检索结果-内蒙古大学图书馆

系统工程与电子技术 2024年第2期46卷 478-487页

作者：扈琪胡绍海刘帅奇河北大学电子信息工程学院河北保定071002 北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044

针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候... 详细信息

针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候选区域的虚警,提取目标轮廓,从而实现目标的精确检测。所提方法能够由粗到细地快速捕获目标区域,从而实现高效、高分辨率合成孔径雷达图像舰船检测。最后,在真实SAR数据集进行了测试,与其他经典的舰船检测方法相比,所提算法不仅有效地抑制了海杂波的影响,而且在检测精度上有较大提高。

关键词： SAR图像目标检测非下采样剪切波变换显著性检测活动轮廓模型

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的布里渊分布式光纤传感器降噪

引用

光学学报 2024年第1期44卷 387-397页

作者：罗阔王宇瑶朱柏蓉余贶琭北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044 香港理工大学电子及信息工程系光子研究所中国香港999077

首先,利用自洽约束生成对抗网络(SCGAN)建模布里渊增益谱(BGS)中的真实噪声分布,生成噪声数据用于去噪卷积神经网络训练。通过对高斯噪声和SCGAN生成噪声进行直方图统计和幅度谱分析,证明了两种噪声的差异。然后,利用2种噪声分别训练3... 详细信息

首先,利用自洽约束生成对抗网络(SCGAN)建模布里渊增益谱(BGS)中的真实噪声分布,生成噪声数据用于去噪卷积神经网络训练。通过对高斯噪声和SCGAN生成噪声进行直方图统计和幅度谱分析,证明了两种噪声的差异。然后,利用2种噪声分别训练3种最新的去噪卷积神经网络,在不同温度、不同信噪比的实验数据上对比了各网络的性能。实验结果表明,所提方法能准确获取低信噪比BGS的布里渊频移,说明基于生成对抗网络的噪声提取方式能够有效地建模真实噪声,更好地训练有监督网络。

关键词：光纤光学布里渊分布式光纤传感图像去噪生成对抗网络自洽约束噪声建模

来源：评论

学校读者我要写书评

暂无评论

基于GBDT的铁路事故类型预测及成因分析

引用

自动化学报 2022年第2期48卷 470-478页

作者：钟敏慧张婉露李有儒朱振峰赵耀北京交通大学信息科学研究所北京100044 北京市现代信息科学与网络技术重点实验室北京100044

运用数据挖掘技术进行铁路事故类型预测及成因分析,对于建立铁路事故预警机制具有重要意义.为此,本文提出一种基于梯度提升决策树(Grandient boosting decision tree,GBDT)的铁路事故类型预测及成因分析算法.针对铁路事故记录数据缺失... 详细信息

运用数据挖掘技术进行铁路事故类型预测及成因分析,对于建立铁路事故预警机制具有重要意义.为此,本文提出一种基于梯度提升决策树(Grandient boosting decision tree,GBDT)的铁路事故类型预测及成因分析算法.针对铁路事故记录数据缺失的问题,提出一种基于属性分布概率的补全算法,最大程度保持原有数据分布,从而降低数据缺失对事故类型预测造成的影响.针对铁路事故记录数据类别失衡的问题,提出一种集成的GBDT模型,完成对事故类型的鲁棒性预测.在此基础上,根据GBDT预测模型中特征重要度排序,实现事故成因分析.通过在开放数据库上进行实验,验证了本文模型的有效性.

关键词：事故类型预测缺失补全 GBDT 集成学习成因分析

来源：评论

学校读者我要写书评

暂无评论

基于无监督深度学习的红外与可见光图像融合

引用

航空学报 2022年第S01期43卷 173-181页

作者：孙秀一胡绍海马晓乐北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044

目前已知的多数基于卷积神经网络的红外与可见光图像融合模型没有充分利用来自可见光源图像的层次特征,因此导致融合图像细节纹理不足。受残差网络和密集网络的启发,提出了一种基于无监督深度学习的图像融合算法来解决融合图像细节纹理... 详细信息

目前已知的多数基于卷积神经网络的红外与可见光图像融合模型没有充分利用来自可见光源图像的层次特征,因此导致融合图像细节纹理不足。受残差网络和密集网络的启发,提出了一种基于无监督深度学习的图像融合算法来解决融合图像细节纹理信息不足的问题。使用的残差密集块有连续存储机制,最大程度地保留每层的特征信息,局部残差融合和全局残差融合的设计有利于学习图像中的结构纹理。此外,为了更好地保留可见光图像中的细节纹理,引入了生成对抗网络对数据集进行无监督学习。主客观实验表明,该算法不仅获得了良好的视觉融合效果,融合图像具有更多的边缘纹理信息,在客观评价指标上对比现有优秀的算法也较大的提升。

