检索结果-内蒙古大学图书馆

哈尔滨理工大学学报 2024年

作者：王星月任洪娥陶锐东北林业大学计算机与控制工程学院黑龙江林业智能装备工程研究中心呼伦贝尔学院

遮挡行人重识别（ReID）是一项旨在将遮挡人物图像与整体图像进行匹配的人物检索任务。为了解决遮挡问题，基于局部特征的方法已经被证明是有效的，因为它们提供了小粒度的信息，并且非常适合表示部分可见的人体。针对基于局部的模型训... 详细信息

遮挡行人重识别（ReID）是一项旨在将遮挡人物图像与整体图像进行匹配的人物检索任务。为了解决遮挡问题，基于局部特征的方法已经被证明是有效的，因为它们提供了小粒度的信息，并且非常适合表示部分可见的人体。针对基于局部的模型训练存在的两个挑战：身体部位外观不像全局外观那样具有可辨别性与身体部位错位。LGFNet（local-global feature Net），基于自注意力机制，生成感受野大小自行调整的空间注意力图，进行全局-局部特征联合学习。LGFNet在Market-1501数据集上，Rank-1为95.2%，mAP为86.5%；在DukeMTMC-reID数据集上Rank-1为90.2%，mAP为80.3%；在Occluded-Duke数据集上Rank-1为71.5%，mAP为60.9%。相较同类方法，在准确率方面均取得了显著提升。

关键词：遮挡行人重识别计算机视觉自注意机制三元组损失

来源：评论

学校读者我要写书评

暂无评论

融合全局语义的CLIP-GPT图像描述模型

引用

哈尔滨理工大学学报 2024年第2期29卷 16-24页

作者：陶锐任洪娥曹海燕东北林业大学信息与计算机工程学院哈尔滨150040 呼伦贝尔学院计算机学院内蒙古呼伦贝尔021008 黑龙江省林业智能装备工程研究中心哈尔滨150040

图像描述是指为图像自动生成与其内容相符的语言描述。桥接计算机视觉和自然语言处理两个领域的预训练模型构建图像描述模型时,跨模态语义一致性是共享子空间嵌入的核心问题。本文将图像拆分成若干片作为视觉语义单元与语言特征进行自... 详细信息

图像描述是指为图像自动生成与其内容相符的语言描述。桥接计算机视觉和自然语言处理两个领域的预训练模型构建图像描述模型时,跨模态语义一致性是共享子空间嵌入的核心问题。本文将图像拆分成若干片作为视觉语义单元与语言特征进行自由的跨模态关联,突破了有限视觉特征分类的限制;联合运用掩码学习和图文特征匹配两个损失函数,挑选高难度负样本训练跨模态跳接网络提取一致性全局语义,提高了子空间邻域内高相似度图文特征点匹配的准确度。在MS COCO和Flickr30k两个数据集上的实验结果表明,与同样采用CLIP+GPT生成图像描述的模型及其他主流模型相比,性能均有提升,证明了所提出模型的有效性。

关键词：跨模态图像描述预训练模型共享子空间语义对齐

来源：评论

学校读者我要写书评

暂无评论

风格迁移和标签细化的域自适应行人重识别

引用

哈尔滨理工大学学报 2025年

作者：董柔汐朱朦任洪娥赵龙陶锐东北林业大学计算机与控制工程学院哈尔滨学院信息工程学院黑龙江林业智能装备工程研究中心黑龙江东方学院信息工程学院呼伦贝尔学院计算机学院

针对单独采用生成对抗网络难以充分获取行人特征且聚类生成伪标签存在噪声的问题，提出了生成对抗网络进行风格迁移，融合空间和通道注意力机制，进行全局和局部特征标签细化的域自适应行人重识别模型（Style Transfer and Label Refine... 详细信息

