检索结果-南通市图书馆

基于类别相关的领域自适应交通图像语义分割方法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2020年第4期57卷 876-887页

作者：贾颖霞郎丛妍冯松鹤北京交通大学计算机与信息技术学院北京100044

图像语义分割作为机器视觉领域一个重要研究问题,其目的是对一张彩色图像中的每个像素点进行分类,将图像中每个像素预测其对应的语义标签.现有的基于全监督学习的语义分割方法依赖于精准标注的训练样本;现有的基于弱监督、半监督学习的... 详细信息

图像语义分割作为机器视觉领域一个重要研究问题,其目的是对一张彩色图像中的每个像素点进行分类,将图像中每个像素预测其对应的语义标签.现有的基于全监督学习的语义分割方法依赖于精准标注的训练样本;现有的基于弱监督、半监督学习的分割方法虽然可以融入未标记样本,但由于缺少对空间语义信息的有效利用,常出现语义不一致或类别错分现象,且难以直接应用于其他的跨域无标注数据集.针对跨域无标注数据集语义分割问题,提出一种基于领域自适应的图像语义分割方法.其中,提出的方法首先通过采用优化上采样方法和提出基于focal loss的损失函数,有效改进了现有方法中数据量较小的类别难以被正确分割的问题;其次,通过有效利用所提出的类别相关的领域自适应方法,来解决不同数据集跨域语义分割问题,使无标注图像的语义分割平均交并比较现有方法的均值提升6%.提出的方法在5个数据集上进行验证实验,实验结果充分表明了方法的有效性和泛化性.

关键词：语义分割领域自适应对抗学习数据分布数据标注类别相关性

在线全文

学校读者我要写书评

暂无评论

一种快速有效的视频镜头边界检测方法

电子学报 2006年第12期34卷 2272-2277页

作者：耿玉亮须德冯松鹤北京交通大学计算机研究所北京100044

本文在分析现有的镜头边界检测方法的基础上,提出了一种层次化镜头边界检测方法.首先我们利用小波变换对信号奇异点的检测能力和对噪声具有较强的鲁棒性,实现了镜头边界的预检测.然后我们通过对候选镜头边界的虚警分析,有效地降低了闪... 详细信息

本文在分析现有的镜头边界检测方法的基础上,提出了一种层次化镜头边界检测方法.首先我们利用小波变换对信号奇异点的检测能力和对噪声具有较强的鲁棒性,实现了镜头边界的预检测.然后我们通过对候选镜头边界的虚警分析,有效地降低了闪光灯和快速运动对镜头边界检测产生的影响,并实现了镜头突变检测.在渐变类型分类中,我们分别实现了淡入淡出、扫换和溶解等三种重要镜头边界类型的检测.实验结果表明,本文方法能够快速、有效地实现视频镜头边界类型的检测,对运动和光线变化有较强的鲁棒性.

关键词：镜头边界检测小波变换奇异点检测渐变视频

基于混沌的弱信号检测方法研究及混沌系统的FPGA实现

在线全文

学校读者我要写书评

暂无评论

基于混沌的弱信号检测方法研究及混沌系统的FPGA实现

作者：冯松鹤燕山大学

学位级别：硕士

信息交互使物质紧密联系在一起,在信息的发送、传输、接收和处理等各个环节,噪声的存在影响着信息的有效传递。微弱信号检测技术是对噪声进行抑制的方法,它具有很多分支,混沌系统作为一种对特定频率信号敏感、对噪声免疫的系统,被广泛... 详细信息

