检索结果-南通市图书馆

基于线性投影分析与非线性核方法在人脸识别中的研究

在线全文

学校读者我要写书评

暂无评论

基于线性投影分析与非线性核方法在人脸识别中的研究

作者：史操湖南师范大学

学位级别：硕士

人脸识别技术是计算机模式识别领域中一个非常活跃的研究课题,在法律、商业、公共安全、身份鉴定、门禁系统、视频监视等领域有着广泛的应用前景。其主要任务是利用已存储的人脸图像库,识别静止或视频图像中的一张或多张脸。本文系统... 详细信息

人脸识别技术是计算机模式识别领域中一个非常活跃的研究课题,在法律、商业、公共安全、身份鉴定、门禁系统、视频监视等领域有着广泛的应用前景。其主要任务是利用已存储的人脸图像库,识别静止或视频图像中的一张或多张脸。本文系统归纳总结了人脸识别的研究、现状及发展,对适用于人脸识别的图像预处理方法进行了探讨,重点研究基于线性投影的特征提取方法,以及非线性核方法。将规范化参数引入了KDDA(Kernel Direct Discriminant Analysis)算法,应用于ORL人脸库进行特征提取,实验结果证明本算法较传统方法有更好的聚类性。论文还针对“小样本问题”和分类器进行了大量对比研究,并对“小样本问题”的极端情况进行了实验。对于线性投影方法,本文主要阐述了PCA、LDA算法。PCA算法所确定的投影方向具有很好的表达能力,LDA算法所确定的投影方向利于区分样本。以ORL人脸图像库为实验对象,使用两种方法进行特征提取,并讨论了特征提取的结果。本文详细介绍了核函数方法,主要阐述KPCA、KDDA两种非线性核方法在人脸图像特征提取中的应用,同样对ORL人脸库使用两种方法进行特征提取,并对特征提取的结果分析了KPCA和KDDA对人脸图像的线性可分能力。然后,本文详细介绍了多种分类器的原理,阐述了如何就不

关键词：人脸识别线性投影核函数方法分类器小样本问题

融合分区注意力UNet模型用于分割MRI中的膝关节软骨

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

中国医学影像技术 2024年第5期40卷 764-768页

作者：王翔史操袁正一青岛科技大学信息科学技术学院山东青岛266000

目的构建融合分区注意力的UNet(PA-UNet)模型,观察其分割MRI中的膝关节软骨的价值。方法对来源于Osteoarthritis Initiative-Zuse Institute Berlin数据集的膝关节MRI进行切片及预处理,以UNet为骨干网络构建基于分区注意力机制的PA-UNe... 详细信息

目的构建融合分区注意力的UNet(PA-UNet)模型,观察其分割MRI中的膝关节软骨的价值。方法对来源于Osteoarthritis Initiative-Zuse Institute Berlin数据集的膝关节MRI进行切片及预处理,以UNet为骨干网络构建基于分区注意力机制的PA-UNet模型,通过主、客观评价比较该模型与其他模型分割股骨软骨及胫骨软骨的效果;分别以基于UNet、基于SE(第2~4层)的UNet(UNet+SE)、+UNet、++UNet、+++UNet、+UNet+、++UNet++及PA-UNet模型的消融实验观察各模型分割膝关节软骨的效果。结果PA-UNet可准确分割低难度、中等难度及困难样本中的股骨及胫骨软骨,其分割细小结构效果优于SegNet、UNet及DeepLabv3+模型;其分割股骨软骨及胫骨软骨的戴斯相似系数(DSC)及交并比均高于、而豪斯多夫距离均低于UNet、DeepLabv3+、SA-UNet、RA UNet及SegNet模型。以PA-UNet模型分割股骨软骨及胫骨软骨的DSC分别为88.97%及82.72%,均高于UNet、UNet+SE、+UNet、++UNet、+++UNet、+UNet+及++UNet++模型。结论PA-UNet可完整分割MRI中的膝关节软骨,尤其对细小结构的分割效果良好。

关键词：膝关节软骨深度学习磁共振成像注意力机制

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

自适应异步采样运动数据压缩算法

电子学报 2012年第1期40卷 128-133页

作者：史操邹北骥蔡美玲孟志刚陈再良中南大学信息科学与工程学院湖南长沙410083 北京大学计算机科学技术研究所北京100871

针对三维运动捕获系统的广泛应用,采样频率越来越高,运动数据库日益增大带来的问题,本文提出多路信号异步采样思想对运动数据进行压缩.理论上论证了在人体运动所固有的客观及主观约束条件下采用本文提出异步采样思想比同步采样能够获取... 详细信息

针对三维运动捕获系统的广泛应用,采样频率越来越高,运动数据库日益增大带来的问题,本文提出多路信号异步采样思想对运动数据进行压缩.理论上论证了在人体运动所固有的客观及主观约束条件下采用本文提出异步采样思想比同步采样能够获取更高压缩比,并针对每一路信号提出了基于三次样条的自适应重采样算法.通过大量运动实验分析了不同运动阶段的数据可压缩性,最高压缩比达到13.24,在单个标记点误差为0.5cm时,数据解压重构毫不影响视觉效果.