针对单独采用生成对抗网络难以充分获取行人特征且聚类生成伪标签存在噪声的问题，提出了生成对抗网络进行风格迁移，融合空间和通道注意力机制，进行全局和局部特征标签细化的域自适应行人重识别模型（Style Transfer and Label Refinement， STALR）。该方法利用生成对抗网络和聚类的双重域自适应网络，融入注意力机制对行人的全局和局部特征进行提取，利用局部和全局特征的关系相互进行标签的细化，获取更准确的标签训练网络。实验结果表明，提出的模型在DukeMTMC-reID/Market1501作为源域，Market1501/DukeMTMC-reID作为目标域，mAP（Mean Average Precision）分别取得82.5%和71.8%，Rank-1分别取得93.8%和83.7%，识别效果优于现有域自适应行人重识别的算法。

关键词：计算机视觉行人重识别域自适应伪标签细化

来源：评论

学校读者我要写书评

暂无评论

UNET与FPN相结合的遥感图像语义分割

引用

液晶与显示 2021年第3期36卷 475-483页

作者：王曦于鸣任洪娥东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 黑龙江省林业智能装备工程研究中心黑龙江哈尔滨150040

针对传统的遥感图像分割方法效率低下,复杂场景下分割精细度不够,以及UNET模型对于图像中包含的较小目标以及较大目标的边缘分割效果不佳等问题,本文提出了一种UNET结构与FPN结构相结合的方法,提升UNET模型整合多尺度信息的能力,同时辅... 详细信息

针对传统的遥感图像分割方法效率低下,复杂场景下分割精细度不够,以及UNET模型对于图像中包含的较小目标以及较大目标的边缘分割效果不佳等问题,本文提出了一种UNET结构与FPN结构相结合的方法,提升UNET模型整合多尺度信息的能力,同时辅以能更好地捕捉目标边缘的BLR损失函数,提升UNET模型对目标边界的分割效果。实验结果表明,本文所使用的方法有效提升了语义分割的精度,较好地缓解了对小尺度目标和大尺度目标边缘分割不佳的问题。该方法对目标边缘分割更精准,达到更好的分割效果。

关键词：深度学习 UNET FPN BLR

来源：评论

学校读者我要写书评

暂无评论

融合L-α的YOLO-v4小目标检测算法

引用

哈尔滨理工大学学报 2023年第1期28卷 37-45页

作者：张宁于鸣任洪娥陶锐赵龙东北林业大学信息与计算机工程学院哈尔滨150040 黑龙江林业智能装备工程研究中心哈尔滨150040 呼伦贝尔学院内蒙古呼伦贝尔021008 黑龙江东方学院哈尔滨150066

当前基于深度学习的目标检测技术得到了迅速发展,但小目标检测仍然是一个有待改善的难题。相比于大目标,小目标检测任务存在分辨率低、特征易丢失等特点,很多通用的目标检测算法不能直接迁移到小目标检测。特征金字塔融合能有效结合深... 详细信息

当前基于深度学习的目标检测技术得到了迅速发展,但小目标检测仍然是一个有待改善的难题。相比于大目标,小目标检测任务存在分辨率低、特征易丢失等特点,很多通用的目标检测算法不能直接迁移到小目标检测。特征金字塔融合能有效结合深层和浅层的特征,增强对小目标的检测性能,然而现有模型大都忽略了相邻层间融合时的信息不平衡问题。针对此问题,提出将有效融合因子的思想融入YOLO-v4的PANet结构,添加融合因子L-α控制深层向浅层传递的信息量,从而有效提高信息融合效率,增强YOLO-v4对小目标的检测能力。实验表明,加入了L-α的YOLO-v4模型,在Tiny Person数据集上平均精度AP_(50)^(tiny)和AP_(50)^(small)分别提高了2.14%和1.85%,在MS COCO数据集上平均精度AP和AP_(S)分别提高了1.4%和2.7%,且检测结果优于其他小目标检测算法,证明此改进方法对小目标检测有效。

关键词：计算机视觉小目标检测特征金字塔融合因子特征融合

来源：评论

学校读者我要写书评

暂无评论

融合多分支与多粒度特征的东北虎重识别

引用

哈尔滨理工大学学报 2023年第6期28卷 95-102页

作者：李晓楠朱朦任洪娥陶锐东北林业大学信息与计算机工程学院哈尔滨150040 哈尔滨学院哈尔滨150086 黑龙江林业智能装备工程研究中心哈尔滨150040 呼伦贝尔学院内蒙古呼伦贝尔021008

