检索结果-南通市图书馆

作者：王聪敏华侨大学

学位级别：硕士

随着中国特色社会主义进入新时代,不断增长的社会变革给我国社会经济发展带来巨大活力,伴随着高质量的对外开放和对外引才战略的大力实施,国内外交流日益频繁,入出境人员数量不断增长,使得入出境人员入出境行为异常的评估难度加大,从而... 详细信息

随着中国特色社会主义进入新时代,不断增长的社会变革给我国社会经济发展带来巨大活力,伴随着高质量的对外开放和对外引才战略的大力实施,国内外交流日益频繁,入出境人员数量不断增长,使得入出境人员入出境行为异常的评估难度加大,从而增加了入出境人员行为异常误检的潜在威胁。而提升入出境人员风险防控工作效率,关键是对异常入出境行为的准确识别、及时预警,比如从事与其身份、年龄很不相符的工作,或者表现出不同于大多数正常行为等异常情况。然而,海量的入出境人流使得传统工作方式,如简单的信息查询统计,几乎不可能完成有效的行为异常识别。随着入出境管理信息基础设施的完善,大量入出境人员信息和数据得以实现完整的收集和存储。如何从这些数据获取有价值的信息,进而快速有效地识别入出境行为异常是一项非常有意义的研究。本文主要研究了基于海量数据分析实现入出境人员行为异常识别的关键技术,主要研究内容如下:1)入出境人员入出境行为记录数据及其特征分析。入出境人员的身份信、每次入出境都会形成入出境记录数据,获取方便同步。该数据可以分为人员身份信息数据和人员出入境记录信息数据。对海量的出入境人员身份信息数据和入出境记录信息数据本身进行分析,如入出境数据结构特征、入出境频度、停留时间、出入事由分布等维度进行分析,即是行为模式分类的重要依据,也能大大减少入出境人员入出境行为异常检测的工作量,提高检测效率。2)基于频度的入出境人员入出境行为模式识别。入出境人员的入出境行为模式是未知的,因此需要对其入出境记录数据进行聚类分析,该类数据是典型的时间序列数据。由于出入境记录数据的频度差异较大,为了提高聚类分析效率,本文提出了基于频度的聚类分析方法,分别为低频、中频、高频出入境数据给出了不同的聚类算法,以获得有效的入出境行为模式分类。3)基于决策树的身份信息-入出境行为模式分类。将人员身份信息特征与入出境行为模式之间建立关联,并在此基础上构建人员身份到行为模式的决策树分类器。当输入境外人员身份信息,将给出该人员最可能的几种行为模式。如果其出入境记录对应的行为模式不在这几种行为模式当中,则该境外人员可归类为行为异常人员。将上述关键技术应用到了入出境人员风险评估实践中,结果表明,该方法提高了行为异常人员识别的准确性,有效地缩小了存在风险需要特别关注的范围人群,大幅度减轻了人力工作量和时间成本。

关键词：入出境管理模式分类聚类分析算法决策树

基于特征重构及语义引导的视频自动描述方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征重构及语义引导的视频自动描述方法研究

作者：汪冠鸿华侨大学

学位级别：硕士

随着海量视频数据的爆发和人工智能技术的发展,视频描述任务逐渐成为研究热点。视频描述技术在生活中有着广泛的应用前景,如体育视频解说,电商商品描述,视频标题生成等等。在视频描述领域中,基于编解码结构的序列学习以及融合注意力及... 详细信息

随着海量视频数据的爆发和人工智能技术的发展,视频描述任务逐渐成为研究热点。视频描述技术在生活中有着广泛的应用前景,如体育视频解说,电商商品描述,视频标题生成等等。在视频描述领域中,基于编解码结构的序列学习以及融合注意力及属性等信息的视频描述方法层出不穷。但这些方法存在两个严重的问题:一是视频时序建模表达力不足;二是忽视了视觉与语言的对齐。本文围绕上述两个问题,开展了以下研究:(1)提出一种基于多特征融合及解码重构的视频描述方法。该方法采用空间特征和运动特征融合的方式对视频进行时序建模,从而生成有判别力的视觉表达;同时采用了特征重构的方式优化解码器的学习能力,使其获取更多的从视觉到文本语言的映射关系,从而加强视觉与语言之间的语义关联。(2)提出一种基于多模态特征表示及语义引导的视频描述方法。该方法融合音频、视觉特征等多模态信息去获取视频中的内容,丰富特征的表达能力;进一步设计了一个语义信息编码模块,生成视频中不同视觉实体之间的交互关系;最后构建了多模态注意力机制来引导解码器在不同时刻选择不同的特征或语义信息,提升视觉与语言的关联程度。本文提出的两个方法在视频描述任务的数据集MSVD以及MSR-VTT上进行了大量的实验。实验结果表明本文提出的方法具有良好的性能,能生成高质量的描述。