关键词：人体运动数据压缩异步重采样三次样条

基于视觉变换器的级联多阶层医学影像配准方法

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2022年第5期39卷 876-886页

作者：潘英杰程远志刘豪史操青岛科技大学信息科学技术学院山东青岛266000 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

在基于深度学习的图像配准中,图像中具有复杂解剖结构的形变区域是影响网络配准精度的重要因素,然而现有方法很难关注到图像的复杂解剖区域。同时,卷积神经网络的感受野受其卷积核大小的限制,难以学习空间位置距离较远的体素之间的关系... 详细信息

在基于深度学习的图像配准中,图像中具有复杂解剖结构的形变区域是影响网络配准精度的重要因素,然而现有方法很难关注到图像的复杂解剖区域。同时,卷积神经网络的感受野受其卷积核大小的限制,难以学习空间位置距离较远的体素之间的关系,使其难以处理较大区域形变问题。针对以上两个问题,本文提出了一种基于视觉变换器(Transformer)的级联多阶层配准网络模型,并配备了一种基于均方误差的困难形变感知机。困难形变感知机使用滑动窗口和浮动窗口技术在配准图像中进行检索,得到每个体素的困难形变系数,识别出配准效果最差的区域。本研究中,级联多阶层配准网络模型采用困难形变感知机进行阶层连接,在基础配准网络中凭借自注意力机制提取全局特征,对不同尺度的配准结果进行优化。实验结果证明,本文提出的方法可以对复杂形变区域进行渐进配准,从而优化脑部医学影像的配准结果,对医生的临床诊断工作有良好的辅助作用。

关键词：医学影像多阶层配准困难形变感知级联网络自注意力机制

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于规范化KDDA的人脸识别

计算机工程与应用 2007年第9期43卷 227-230页

作者：史操许灿辉杨家红吉首大学物理科学与信息工程学院湖南吉首416000 湖南师范大学工学院长沙410081

传统的PCA和LDA算法受限于“小样本问题”,且对象素的高阶相关性不敏感。文章将核函数方法与规范化LDA相结合,将原图像空间通过非线性映射变换到高维特征空间,并借助于“核技巧”在新的空间中应用鉴别分析方法。通过对ORL人脸库的大量... 详细信息

传统的PCA和LDA算法受限于“小样本问题”,且对象素的高阶相关性不敏感。文章将核函数方法与规范化LDA相结合,将原图像空间通过非线性映射变换到高维特征空间,并借助于“核技巧”在新的空间中应用鉴别分析方法。通过对ORL人脸库的大量实验研究表明,该文方法在特征提取方面明显优于PCA、KPCA、LDA等其他传统的人脸识别方法,在简化分类器的同时,也可以获得高识别率。

关键词：核函数方法规范化KDDA KPCA 小样本问题

End-to-end dilated convolution network for document image semantic segmentation

在线全文

学校读者我要写书评

暂无评论

Journal of Central South University 2021年第6期28卷 1765-1774页

作者： XU Can-hui SHI Cao CHEN Yi-nong School of Information Sciences and Technology Qingdao University of Science and TechnologyQingdao 266061China School of Computing Informatics and Decision Systems EngineeringArizona State UniversityTempeAZ 85287-8809USA

Semantic segmentation is a crucial step for document *** this paper,an NVIDIA Jetson Nano-based platform is applied for implementing semantic segmentation for teaching artificial intelligence concepts and *** extract semantic structures from document images,we present an end-to-end dilated convolution network *** convolutions have well-known advantages for extracting multi-scale context information without losing spatial *** model utilizes dilated convolutions with residual network to represent the image features and predicting pixel *** convolution part works as feature extractor to obtain multidimensional and hierarchical image *** consecutive deconvolution is used for producing full resolution segmentation *** probability of each pixel decides its predefined semantic class *** understand segmentation granularity,we compare performances at three different *** fine grained class to coarse class levels,the proposed dilated convolution network architecture is evaluated on three document *** experimental results have shown that both semantic data distribution imbalance and network depth are import factors that influence the document’s semantic segmentation *** research is aimed at offering an education resource for teaching artificial intelligence concepts and techniques.