为解决东北虎重识别研究中存在的细节特征提取不充分等问题,提出了一种融合多分支与多粒度特征的东北虎重识别模型CMM-Net。其中,全局分支负责提取宏观上的粗粒度特征;注意力分支通过插入坐标注意力模块加深了网络对重要特征的关注度;... 详细信息

为解决东北虎重识别研究中存在的细节特征提取不充分等问题,提出了一种融合多分支与多粒度特征的东北虎重识别模型CMM-Net。其中,全局分支负责提取宏观上的粗粒度特征;注意力分支通过插入坐标注意力模块加深了网络对重要特征的关注度;局部分支通过将特征图切分成不同条带块,从而提取东北虎更细粒度的局部特征。通过多个分支结构和多个细粒度特征结合来对模型进行优化学习,加强全局特征与局部特征的关联性。同时提出用Circle Loss与Softmax的联合损失来提高网络精度。实验结果表明,在ATRW数据集上所提模型在单摄像头环境下mAP为93.6%,跨摄像头环境下mAP为77.4%,均优于多数文献所提方法,证明了本文模型的有效性。

关键词：东北虎重识别残差网络多分支特征坐标注意力机制 circle loss

来源：评论

学校读者我要写书评

暂无评论

基于多特征融合的残差网络果树叶片病害识别

引用

森林工程 2022年第1期38卷 108-114,123页

作者：朱帅王金聪任洪娥陶锐东北林业大学信息与计算机工程学院哈尔滨150040 东北林业大学机电工程学院哈尔滨150040 黑龙江省林业智能装备工程研究中心哈尔滨150040 呼伦贝尔学院内蒙古呼伦贝尔021008

为分析果树在种植过程中病害的程度和种类,本文提出一种基于改进深度残差网络的果树叶片病害图像识别方法。该网络模型在传统残差神经网络的基础上,通过多尺寸的卷积核代替骨干网络中的7×7卷积核,既增加了网络的宽度,也增加了网络... 详细信息

为分析果树在种植过程中病害的程度和种类,本文提出一种基于改进深度残差网络的果树叶片病害图像识别方法。该网络模型在传统残差神经网络的基础上,通过多尺寸的卷积核代替骨干网络中的7×7卷积核,既增加了网络的宽度,也增加了网络对尺度的适应性。带泄露修正线性单元(Leaky ReLU)激活函数用于替换修正线性单元(Recitified Linear Unit,ReLU)激活函数,该函数以ReLU函数为基础,在函数的负半轴上引入一个非零斜率(Leaky),解决了ReLU函数引起的神经元死亡现象。在平均池化层和全连接层之间加入Dropout(按照一定的概率将神经网络单元暂时从网络中丢弃)操作,合理设置阈值,可以有效地防止卷积神经网络的过拟合。最后,引入SE注意力机制进一步提高网络模型的识别精度。在公共数据集Plant Village(植物村)的实验表明,改进的深度残差网络模型能够很好地识别果树叶片病害,平均准确率可达到99.4%。

关键词：果树叶片病害识别深度残差网络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

融合ReFPN结构与混合注意力的小目标检测算法

引用

哈尔滨理工大学学报 2022年第2期27卷 85-91页

作者：赵一鸣王金聪任洪娥赵龙东北林业大学信息与计算机工程学院哈尔滨150040 东北林业大学机电工程学院哈尔滨150040 黑龙江省林业智能装备工程研究中心哈尔滨150040

基于深度学习的小目标检测研究对于如小人脸识别、遥感图像检测等任务的优化与提升都具有极为重要的意义。但由于图像中的小目标所占像素较少,分辨率低,包含的特征信息不明显,现有方法对小目标的检测效果并不理想。针对此问题,提出一种... 详细信息

