检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于全部卷积特征融合的显著性检测

激光与光电子学进展 2018年第10期55卷 226-232页

作者：张松龙谢林柏江南大学物联网工程学院江苏无锡214122

如何充分利用各级卷积特征是当前显著性检测研究的关键问题。就此提出一种基于融合全部卷积层特征的全卷积神经网络显著性检测方法。首先,将全部卷积特征映射到内部的多个尺度中,在每个尺度上联合各级卷积特征预测显著图;然后,融合各尺... 详细信息

如何充分利用各级卷积特征是当前显著性检测研究的关键问题。就此提出一种基于融合全部卷积层特征的全卷积神经网络显著性检测方法。首先,将全部卷积特征映射到内部的多个尺度中,在每个尺度上联合各级卷积特征预测显著图;然后,融合各尺度的显著图,得到融合显著图;最后,通过全连接条件随机场平滑显著图和优化显著边界。实验结果表明,该方法在ECSSD和SED2数据库上具有较高的准确率、召回率和较低的平均绝对误差,可为目标识别、机器视觉等应用提供更可靠的预处理结果。

关键词：机器视觉显著性检测全卷积神经网络全部卷积特征多尺度融合

在线全文

学校读者我要写书评

暂无评论

基于全卷积神经网络的图像显著性检测

基于全卷积神经网络的图像显著性检测

作者：张松龙江南大学

学位级别：硕士

人类视觉系统可以从现实场景中迅速筛选出最具价值的视觉信息,进而将注意力集中于感兴趣的区域。图像的显著性检测就是通过计算机模拟人类视觉系统提取图像中比较重要的区域,从而简化后续利用的复杂度。根据现有的研究,显著性检测方法... 详细信息

人类视觉系统可以从现实场景中迅速筛选出最具价值的视觉信息,进而将注意力集中于感兴趣的区域。图像的显著性检测就是通过计算机模拟人类视觉系统提取图像中比较重要的区域,从而简化后续利用的复杂度。根据现有的研究,显著性检测方法可以是基于视觉机制的启发式显著性检测,也可以是任务驱动的基于学习的显著性检测。本文主要针对基于学习的显著性检测算法进行研究,提出不同的全卷积神经网络架构,实现更加鲁棒的显著性检测模型以适应复杂的背景环境。本文主要研究为以下三方面:(1)针对当前基于卷积神经网络的显著性检测算法难以有效融合卷积特征的问题,提出了一种融合全部卷积特征的显著性检测方法。首先,将全部卷积特征映射到内部多个尺度中;然后自适应地结合各尺度特征预测出各尺度显著图,同时将各尺度显著图融合得到融合显著图,充分利用了各尺度特征使显著区域更加突出。最后使用全连接条件随机场处理网络得到显著图,能够平滑显著图区域和优化显著边界。在公开数据测数据集验证本章算法,结果表明该算法有效地融合各级特征,显著区域更加高亮,显著边界更加精确。(2)针对当前基于深度学习的显著性检测算法得到的显著区域存在背景噪声和边缘区域模糊的问题,提出了一种级联全卷积神经网络的显著性检测方法。该网络由两个级联的全卷积神经网络组成,第一阶段构建了一个基于编码-解码架构的全卷积神经网络,在编码网络中引入一个金字塔池化模块获取不同区域的全局信息,可以抑制背景噪声的干扰。第二阶段设计了边缘检测网络,通过提取网络的局部语义信息,学习显著区域的边缘,可以明确显著区域边缘。最后,通过融合两个阶段的显著图得到边界精确的显著图。在两个公开数据数据集上验证本章算法,结果表明该算法有效抑制了背景噪声的干扰,显著区域边缘明确,在各项评价指标上均表现优异。(3)针对当前基于深度学习的显著性检测算法在复杂场景中难以检测出鲁棒性强的显著性区域,提出了一种先验特征引导的显著性检测方法。首先,通过先验知识计算出先验显著图。然后由两个卷积神经网络分别学习先验图特征和原图深度特征,将先验特征通过注意力通道引导深度特征生成显著图,使网络生成更鲁棒的显著区域。最终通过循环解码网络迭代地纠正其先前错误,自动地学习改进显著性区域,从而产生更精确的显著图。在两个公开数据测试集上与现有主流算法进行对比实验,结果表明该方法在复杂场景中具有良好的鲁棒性。

关键词：全卷积神经网络卷积特征边界优化级联结构先验图

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

动机理论分析及其在外语教学中的应用

动机理论分析及其在外语教学中的应用

作者：张松龙江西师范大学

学位级别：硕士

在影响第二语言或外语学习的诸多因素当中,动机被认为是最为重要的因素之一。动机在很大程度上决定学习者学习努力和各种语言学习活动参与的程度,并通过这种努力和参与,决定学习者是否会寻找适合自己语言学习的方法和策略。总之,动机是... 详细信息

