检索结果-南通市图书馆

预训练驱动的多模态边界感知视觉Transformer

在线全文

学校读者我要写书评

暂无评论

软件学报 2023年第5期34卷 2051-2067页

作者：石泽男陈海鹏张冬申铉京吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 香港科技大学计算机科学与工程系中国香港999077

卷积神经网络(convolutional neural network,CNN)在图像篡改检测任务中不断取得性能突破,但在面向真实场景下篡改手段未知的情况时,现有方法仍然无法有效地捕获输入图像的长远依赖关系以缓解识别偏差问题,从而影响检测精度.此外,由于... 详细信息

卷积神经网络(convolutional neural network,CNN)在图像篡改检测任务中不断取得性能突破,但在面向真实场景下篡改手段未知的情况时,现有方法仍然无法有效地捕获输入图像的长远依赖关系以缓解识别偏差问题,从而影响检测精度.此外,由于标注困难,图像篡改检测任务通常缺乏精准的像素级图像标注信息.针对以上问题,提出一种预训练驱动的多模态边界感知视觉Transformer.首先,为捕获在RGB域中不可见的细微伪造痕迹,引入图像的频域模态并将其与RGB空间域结合作为多模态嵌入形式.其次利用ImageNet对主干网络的编码器进行训练以缓解当前训练样本不足的问题.然后,Transformer模块被整合到该编码器的尾部,以达到同时捕获低级空间细节信息和全局上下文的目的,从而提升模型的整体表征能力.最后,为有效地缓解因伪造区域边界模糊导致的定位难问题,构建边界感知模块,其可以通过Scharr卷积层获得的噪声分布以更多地关注噪声信息而不是语义内容,并利用边界残差块锐化边界信息,从而提升模型的边界分割性能.大量实验结果表明,所提方法在识别精度上优于现有的图像篡改检测方法,并对不同的篡改手段具有较好的泛化性和鲁棒性.

关键词：模型预训练多模态视觉Transformer 边界感知图像篡改检测

在线全文

学校读者我要写书评

暂无评论

像素级卷积神经网络多聚焦图像融合算法

吉林大学学报（工学版） 2022年第8期52卷 1857-1864页

作者：申铉京张雪峰王玉金玉波吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 长春爱思博特信息科技有限公司长春130012

提出了一种用于多聚焦图像融合的卷积神经网络(CNN)。与现有的基于CNN的图像融合方法将源图像分解成几个小块,然后使用一个分类器来估计图像块是否聚焦相比,本文方法直接将整个图像转换成一个决策图。像素级回归策略可以充分利用互补信... 详细信息

提出了一种用于多聚焦图像融合的卷积神经网络(CNN)。与现有的基于CNN的图像融合方法将源图像分解成几个小块,然后使用一个分类器来估计图像块是否聚焦相比,本文方法直接将整个图像转换成一个决策图。像素级回归策略可以充分利用互补信息,解决了聚焦/散焦区域周围模糊程度估计的困难。此外,在图像融合领域,应用环形残差网络(RResNet)模块来提取更多聚焦区域的语义信息。同时,利用结构相似度(SSIM)估计生成的融合图像与参考图像之间的结构相似性以提高融合图像的质量,同时采用边缘保留损失函数来保留源图像中更多的梯度信息。实验结果表明:该方法在主观视觉效果和客观评价方面均优于其他融合算法。

关键词：多聚焦图像融合深度学习像素级回归卷积神经网络

在线全文

学校读者我要写书评

暂无评论

3ds max建筑与室内装饰设计经典

基于自适应多尺度特征融合网络的车辆检测方法

2003年

作者：（韩）姜锡臣申铉京千庆姬译

本书以实例的方式介绍了3ds max建筑与室内装饰所涉及到的各方面的内容。全书共分为8个部分，分别介绍了Interface与三维空间、三维建模、利用Light表示三维空间、ISO制作、室外透视图制作等。

ISBN: (纸本)7115111731

关键词：建筑设计三维室内设计计算机辅助设计

来源：畅想之星图书光盘版（南... 畅想之星图书光盘版（南... 评论

在线全文

学校读者我要写书评

暂无评论

电子学报 2023年

作者：申铉京李涵宇黄永平王玉吉林大学计算机科学与技术学院吉林大学软件学院

为了提高车辆检测精度，解决小目标车辆难以检测的问题，本文提出了自适应多尺度特征融合网络（Adaptive Multi-scale Feature Fusion Network,AMFFN），并基于该网络对YOLO v4进行了改进，取得了更好的检测效果.该网络通过使用多个空... 详细信息

为了提高车辆检测精度，解决小目标车辆难以检测的问题，本文提出了自适应多尺度特征融合网络（Adaptive Multi-scale Feature Fusion Network,AMFFN），并基于该网络对YOLO v4进行了改进，取得了更好的检测效果.该网络通过使用多个空间金字塔池化，提高特征的表示能力.提出的AMFFN跨层融合了多尺度的特征，并为不同尺度的特征层分配可学习的权重.为了更好地获得特征的细节信息，本文选择了DY-ReLU作为激活函数，它可以随输入动态变化. AMFFN可以被视为一个可重用的模块，通过反复融合特性来获得更精细的特性.为了避免复杂的网络结构导致的巨大参数量，使用深度可分离卷积替换普通卷积，以降低参数量，提高网络检测速度.实验结果表明，本文提出的方法相比YOLO v4提高了1.90%的AP，检测速度提高了5 FPS.

关键词：车辆检测多尺度融合深度可分离卷积 YOLO v4

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Photoshop 产品造型设计经典 4

基于图像矩信息的CamShift视觉跟踪方法

丛书名：触摸大师的设计思想

2004年

作者：（韩）姜素英河永民李红姬申铉京译

本书通过10个由易到难的实例、详细介绍了三星公司出口的各种电器的产品造型设计过程，涉及移动电话、数码相机、加湿器等的设计。

ISBN: (数字)7115120730

ISBN: (纸本)7115120730

本书通过10个由易到难的实例、详细介绍了三星公司出口的各种电器的产品造型设计过程，涉及移动电话、数码相机、加湿器等的设计。

关键词：造型设计工业产品应用软件计算机辅助设计

来源：畅想之星图书光盘版（南... 评论

在线全文

畅想之星图书光盘版（南通市图书馆镜像）

学校读者我要写书评

暂无评论

北京工业大学学报 2012年第1期38卷 105-109页

作者：申铉京张博吉林大学计算机科学与技术学院长春130012

为了适应视觉跟踪过程中目标形态的变化,使用核密度估计对视频序列中的运动目标进行色彩分布建模,运用CamShift算法进行跟踪,并结合图像矩信息确定目标区域.采用全局更新策略对目标色彩分布模型进行实时更新,进一步提高了跟踪的准确性.... 详细信息

为了适应视觉跟踪过程中目标形态的变化,使用核密度估计对视频序列中的运动目标进行色彩分布建模,运用CamShift算法进行跟踪,并结合图像矩信息确定目标区域.采用全局更新策略对目标色彩分布模型进行实时更新,进一步提高了跟踪的准确性.实验结果表明,该方法对目标在平移、旋转、局部遮挡等不同运动条件下均可实现稳定的跟踪,克服了尺度变化对跟踪带来的影响,是一种鲁棒性较强的跟踪算法.

关键词：目标跟踪核密度估计 CamShift算法图像矩