基于深度学习的小目标检测研究对于如小人脸识别、遥感图像检测等任务的优化与提升都具有极为重要的意义。但由于图像中的小目标所占像素较少,分辨率低,包含的特征信息不明显,现有方法对小目标的检测效果并不理想。针对此问题,提出一种基于反馈的特征融合网络ReFPN用于YOLOv4算法,两次利用骨干网络提取的原始特征层,加强小目标特征信息,对其进行更精确的位置回归。同时提出混合注意力机制Co-AM充分提取小目标的细节特征信息,抑制无效特征,进一步提高小目标的检测精度。实验结果表明,此文提出的方法使YOLOv4算法在MS COCO数据集上平均精度AP提高了1.9%,小目标平均精度AP_(S)提高了3.3%,检测效果优于现有小目标检测算法,证明了此文提出方法的有效性。

关键词：深度学习小目标检测特征融合注意力机制

来源：评论

学校读者我要写书评

暂无评论

特征响应权重自适应的IoU网络跟踪算法改进

引用

控制与决策 2022年第7期37卷 1752-1762页

作者：陈志旺王莹宋娟刁华康彭勇燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004 燕山大学工业计算机控制工程河北省重点实验室河北秦皇岛066004 国网黑龙江省电力有限公司佳木斯供电公司黑龙江佳木斯154002 燕山大学电气工程学院河北秦皇岛066004

基于IoU网络提出一种IT-AWCR(IoU network tracking with adaptive weighted characteristic responses)目标跟踪算法.首先,根据目标运动速度设计目标搜索区域确定策略,通过理论分析使用ResNet50的block 3、block 4卷积块的输出分别作为目标的浅层和深层特征表示;然后,以目标定位准确度和滤波模型抗干扰能力为评价指标,通过优化算法自适应计算目标深、浅特征响应加权权重,从加权融合响应中获取目标粗略位置和边界框,经扰动操作获取多个候选边界框输入IoU调制-预测网络预测IoU值,取最大IoU对应边界框为最终预测目标边界框;最后,根据训练样本的相关学习权重和样本间相似度更新生成样本集,基于样本集采用稀疏优化策略实现滤波模型更新.OTB2015和VOT2018数据集上的实验结果验证了所提出算法的有效性.

关键词：目标跟踪 IoU ResNet50 权重自适应样本集更新滤波模型

来源：评论

学校读者我要写书评

暂无评论

基于DCN的无监督域自适应行人重识别方法

引用

液晶与显示 2021年第11期36卷 1573-1582页

作者：杨海伦王金聪任洪娥陶锐东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 东北林业大学机电工程学院黑龙江哈尔滨150040 黑龙江林业智能装备工程研究中心黑龙江哈尔滨150040 呼伦贝尔学院内蒙古呼伦贝尔021008

为解决无监督行人重识别研究中存在的遮挡、域间及相机间风格差异较大等问题,本文提出基于可变形卷积的无监督域自适应模型。针对特征提取过程中的遮挡问题提出基于可变形卷积的CNN模型;在预训练阶段提出应用SPGAN直接减小域间差异,训... 详细信息

为解决无监督行人重识别研究中存在的遮挡、域间及相机间风格差异较大等问题,本文提出基于可变形卷积的无监督域自适应模型。针对特征提取过程中的遮挡问题提出基于可变形卷积的CNN模型;在预训练阶段提出应用SPGAN直接减小域间差异,训练过程中提出使用CycleGAN生成不同相机风格图像缓解相机风格差异性问题;提出多损失协同训练的方法实现CycleGAN和复用CNN模型的迭代优化进一步提高识别准确率。实验结果表明,本文提出的方法在源域DukeMTMC-reID/Market-1501和目标域Market-1501/DukeMTMC-reID下进行实验,mAP和Rank-1分别达到了68.7%、64.1%和88.2%、78.1%。本文所提出的模型有效缓解了行人被遮挡、域间及相机间风格差异较大等问题,与现有方法比较,有更好的识别效果。

关键词： DCN 生成对抗网络无监督域自适应多损失训练

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：