信息交互使物质紧密联系在一起,在信息的发送、传输、接收和处理等各个环节,噪声的存在影响着信息的有效传递。微弱信号检测技术是对噪声进行抑制的方法,它具有很多分支,混沌系统作为一种对特定频率信号敏感、对噪声免疫的系统,被广泛应用于微弱信号检测。本文从间歇混沌用于未知频率微弱信号检测、混沌同步用于低信噪比信号波形恢复以及混沌系统的FPGA实现三个方面进行研究。首先,通过对Duffing混沌系统、Liu混沌系统进行特性分析,突出Liu混沌系统具有收敛状态的特点。利用分岔图对Chua's混沌系统进行分析,以获得参数变化与混沌系统状态的关系。对锁相环工作原理进行分析,为锁相环参数设计提供理论指导。然后,针对间歇混沌产生条件不明确的问题,对Duffing混沌系统的间歇混沌现象进行研究,通过仿真实验说明噪声对间歇混沌现象产生条件的影响。针对Duffing混沌系统的混沌—周期转变型间歇混沌现象不明显的问题,利用Liu混沌系统具有收敛状态的特点,调试出Liu混沌系统的混沌—收敛转变型间歇混沌,通过含噪声未知频率声波检测实验对两个混沌系统进行对比,实验结果表明Liu混沌系统具有检测准确率高的优势。接着,设计控制器实现驱动—响应式Chua's混沌同步系统,并对其微弱信号检测功能进行验证。针对Chua's混沌同步系统只能检测特定频率微弱信号的不足,引入尺度变换思想进行改进,通过调整系统中的尺度变换因子,可以使改进后的系统检测不同频率范围的微弱信号。为了获得更加纯净的信号,进行锁相环设计,与改进后的Chua's混沌同步系统串联,实现低信噪比正弦信号波形恢复。最后,基于FPGA平台设计Duffing混沌数字系统和Liu混沌数字系统,对两个数字混沌系统进行基本功能实验验证。将两个数字混沌系统与相应的模拟混沌系统进行状态转变阈值稳定度对比实验,分析两个数字混沌系统的优缺点。

关键词：微弱信号检测混沌系统锁相环 FPGA

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于层次和动态阈值的图像显著区域检测方法

计算机应用 2006年第11期26卷 2721-2723页

作者：葛涛冯松鹤北京交通大学计算机与信息技术学院北京100044

发展完善了基于层次的显著区域检测模型。把原始图像分层,对每层分别提取底层特征,计算显著性特征,包括亮度显著性、饱和度显著性和色彩显著性。考虑到图像的概率特性,通过引入二维正态分布函数,准确合理地表示图像像素间的相关性。把... 详细信息

发展完善了基于层次的显著区域检测模型。把原始图像分层,对每层分别提取底层特征,计算显著性特征,包括亮度显著性、饱和度显著性和色彩显著性。考虑到图像的概率特性,通过引入二维正态分布函数,准确合理地表示图像像素间的相关性。把各层计算所得的结果叠加,通过引入动态阈值,得到最后的显著区域。动态阈值方法不受原始图像的影响,有较好的适应性。将此方法应用于真实图像,得到了令人满意的检测结果。

关键词：显著区域显著性特征视觉注意动态阈值

一种基于上下文语义信息的图像块视觉单词生成算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2010年第5期38卷 1156-1161页

作者：刘硕研须德冯松鹤刘镝裘正定北京交通大学计算机科学系北京100044 北京交通大学信息科学研究所北京100044

基于视觉单词的词包模型表示(Bag-of-Words)算法是目前场景分类中的主流方法.传统的视觉单词是通过无监督聚类图像块的特征向量得到的.针对传统视觉单词生成算法中没有考虑任何语义信息的缺点,本论文提出一种基于上下文语义信息的图像... 详细信息

基于视觉单词的词包模型表示(Bag-of-Words)算法是目前场景分类中的主流方法.传统的视觉单词是通过无监督聚类图像块的特征向量得到的.针对传统视觉单词生成算法中没有考虑任何语义信息的缺点,本论文提出一种基于上下文语义信息的图像块视觉单词生成算法:首先,本文中使用的上下文语义信息是视觉单词之间的语义共生概率,它是由概率潜在语义分析模型(probabilistic Latent Semantic Analysis)自动分析得到,无需任何人工标注.其次,我们引入Markov随机场理论中类别标记的伪似然度近似的策略,将图像块在特征域的相似性同空间域的上下文语义共生关系有机地结合起来,从而更准确地为图像块定义视觉单词.最后统计视觉单词的出现频率作为图像的场景表示,利用支持向量机分类器完成图像的场景分类任务.实验结果表明,本算法能有效地提高视觉单词的语义准确性,并在此基础上改善场景分类的性能.