关键词：视频描述时序建模特征重构语义引导多模态特征

基于深度学习的自由体操视频自动描述方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的自由体操视频自动描述方法研究

作者：贺凤华侨大学

学位级别：硕士

在现代人日益注重健康、推崇体育运动的大背景下,体育视频的数据量和受众群体迅速增长,以及其潜在的应用价值而引起科学研究者和工业界的广泛关注。本文研究的内容是自由体操视频自动描述。所谓自由体操视频自动描述,是指通过观察视频... 详细信息

在现代人日益注重健康、推崇体育运动的大背景下,体育视频的数据量和受众群体迅速增长,以及其潜在的应用价值而引起科学研究者和工业界的广泛关注。本文研究的内容是自由体操视频自动描述。所谓自由体操视频自动描述,是指通过观察视频中运动员的成套动作,来生成该运动员所执行的这套动作的专业名词。本文的研究在体育运动分析,自动解说,运动指导等方面有着广泛的应用价值。本文中对自由体操视频内容自动描述的研究,更具体而言是对自由体操视频中人体动作的自动理解。本文将结合计算机视觉和深度学习相关知识,实现对视频序列中存在的特定的人体运动的智能化标记和表示。本文的主要工作如下:(1)基于长短时记忆网络来实现对自由体操视频的自动描述。在经典的视频描述模型S2VT中,利用长短时记忆网络,来学习单词序列和视频帧序列之间的映射关系。本文引入注意力机制,突出决定自由体操动作的关键帧的重要性。本文建立了专业赛事的自由体操分解动作数据集。在MSVD数据及自建数据集上进行实验,运用计划采样的方法,消除训练解码器和预测解码器之间的差异。实验结果表明了本文改进的方法能提高自由体操视频自动描述的精度。同时,在本文的实验中,也对不同的卷积网络提取特征的效果进行对比,分析了特征提取网络对自由体操动作自动描述的影响。(2)基于三维卷积网络和多标签分类的自由体操视频的自动描述方法。一套自由体操动作由多个分解动作组成。在本文的工作中,构建单个分解动作的分类器,将自由体操动作的自动描述问题转化为多标签分类问题。由前面章节的内容可知,随着特征提取网络深度的增加,实验效果增强,然而二维卷积神经网络在提取特征时会丢失时间信息,所以本文中采用三维卷积网络对视频进行时空上的特征提取。对提取到的特征进行多次二分类来实现多标签分类的目标。为了形成对比实验,将分类的结果随机组合成为一个句子,与第三章自动描述方法的结果进行对比,验证该方法的有效性。

关键词：长短时记忆网络注意力机制自由体操卷积神经网络多标签分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于内容的多样性植物图像检索技术研究

基于内容的多样性植物图像检索技术研究

作者：朱胜平华侨大学

学位级别：硕士

传统的图像检索技术是通过图像间相似度实现的。由于检索结果中存在过多重复的信息，所以有必要展开多样性检索技术研究。本文以植物图像为研究对象，对植物图像特征提取、基于聚类的多样性检索、面向分类的多子流形学习等内容进行了深... 详细信息

传统的图像检索技术是通过图像间相似度实现的。由于检索结果中存在过多重复的信息，所以有必要展开多样性检索技术研究。本文以植物图像为研究对象，对植物图像特征提取、基于聚类的多样性检索、面向分类的多子流形学习等内容进行了深入和较为全面的研究。本文工作分为以下四个部分：（1）验证多种图像特征在基于内容的植物图像检索中的有效性。根据植物图像特点，综合不同的图像特征，进行多样性检索。针对花卉图像，使用形状和颜色特征相结合的描述符;针对植物叶图像，使用形状和纹理特征相结合的描述符，进行植物图像检索。（2）提出一种基于最大散度评估的植物图像多样化检索技术，解决了多样性检索结果中信息不相关问题。通过支持向量机相关反馈的检索机制，再使用AP（Affinity Propagation, AP）聚类算法，使检索结果同时具有相关性和多样性的特点。并针对多样性检索这一特性设计最大散度多样性的评估指标。（3）提出一种基于多子流形学习的多样性检索方法，提高了多样性检索效率。该方法可以保证高维特征投影到低维空间后，每个流形间的距离尽可能大，同时也保证子流形分布差异尽可能大，从而利于提取图像特征的多样性，达到多样性检索的目的。（4）开发了一个基于内容的多样性植物图像检索系统，该系统实现了对多种图像特征的提取，进行初步检索，验证各种图像特征的检索效果，同时实现了基于相关反馈聚类的多样性检索和基于多子流形学习特征提取的多样性检索技术。