关键词： semantic segmentation document images deep learning NVIDIA jetson nano

在线全文

学校读者我要写书评

暂无评论

基于视觉和文本的多模态文档图像目标检测

计算机应用研究 2023年第5期40卷 1559-1564页

作者：李玉腾史操许灿辉程远志青岛科技大学信息科学技术学院山东青岛266061

由于文档图像的布局复杂、目标对象尺寸分布不均匀,现有的检测算法很少考虑多模态信息和全局依赖关系,提出了基于视觉和文本的多模态文档图像目标检测方法。首先探索多模态特征的融合策略,为利用文本特征,将图像中文本序列信息转换为二... 详细信息

由于文档图像的布局复杂、目标对象尺寸分布不均匀,现有的检测算法很少考虑多模态信息和全局依赖关系,提出了基于视觉和文本的多模态文档图像目标检测方法。首先探索多模态特征的融合策略,为利用文本特征,将图像中文本序列信息转换为二维表征,在文本特征和视觉特征初次融合之后,将其输入到骨干网络提取多尺度特征,并在提取过程中多次融入文本特征实现多模态特征的深度融合;为保证小物体和大物体的检测精度,设计了一个金字塔网络,该网络的横向连接将上采样的特征图与自下而上生成的特征图在通道上连接,实现高层语义信息和低层特征信息的传播。在大型公开数据集PubLayNet上的实验结果表明,该方法的检测精度为95.86%,与其他检测方法相比有更高的准确率。该方法不仅实现了多模态特征的深度融合,还丰富了融合的多模态特征信息,具有良好的检测性能。

关键词：多模态文档图像目标检测深度学习

LM-UNet:横向MLP用于增强U-Net的医学图像分割

在线全文

学校读者我要写书评

暂无评论

计算机系统应用 2024年第5期33卷 110-117页

作者：邱海韬史操青岛科技大学信息科学技术学院青岛266061

卷积神经网络(CNN)作为医学图像分割领域中U-Net基线网络的重要组成部分,其主要作用是处理局部特征信息之间的关系.而Transformer是一种能够有效强化特征信息之间的远距离依赖关系的视觉模型.目前的研究表明,结合Transformer和CNN可以... 详细信息

卷积神经网络(CNN)作为医学图像分割领域中U-Net基线网络的重要组成部分,其主要作用是处理局部特征信息之间的关系.而Transformer是一种能够有效强化特征信息之间的远距离依赖关系的视觉模型.目前的研究表明,结合Transformer和CNN可以在一定程度上提高医学图像分割的准确性.但是,由于医学图像的标注数据较少,而且训练Transformer模型需要大量数据,这使得Transformer模型面临耗时长和参数量大的挑战.基于这些考虑,本文在UNeXt模型的基础上,结合多尺度混合MLP和CNN,提出了一种新型的基于混合MLP的医学图像分割模型——LM-UNet.这种模型能够有效地增强局部与全局信息之间的联系,并加强特征信息间的融合.在多个数据集上的实验表明,LM-UNet模型在皮肤数据集上的分割性能明显提升,平均Dice系数达到92.58%,平均IoU系数达到86.52%,分别比UNeXt模型提高了3%和3.5%.在软骨和乳腺数据集上的分割效果也有显著提升,平均Dice系数分别比UNeXt提高了2.5%和1.0%.因此,LM-UNet模型不仅提高了医学图像分割的准确性,还增强了其泛化能力.

关键词：医学图像分割 MLP 多尺度横向连接 U-Net

在线全文

学校读者我要写书评

暂无评论

基于改进LSTM的电抗器故障预警方法

信息技术 2024年第7期48卷 76-83页

作者：李冲冲史操青岛科技大学信息科学技术学院山东青岛266100

针对传统的电抗器故障预警方法存在过拟合以及缺乏通用性的问题,提出了基于长短期记忆神经网络(LSTM)和孪生神经网络的电抗器故障预警方法(以下简称HDDse)。该方法结合长短期记忆神经网络和孪生神经网络的优势,LSTM结构用于学习电抗器... 详细信息

针对传统的电抗器故障预警方法存在过拟合以及缺乏通用性的问题,提出了基于长短期记忆神经网络(LSTM)和孪生神经网络的电抗器故障预警方法(以下简称HDDse)。该方法结合长短期记忆神经网络和孪生神经网络的优势,LSTM结构用于学习电抗器健康状态下的动态变化行为,孪生网络结构可以降低电抗器信息映射到高维空间的学习效率,该方法已成功地应用于电抗器的故障诊断中。实验结果表明,与已有电抗器故障预警方法相比,HDDse可以极大提升电抗器故障预警准确性。

关键词：电抗器故障预警预警模型长短期记忆神经网络孪生神经网络故障诊断