关键词：场景分类视觉单词概率潜在语义分析模型 Markov随机场模型上下文语义信息

基于图像-文本语义一致性的文本生成图像方法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2023年第9期60卷 2180-2190页

作者：薛志杭许喆铭郎丛妍冯松鹤王涛李浥东北京交通大学计算机与信息技术学院北京100044

近年来,以生成对抗网络(generative adversarial network,GAN)为基础的文本生成图像方法成为跨媒体融合研究的一大热门领域.文本生成图像方法旨在通过提取更具表征力的文本及图像特征,提升文本描述与生成图像之间的语义一致性.现有方法... 详细信息

近年来,以生成对抗网络(generative adversarial network,GAN)为基础的文本生成图像方法成为跨媒体融合研究的一大热门领域.文本生成图像方法旨在通过提取更具表征力的文本及图像特征,提升文本描述与生成图像之间的语义一致性.现有方法大多针对在图像全局特征与初始文本语义特征之间进行建模,忽略了初始文本特征的局限性,且没有充分利用具有语义一致性的生成图像对文本特征的指导作用,因而降低了文本生成图像中文本信息的表征性.其次,由于没有考虑到生成目标区域间的动态交互,生成网络只能粗略地划分目标区域,且忽略了图像局部区域与文本语义标签的潜在对应关系.为解决上述问题,提出了一种基于图像-文本语义一致性的文本生成图像方法ITSC-GAN.该模型首先设计了一个文本信息增强模块(text information enhancement module,TEM),利用生成图像对文本信息进行增强,从而提高文本特征的表征能力.另外,该模型提出了一个图像区域注意力模块(image regional attention module,IRAM),通过挖掘图像子区域之间的关系,增强图像特征的表征能力.通过联合利用这2个模块,使得图像局部特征与文本语义标签之间具有更高的一致性.最后,该模型使用生成器与判别器损失函数作为约束,以提升生成图像的质量,促进图像与文本描述的语义一致.实验结果表明,在CUB数据集上,与当前主流方法AttnGAN模型相比,ITSC-GAN模型的IS(inception score)指标增长了约7.42%,FID(Fréchet inception distance)减少了约28.76%,R-precision增加了约14.95%.大量实验结果充分验证了ITSC-GAN模型的有效性及优越性.

关键词：文本生成图像生成对抗网络图像区域注意力文本信息增强语义一致性

在线全文

学校读者我要写书评

暂无评论

基于对抗式扩张卷积的多尺度人群密度估计

中国图象图形学报 2019年第3期24卷 483-492页

作者：刘思琦郎丛妍冯松鹤北京交通大学计算机与信息技术学院北京100044

目的人群密度估计任务是通过对人群特征的提取和分析,估算出密度分布情况和人群计数结果。现有技术运用的CNN网络中的下采样操作会丢失部分人群信息,且平均融合方式会使多尺度效应平均化,该策略并不一定能得到准确的估计结果。为了解决... 详细信息