关键词：无监督学习残差密集网络生成对抗网络红外图像可见光图像图像融合

来源：评论

学校读者我要写书评

暂无评论

基于多模态特征转换嵌入的场景图生成

引用

信号处理 2023年第1期39卷 51-60页

作者：张若楠安高云北京交通大学信息科学研究所北京100044 现代信息科学与网络技术重点实验室北京100044

场景图生成是计算机视觉领域中的热点研究方向,可连接上、下游视觉任务。场景图由形式为的三元组组成,模型需要对整幅图像的全局视觉信息进行编码,从而辅助场景理解。但目前模型在处理一对多、多对一和对称性等特殊的视觉关系时仍存在... 详细信息

场景图生成是计算机视觉领域中的热点研究方向,可连接上、下游视觉任务。场景图由形式为<主语-谓语-宾语>的三元组组成,模型需要对整幅图像的全局视觉信息进行编码,从而辅助场景理解。但目前模型在处理一对多、多对一和对称性等特殊的视觉关系时仍存在问题。基于知识图谱与场景图的相似性,我们将知识图谱中的转换嵌入模型迁移至场景图生成领域。为了更好地对此类视觉关系进行编码,本文提出了一种基于多模态特征转换嵌入的场景图生成框架,可对提取的视觉和语言等多模态特征进行重映射,最后使用重映射的特征进行谓语类别预测,从而在不明显增加模型复杂度的前提下构建更好的关系表示。该框架囊括并补充了现存的几乎所有转换嵌入模型的场景图实现,将四种转换嵌入模型(TransE、TransH、TransR、TransD)分别应用于场景图生成任务,同时详细阐述了不同的视觉关系类型适用的模型种类。本文所提框架扩展了传统应用方式,除独立模型之外,本文设计了新的应用方式,即作为即插即用的子模块插入到其他网络模型。本文利用大规模语义理解的视觉基因组数据集进行实验,实验结果充分验证了所提框架的有效性,同时,得到的更丰富的类别预测结果表明了本文所提框架有助于解决数据集中的长尾偏差问题。

关键词：场景图生成知识图谱转换嵌入模型图像语义场景理解

来源：评论

学校读者我要写书评

暂无评论

深度学习时代下的RGB-D显著性目标检测研究进展

引用

软件学报 2023年第4期34卷 1711-1731页

作者：丛润民张晨徐迈刘鸿羽赵耀北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044 北京航空航天大学电子信息工程学院北京100191

受人类的视觉注意力机制启发,显著性目标检测任务旨在定位给定场景中最吸引人注意的目标或区域.近年来,随着深度相机的发展和普及,深度图像已经被成功应用于各类计算机视觉任务,这也为显著性目标检测技术提供了新思路.通过引入深度图像... 详细信息

受人类的视觉注意力机制启发,显著性目标检测任务旨在定位给定场景中最吸引人注意的目标或区域.近年来,随着深度相机的发展和普及,深度图像已经被成功应用于各类计算机视觉任务,这也为显著性目标检测技术提供了新思路.通过引入深度图像,不仅能使计算机更加全面地模拟人类视觉系统,而且深度图像所提供的结构、位置等补充信息也可以为低对比度、复杂背景等困难场景的检测提供新的解决方案.鉴于深度学习时代下RGB-D显著目标检测任务发展迅速,旨在从该任务关键问题的解决方案出发,对现有相关研究成果进行归纳、总结和梳理,并在常用RGB-DSOD数据集上进行不同方法的定量分析和定性比较.最后,对该领域面临的挑战及未来的发展趋势进行总结与展望.

关键词：显著性目标检测 RGB-D图像跨模态信息交互深度质量感知

来源：评论

学校读者我要写书评

暂无评论

多阶段重建内容协同优化的图像修复算法

引用

信号处理 2025年第2期41卷 325-337页

作者：秦佳白慧慧王梦丽翟双姣晋赞霞秦品乐曾建潮中北大学计算机科学与技术学院山西太原030051 北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044

随着数字图像技术的快速发展,图像已经成为日常生活学习中信息传递的重要载体之一。然而,由于错误传输、不当存储或者关键信息被遮挡等情况造成的图像信息丢失,往往影响人们对图像信息的理解和分析。近几年,大量渐进式图像修复算法被提... 详细信息