关键词：多样性检索相关反馈 AP聚类最大散度多子流形特征提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的植物图像集识别技术研究

基于深度学习的植物图像集识别技术研究

作者：刘孟南华侨大学

学位级别：硕士

植物分类学是一门对植物物种进行准确描述,命名,分群归类,探求各类群之间的亲缘关系,以及演化过程的基础科学。随着模式识别技术在植物图像分类任务中的广泛应用,对植物分类学的发展具有促进作用,而且给农业的科学研究带来了非常大的帮... 详细信息

植物分类学是一门对植物物种进行准确描述,命名,分群归类,探求各类群之间的亲缘关系,以及演化过程的基础科学。随着模式识别技术在植物图像分类任务中的广泛应用,对植物分类学的发展具有促进作用,而且给农业的科学研究带来了非常大的帮助。相比于传统的基于单个或少量图像的植物图像分类识别算法,基于图像集的植物图像分类算法的关键是如何为图像集进行建模,以及如何度量对图像集建模后模型之间的相似度。为了更好地对植物图像进行分类识别,有必要对以植物叶片图像集为研究对象的分类技术进行研究。本文以植物叶片图像为研究目标,对非线性重构模型、SPCANet模型、KmeansNet模型和利用深度模型对植物图像进行粒度分类等内容进行详细的介绍。本文的主要工作内容为:(1)提出一种基于非线性重构模型的植物叶片图像集的分类识别方法。该方法使用高斯受限玻尔兹曼机(GRBMs)通过非监督预训练来初始化模型的权值,然后为每一个植物叶片图像集用初始化的模型训练得到一个特定的模型。最后根据测试样本的最小重构误差和测试样本集的最多投票策略来判定测试样本集的类别。并采用基于k-means的特征提取方法来提取植物叶片图像特征。(2)提出了一种浅层PCANet(SPCANet)模型的植物图像集的分类识别方法。该方法首先用SPCANet模型来提取植物图像的特征,然后用线性SVM分类,最后根据投票策略判定测试集的类别。该模型是基于卷积神经网的结构设计的。该模型由卷积滤波层、非线性层和特征提取层三部分组成,其中卷积层的卷积核不同于传统的深度学习网络,而是通过PCA算法得到,这大大的减少了网络的训练时间和参数的设置。(3)提出一种KmeansNet模型的植物图像集的分类识别方法。该方法是SPCANet模型的变体,不同之处在于卷积层的卷积核是通过Kmeans算法得到。(4)利用深度学习Caffe框架对大规模植物图像进行粒度分类。引入粒度分类的思想为大规模植物图像的分类提供了一个新的思路。在大数据的背景下,利用Caffenet模型强大规模分类能力,通过微调Caffenet网络以实现对植物图像分别按门、纲、目、科、属进行粒度分类。

关键词：植物图像识别图像集分类非线性重构模型深度学习卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多层级特征融合的图像实例分割方法研究

基于多层级特征融合的图像实例分割方法研究

作者：程海峰华侨大学

学位级别：硕士

近几年,随着深度学习理论与技术的发展,计算机视觉领域的相关研究也越来越深入,在图像分割领域则细化出语义分割和实例分割两个分支。实例分割的任务就是利用计算机将人感兴趣的物体提取出来,屏蔽掉背景等噪声信息。本论文针对实例分割... 详细信息

近几年,随着深度学习理论与技术的发展,计算机视觉领域的相关研究也越来越深入,在图像分割领域则细化出语义分割和实例分割两个分支。实例分割的任务就是利用计算机将人感兴趣的物体提取出来,屏蔽掉背景等噪声信息。本论文针对实例分割任务,对国内外相关现状进行了总结,并对实例分割问题中的关键问题进行了研究。主要工作包括:(1)基于多阶特征融合的图像实例分割网络实例分割算法Mask-RCNN的语义分割分支网络采用简单的全卷积网络,性能有限。本文针对此分支网络进行改进,提出了特征融合模块和池化链模块。通过这两个模块的处理,不仅可以增强网络提取特征的性能,获取大背景下的图像上下文信息,同时还避免了因为卷积和池化的处理所导致的空间信息的丢失。在染色体数据集和植物数据集上的实验,表明本文的改进算法,在分割性能上有有着明显的提升。(2)融合自注意力机制和路径增强的图像实例分割网络传统的特征金字塔融合网络采用简单的特征相加,对于最高层级的特征图没有深度挖掘出有效信息,融合的方式也只是在二维空间进行。对此,本文提出了自注意力模块对最高层级特征图进行深入挖掘,从中提取多尺度信息并将之融合。并进一步设计了路径增强结构,在原有特征金字塔结构的前提下引入空间维度注意力,对低级特征图进行加权,指导特征融合的方向。实验结果验证了该方法的有效性。