目的人群密度估计任务是通过对人群特征的提取和分析,估算出密度分布情况和人群计数结果。现有技术运用的CNN网络中的下采样操作会丢失部分人群信息,且平均融合方式会使多尺度效应平均化,该策略并不一定能得到准确的估计结果。为了解决上述问题,提出一种新的基于对抗式扩张卷积的多尺度人群密度估计模型。方法利用扩张卷积在不损失分辨率的情况下对输入图像进行特征提取,且不同的扩张系数可以聚集多尺度上下文信息。最后通过对抗式损失函数将网络中提取的不同尺度的特征信息以合作式的方式融合,得到准确的密度估计结果。结果在4个主要的人群计数数据集上进行对比实验。在测试阶段,将测试图像输入训练好的生成器网络,输出预测密度图;将密度图积分求和得到总人数,并以平均绝对误差(MAE)和均方误差(MSE)作为评价指标进行结果对比。其中,在Shanghai Tech数据集上Part_A的MAE和MSE分别降至60. 5和109. 7,Part_B的MAE和MSE分别降至10. 2和15. 3,提升效果明显。结论本文提出了一种新的基于对抗式扩张卷积的多尺度人群密度估计模型。实验结果表明,在人群分布差异较大的场景中构建的算法模型有较好的自适应性,能根据不同的场景提取特征估算密度分布,并对人群进行准确计数。

关键词：人群密度估计多尺度对抗式损失扩张卷积计算机视觉人群安全

在线全文

学校读者我要写书评

暂无评论

基于双层注意力机制的评分预测推荐模型

中国科技论文 2018年第18期13卷 2076-2081页

作者：李钰钰郎丛妍冯松鹤北京交通大学计算机与信息技术学院北京100044

设计了2个平行的卷积神经网络,联合学习用户和商品的隐藏特征表示,建模时综合考虑了细粒度的词汇和粗粒度的评论2个层面,将连接的词向量和评论向量作为网络的输入,并采用基于Word2vec的语义一阶跳转方法表示评论向量,进一步丰富评论的... 详细信息

设计了2个平行的卷积神经网络,联合学习用户和商品的隐藏特征表示,建模时综合考虑了细粒度的词汇和粗粒度的评论2个层面,将连接的词向量和评论向量作为网络的输入,并采用基于Word2vec的语义一阶跳转方法表示评论向量,进一步丰富评论的语义表达;在卷积层之前设计注意力层,加强重要特征对评分预测的贡献,并增加了模型的可解释性;顶层使用因子分解机模拟高阶潜在特征的相互作用,以进行评分预测。实验结果表明,所提出的方法相比于基准方法有更低的均方根误差,可有效提高评分预测精度。

关键词：评分预测深度学习卷积神经网络注意力机制

在线全文

学校读者我要写书评

暂无评论

自动图像标注技术研究进展

计算机科学 2011年第7期38卷 35-40页

作者：鲍泓徐光美冯松鹤须德北京交通大学计算机与信息技术学院北京100044 北京联合大学信息学院北京100101

近年来,自动图像标注(Automatic Image Annotation,AIA)技术已经成为图像语义理解研究领域的热点。其基本思想是利用已标注图像集或其他可获得的信息自动学习语义概念空间与视觉特征空间的潜在关联或者映射关系,来预测未知图像的标注。... 详细信息

近年来,自动图像标注(Automatic Image Annotation,AIA)技术已经成为图像语义理解研究领域的热点。其基本思想是利用已标注图像集或其他可获得的信息自动学习语义概念空间与视觉特征空间的潜在关联或者映射关系,来预测未知图像的标注。随着机器学习理论的不断发展,包括相关模型、分类器模型等不同的学习模型已经被广泛地应用于自动图像标注研究领域。现有的自动图像标注算法可以大致分为基于分类的标注算法、基于概率关联模型的标注算法以及基于图学习的标注算法等三大类。首先根据自动图像标注算法的特征提取及表示机制不同,将现有算法划分为基于全局特征和基于区域划分的自动图像标注方法。其次,在基于区域划分的自动图像标注算法中,按照学习算法的不同,将其划分为基于分类的标注方法、基于概率关联模型的标注方法以及基于图学习的标注方法,并分别介绍各类别中具有代表性的标注算法及其优缺点。然后给出了自动图像标注最新的研究进展,最后探讨自动图像标注的进一步研究方向。

关键词：自动图像标注多示例学习多标记学习图学习概率建模