随着数字图像技术的快速发展,图像已经成为日常生活学习中信息传递的重要载体之一。然而,由于错误传输、不当存储或者关键信息被遮挡等情况造成的图像信息丢失,往往影响人们对图像信息的理解和分析。近几年,大量渐进式图像修复算法被提出,通过由粗到精的修复方式逐步生成受损图像的缺失信息,使修复后的图像在视觉和内容上接近原始图像。然而,在这种渐进式图像修复的结构中,低渐进层的错误往往容易传递到高渐进层中,造成修复结果在图像内容上有误,难以达到人眼视觉要求。针对这一问题,本文提出了一种多阶段重建内容协同优化的图像修复算法(Image inpainting algorithm based on multi-stage reconstruction collaborative optimization,MSNet),在渐进修复中融入并行结构,通过对三阶段渐进层内容的协同优化,提高修复结果的准确性。具体来说,在该网络的初步修复阶段后,提出了一种并行的图像内容精细化修复模块(Parallel image content refinement module,PCRM),通过基于自注意力的U-Net和增强的残差网络两个分支并行地修复图像结构和细节信息。其中,基于自注意力的U-Net倾向于对图像的结构特征进行抽象提取,并通过Multi-Head自注意力机制进行全局恢复。而增强残差网络结构则通过优化特征值区分度的方式,提升重要细节信息的表征能力,使残差网络能够更关注于重要细节的恢复。在PCRM后,为了融合第二阶段所得的多个修复重建信息,细节-结构融合模块被提出来,将细节信息合理嵌入到结构中,提高多渐进层特征在空间表征上的兼容性,减少纹理与结构不统一所造成的图像视觉不连续问题,以生成更加符合客观现实的修复结果。实验结果表明,与现有的修复算法对比,本文提出的算法可以生成纹理更加清晰,视觉上更加逼真的结果。

关键词：图像修复特征融合渐进式图像修复图像复原

来源：评论

学校读者我要写书评

暂无评论

HEVC对偶编码单元划分优化算法

引用

北京航空航天大学学报 2022年第8期48卷 1383-1389页

作者：刘美琴徐晨铭姚超林春雨赵耀北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044 北京科技大学计算机与通信工程学院北京100083

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualN... 详细信息

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualNet,来降低HEVC中帧内编码复杂度。该网络由预测网络和目标网络2个部分组成,其中,预测网络通过分析图像统计特征实现编码单元划分决策,从而跳过四叉树的遍历搜索,提高编码单元划分决策的时间效率;目标网络基于率失真代价评价和优化决策模型提升编码单元划分性能,实现模型互补和最优率失真估计。实验结果表明:与HEVC标准对比,所提算法在实现相近的压缩效果的前提下能够节省64.06%的编码时间。

关键词：视频编码 H.265/HEVC 编码单元(CU)划分深度学习对偶神经网络

来源：评论

学校读者我要写书评

暂无评论

分级特征反馈融合的深度图像超分辨率重建

引用

自动化学报 2022年第4期48卷 992-1003页

作者：张帅勇刘美琴姚超林春雨赵耀北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044 北京科技大学计算机与通信工程学院北京10004483

受采集装置的限制,采集的深度图像存在分辨率较低、易受噪声干扰等问题.本文构建了分级特征反馈融合网络(Hierarchical feature feedback network,HFFN),以实现深度图像的超分辨率重建.该网络利用金字塔结构挖掘深度-纹理特征在不同尺... 详细信息

受采集装置的限制,采集的深度图像存在分辨率较低、易受噪声干扰等问题.本文构建了分级特征反馈融合网络(Hierarchical feature feedback network,HFFN),以实现深度图像的超分辨率重建.该网络利用金字塔结构挖掘深度-纹理特征在不同尺度下的分层特征,构建深度-纹理的分层特征表示.为了有效利用不同尺度下的结构信息,本文设计了一种分级特征的反馈式融合策略,综合深度-纹理的边缘特征,生成重建深度图像的边缘引导信息,完成深度图像的重建过程.与对比方法相比,实验结果表明HFNN网络提升了深度图像的主、客观重建质量.

关键词：深度图像超分辨率重建特征融合残差学习

来源：评论

学校读者我要写书评

暂无评论

面向压缩图像复原的网络增强训练方法

引用

信号处理 2022年第6期38卷 1192-1201页

作者：廖理心赵耀韦世奎北京交通大学信息科学研究所现代信息科学与网络技术北京市重点实验室

高质量的数据是深度卷积神经网络成功的关键因素之一。在计算机视觉领域，常用图像数据集通常以JPEG格式存储。这种有损压缩技术不可避免地会导致原始数据信息的丢失，进而造成利用压缩数据训练的卷积神经网络的性能降低。因此，为了增... 详细信息

高质量的数据是深度卷积神经网络成功的关键因素之一。在计算机视觉领域，常用图像数据集通常以JPEG格式存储。这种有损压缩技术不可避免地会导致原始数据信息的丢失，进而造成利用压缩数据训练的卷积神经网络的性能降低。因此，为了增强卷积神经网络的性能，本文提出了一种面向压缩图像复原的增强训练方法，通过复原压缩图像实现卷积神经网络的性能增强。该方法具体为一个包含复原模块和任务模块的联合增强框架。复原模块致力于恢复有损压缩技术造成的信息丢失；任务模块专注于基于任务需求增强压缩图像。两个模块联合训练，使得压缩图像的复原增强更具有目的性。本文通过图像分类任务的实验表明，与压缩图像相比，该方法能有效地复原压缩图像，增强卷积神经网络的性能。此外，该方法中两个模块间的低耦合性和可替代性保证了该方法的适用性。

关键词：压缩图像复原联合增强

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：