关键词：实例分割注意力机制特征融合路径增强

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的中文唇语识别与关键词检测

基于深度学习的中文唇语识别与关键词检测

作者：陈雪娟华侨大学

学位级别：硕士

唇语识别是一项集计算机视觉与自然语言处理于一体的技术,通过视觉信息识别讲话人所说的内容。传统的唇语识别方法需要人为设计特征,分类器训练难度大,研究进展缓慢。近年来,深度学习在诸多领域取得重大进展,使用深度学习方法研究唇语... 详细信息

唇语识别是一项集计算机视觉与自然语言处理于一体的技术,通过视觉信息识别讲话人所说的内容。传统的唇语识别方法需要人为设计特征,分类器训练难度大,研究进展缓慢。近年来,深度学习在诸多领域取得重大进展,使用深度学习方法研究唇语识别问题也逐渐成为研究热点。汉字数量多,比其它由字母组成的语言复杂,使得中文唇语识别任务更加困难。现实中,由于某些场景只需要识别关键词语,因此关键词检测识别在实际应用中非常重要。本论文的研究内容主要包括以下两个部分:（1）中文句子级唇语识别方法研究。分两个阶段对中文句子级唇语识别进行研究。第一阶段将唇部图片序列识别为拼音序列,该阶段使用融合的三维卷积和二维DenseNet来提取视觉信息,并用resBi-LSTM（residual bidirectional Long Short-Term Memory）解码视觉特征。该方法在中文数据集NSTDB上有效降低了拼音错误率,并在英文数据集GRID上降低了单词错误率。第二阶段将拼音序列识别为汉字序列,使用堆叠的多头注意力（Multi-head attention）学习拼音序列中的上下文信息,并建立与汉字序列之间的映射关系。由于预测的拼音序列中存在错误,该阶段得到的汉字序列错误率比拼音序列的错误率高8%左右。（2）唇语关键词检测方法研究。提出了一种基于样例的唇语关键词检测方法,判断查询样例是否出现在唇语片段中。第一步需要对数据进行处理,提取查询样例和唇语片段的后验概率特征,本论文采用唇语识别第一阶段的网络模型提取后验概率特征。第二步根据提取到的后验概率特征计算二者的相似度量矩阵。最后使用6层卷积和1层全连接,构建一个神经网络分类器对相似度量矩阵图进行二分类。本论文的唇语关键词检测在GRID数据集上进行研究。实验结果表明,在精确率、召回率和F1值三个指标上,神经网络分类器方法表现更好。

关键词：深度学习中文唇语识别注意力机制查询样例关键词检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

地市公安机关数据中心的规划与实现

地市公安机关数据中心的规划与实现

作者：唐宝富华侨大学

学位级别：硕士

公安机关在金盾工程一期实现了主要业务的网上办理,积累了丰富的信息资源。随着公安八大资源库的建设,全国公安机关正在加快信息共享的步伐。信息的全面共享与利用成为推动公安机关开展社会管理创新的重要途径。本文在收集、整理公安机... 详细信息

公安机关在金盾工程一期实现了主要业务的网上办理,积累了丰富的信息资源。随着公安八大资源库的建设,全国公安机关正在加快信息共享的步伐。信息的全面共享与利用成为推动公安机关开展社会管理创新的重要途径。本文在收集、整理公安机关数据中心相关理论的基础上,致力于研究数据中心建设的方法以及分布式大数据检索方法。主要研究内容和成果如下:(1)分析了研究背景、研究现状和研究意义,明确了研究目的和研究内容。同时,在文献研究的基础上分析数据仓库的合理性,构建了数据仓库模型,从而为数据中心的建设提供理论支持;(2)调查、分析公安机关数据资源平台的用户需求,使用建模工具进行需求分析,构建公安机关数据中心构架总图;(3)在需求分析的基础上明确公安机关数据中心的功能模块,设计数据仓库的概念模型和逻辑模型,构建专题数据库;(4)搭建基于SolrCloud+Lucene的企业级大数据检索平台,通过改进检索方法实现对公安机关数据中心的快速全文检索;(5)最后,就规划设计本平台期间的研究工作做出总结,并展望了下一步需要改进的工作。

