模型信息推荐路径更优,且推荐精度更高,具有更高的实际应用价值。

关键词：知识图谱智能信息推荐单元模型知识模型路径优化

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：