在影响第二语言或外语学习的诸多因素当中,动机被认为是最为重要的因素之一。动机在很大程度上决定学习者学习努力和各种语言学习活动参与的程度,并通过这种努力和参与,决定学习者是否会寻找适合自己语言学习的方法和策略。总之,动机是决定学习者语言学习成功与否的关键。关于语言学习动机的研究,一直是国内外的学界研究的重点。其中最杰出的代表是加拿大心理学家Gardner。他和他的同事们在前人研究的基础之上创建了最为经典的语言学习社会心理动机理论模式(后来修改为语言学习社会教育动机理论模式),提出了语言学习“融入型”动机和“工具性”动机。这种理论模式过分强调了“融入型”动机对语言学习的作用。有很多研究者在充分肯定了这种理论的作用的同时,也提出了中肯的批评,并从不同的角度对Gardner的动机理论模式进行了扩展,建立了新的语言学习动机理论模式。本论文的作者在回顾了这些理论模式之后,在他们的研究基础之上,从心理学的各个角度——普通心理学、教育心理学、认知心理学和行为心理学,探讨了多种动机理论及他们在语言教与学中的应用。这些理论主要包括:需求理论,内在动机和外在动机理论,认知动机理论,课堂动机理论,确立目标和信息反馈理论。中国是世界上学习外语人口最多的国家,了解他们的学习动机极为重要。研究表明,中国人外语学习动机主要有四种类型:“融入型”、“工具型”、“外在型”和“情感型”,其中的“工具型”和“外在型”最为重要。作者在结合上文所探讨的动机理论的基础上,提出了以下激发语言学习者学习的建议: ● 了解学习者,并确认学习者学习语言的原因;● 培养学习者语言‘学习的兴趣

关键词：动机理论 motivation 学习动机语言学习外语教学 instrumental integrative Motivation learner 外在动机

第一急冷废热锅炉出口连接件温度场测试及数值计算

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

化工机械 1992年第6期19卷 5-9页

作者：李金科张松龙

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

融合边界信息和颜色特征的显著性区域检测

计算机工程与应用 2019年第3期55卷 179-183,237页

作者：王豪聪张松龙彭力江南大学物联网工程学院江苏无锡214122

传统的显著性检测方法多利用图像的颜色特征并进行超像素分割作为预处理来进行检测,对于涂抹效应不足、误检测等问题一直没能有效解决。针对涂抹效应不足提出了一种结合图像边界信息及颜色特征的显著性区域检测方法。首先,为了更好地取... 详细信息

传统的显著性检测方法多利用图像的颜色特征并进行超像素分割作为预处理来进行检测,对于涂抹效应不足、误检测等问题一直没能有效解决。针对涂抹效应不足提出了一种结合图像边界信息及颜色特征的显著性区域检测方法。首先,为了更好地取得图像边缘信息并去除噪声,用多次WMF(加权中值滤波)和简单线性迭代聚类(SLIC)处理源图像,再通过颜色、亮度等信息找出滤波后图像中的自然边界。将得到的边界信息和通过SLIC分割得到的超像素的颜色特征进行融合作为先验概率,以SLIC分割得到超像素位于Graph-based分割得到初步显著图中的概率为条件概率,利用贝叶斯法则得到最终的显著图。在公开数据集MSRA-1000上对算法进行验证,结果表明该算法与7种主流算法相比有更好的查全率和查准率,最高查准率达到98.03%。

关键词：边界信息超像素加权中值滤波贝叶斯法则

在线全文

学校读者我要写书评

暂无评论

结合边缘特征先验引导的深度卷积显著性检测

计算机工程与应用 2020年第14期56卷 199-206页

作者：时斐斐张松龙彭力江南大学物联网工程学院物联网技术应用教育部工程研究中心江苏无锡214122

针对当前基于深度学习的显著性检测算法缺少利用先验特征和边缘信息,且在复杂场景中难以检测出鲁棒性强的显著性区域的问题,提出了一种结合边缘特征,利用先验信息引导的全卷积神经网络显著性检测算法。该算法利用三种被经常用到的先验... 详细信息

针对当前基于深度学习的显著性检测算法缺少利用先验特征和边缘信息,且在复杂场景中难以检测出鲁棒性强的显著性区域的问题,提出了一种结合边缘特征,利用先验信息引导的全卷积神经网络显著性检测算法。该算法利用三种被经常用到的先验知识结合边缘信息形成先验图,通过注意力机制将提取的先验特征与深度特征有效融合,最终通过提出的循环卷积反馈优化策略迭代地学习改进显著性区域,从而产生更可靠的最终显著图预测。经过实验定性定量分析,对比证明了算法的可靠性。

关键词：显著性检测全卷积网络先验信息引导循环卷积优化