关键词：数据中心数据仓库全文检索

基于反向训练和深度学习的植物图像集分类算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于反向训练和深度学习的植物图像集分类算法研究

作者：张宇卉华侨大学

学位级别：硕士

基于图像集的分类问题相较于传统图像分类最大的不同是训练集、测试集中某类对象的多张图像代替原本的单张或者少量的图像样本。一般的基于图像集的分类问题的关键是考虑如何为图像集建模,以及如何定义图像集之间的距离或者相似度来实... 详细信息

基于图像集的分类问题相较于传统图像分类最大的不同是训练集、测试集中某类对象的多张图像代替原本的单张或者少量的图像样本。一般的基于图像集的分类问题的关键是考虑如何为图像集建模,以及如何定义图像集之间的距离或者相似度来实现分类。为了更好地实现植物图像分类,有必要开展植物图像集的分类技术的研究。本文以植物的叶片图像为主要研究对象,对植物叶片预处理、图像特征提取、基于反向训练和基于深度学习的植物图像集分类等内容进行了全面、深入的研究。本文的主要工作内容分为以下三个部分:(1)验证多特征融合在基于图像集的植物分类中的有效性。分类系统中特征提取方式的不同会产生不同的分类结果,为了更好地进行特征表达方式,这里结合多特征融合方法,进行图像集的植物图像分类。针对植物叶片图像,本文选择形状和纹理特征,以及不同特征融合的方式,为植物图像集分类选择更加良好的特征表达方式。(2)提出了一种基于反向训练的植物图像集分类方法。本算法旨在从测试集的角度出发,来解决植物图像集分类问题。对于待识别的测试集,所有的植物只分为和它相同类别的植物与和它不同类的植物,设计该方法的出发点就是找到测试集样本和其他植物分类的超平面进而进行植物图像集分类。(3)提出了一种基于深度学习的植物图像集分类方法。本算法旨在结合深度学习的自我学习能力,为每类图像集训练一个类别专有深度学习模型。训练得到的深度模型可以充分模拟真实数据的分布,所以当测试集图像样本输入到学习模型中会得到重构误差,选择最小的重构误差集合的深度学习模型就可以得到测试集的类别标签。

关键词：植物图像识别图像集分类反向训练深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于学习的单幅图像超分辨率方法研究

基于学习的单幅图像超分辨率方法研究

作者：张建华侨大学

学位级别：硕士

高分辨率图像因包含丰富的图像细节信息,在多媒体与科研领域等诸多场合有着重要的应用价值。超分辨率重建技术是指将低分辨率图像(Low-Resolution,LR)重建为对应场景下高分辨率图像(High-Resolution,HR)的软件处理方法。该技术在一定程... 详细信息

高分辨率图像因包含丰富的图像细节信息,在多媒体与科研领域等诸多场合有着重要的应用价值。超分辨率重建技术是指将低分辨率图像(Low-Resolution,LR)重建为对应场景下高分辨率图像(High-Resolution,HR)的软件处理方法。该技术在一定程度上降低了硬件成本,具有广泛的应用价值,已经成为计算机视觉领域重要的研究方向之一。本文对国内外当前图像超分辨率技术的研究进展进行了分析与总结。在此基础上,从稀疏表示与深度学习理论两个方向上,对现有技术方法进行分析后提出了对应的改进方法。(1)基于共享空间稀疏表示的单幅图像超分辨率方法高、低分辨率图像在空间关系上存在着很多的相似性,为了增强两者之间的关联性,本文提出了一种基于共享空间稀疏表示的单幅图像超分辨率方法。本算法应用典型相关分析建立图像块对之间的联系,在共享空间中进行稀疏系数的求解。采用在线字典学习方法训练过完备字典,很好的改善了字典的训练速度。图像重建时,应用主成分分析方法对图像特征进行降维,以提高图像的重建速度。另外,本文应用了一种基于图像先验的图像后处理方法,消除了图像主要边缘处的模糊与伪影,进一步改善了图像质量。实验分析表明,本方法大大的提高了图像重建的执行速度并取得了很好的视觉效果。(2)基于深度卷积网络的单幅图像超分辨率方法为了减少传统方法繁琐的图像重建处理流程,突破对图像重建质量的约束,本文提出了一种应用多模型卷积神经网络的图像超分辨率改进算法。本方法旨在应用卷积神经网络学习到端到端的图像超分辨率框架。通过将具有不同感受野大小的卷积网络模型进行组合,利用卷积核的多样性充分提取图像的特征。与其他优秀的超分辨算法比较,实验结果表明该模型对单幅图像有很好的重建能力并加快了训练阶段的收敛速度。

关键词：超分辨率稀疏表示卷积神经网络深度学习