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

中心像素加权的无锚框孪生网络跟踪器

计算机工程与设计 2023年第7期44卷 2047-2053页

作者：谭敏闫胜业南京信息工程大学自动化学院江苏南京210044

为解决SiamRPN++超参数多,对相似背景干扰的判别性不强等问题,提出一种中心像素加权的无锚框孪生网络跟踪器(CPW-Siam)。引入无锚框回归方式,直接在像素点上预测目标框,避免超参数过多的影响;对像素点进行更精确的样本划分,使正样本像... 详细信息

为解决SiamRPN++超参数多,对相似背景干扰的判别性不强等问题,提出一种中心像素加权的无锚框孪生网络跟踪器(CPW-Siam)。引入无锚框回归方式,直接在像素点上预测目标框,避免超参数过多的影响;对像素点进行更精确的样本划分,使正样本像素点包含的背景更少,提升特征判别能力;通过中心加权采样,体现正样本像素点不同的关注度,使跟踪器能够做出更精确预测。在VOT2018数据集上的实验结果表明,CPW-Siam的EAO相较SiamRPN++提高了4.5个百分点。

关键词：超参数背景干扰孪生网络跟踪器无锚框回归中心像素中心加权采样

一种基于信息复用的Boosting瀑布型分类器高效训练方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2014年第10期36卷 2405-2411页

作者：闫胜业南京信息工程大学信息与控制学院南京210044

构建一个基于Boosting的瀑布型分类器往往要花费巨大的计算代价,该文提出一种改进的Boosting瀑布型分类器训练算法,利用不同层级分类器之间的共享信息复用来提高训练速度。该文提出的瀑布型分类器训练方法在两个层次上复用已获得的层级... 详细信息

构建一个基于Boosting的瀑布型分类器往往要花费巨大的计算代价,该文提出一种改进的Boosting瀑布型分类器训练算法,利用不同层级分类器之间的共享信息复用来提高训练速度。该文提出的瀑布型分类器训练方法在两个层次上复用已获得的层级分类器中的信息。在分类器层次上,前一个层级分类器在新的层级分类器训练过程中成为第1个特征,并在当前层级分类器的训练样本集上进行适应性学习;在特征层次上,每一级分类器都直接保留所有前面层级分类器已经学到的特征,并重新在当前层级分类器的训练样本集上进行适应性学习。最后,再通过学习新的弱分类器,加入新特征。在正面人脸检测问题上的实验表明,提出的新算法相比传统方法能够大幅提高Boosting瀑布型分类器的训练速度,提高幅度近10倍,瀑布型分类器的训练时间从将近3天降到了8个小时。

关键词：模式识别物体检测人脸检测瀑布型分类器 Boosting 训练时间

在线全文

学校读者我要写书评

暂无评论

基于学习的人脸面部图像快速检测算法研究

基于学习的人脸面部图像快速检测算法研究

作者：闫胜业北京工业大学

学位级别：硕士

人脸检测是指在一幅指定图像中，在不考虑人脸的三维姿态、光照条件等条件下，发现人脸大小、位置信息的过程。人脸检测是一项艰巨的工作，主要原因是人脸特征在人脸模式中的提取是一项非常艰巨的工作。人脸特征随着人脸在不同姿态、不... 详细信息

人脸检测是指在一幅指定图像中，在不考虑人脸的三维姿态、光照条件等条件下，发现人脸大小、位置信息的过程。人脸检测是一项艰巨的工作，主要原因是人脸特征在人脸模式中的提取是一项非常艰巨的工作。人脸特征随着人脸在不同姿态、不同光照和其它如遮挡、不同成像条件下，会产生许多不同的情况，增加了特征提取的难度。本文对基于学习的快速人脸检测方法进行了讨论。基于学习的快速人脸检测方法是人脸检测技术发展的趋势之一，它是一种基于后验学习的方法。本文认为，在基于学习的快速人脸检测方法中，有三个需要研究的要素，分别是学习算法、特征的定义及基于此特征形式构造分类器的方法和特征的有效组合方式。基于学习的人脸检测方法框架依据此三要素而搭建起来。这种方法首先定义一种特征形式并基于此特征形式使用构造分类器的方法构造出可以进行初步人脸检测的多个弱分类器，这些弱分类器经过学习算法的挑选和组合，作为学习算法的输入生成强分类器，进行人脸检测。快速的人脸检测还有一个重要任务就是将这些弱分类器有效地组合起来，提高人脸检测的速度。本文对基于学习的检测算法中的三个要素分别展开了讨论，重点研究了由特征构建分类器的方法和构建快速人脸检测系统所必需的弱分类器的组合，关于特征构建分类器，提出了一种新的基于人脸对称性的由特征构造分类器的方法。最后本文运用基于Adaboost学习算法和Harr-like特征及本文提出的由特征构造分类器方法，采用一种分级分类器的结构，搭建了一个快速的人脸检测系统。此人脸检测系统在大小为320240的图像上，检测速度可达到10帧以上，同时检测率在90％以上。

关键词： Adaboost学习算法 Harr-like特征分类器特征值

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

基于区域非均匀空间采样特征的图像分类方法

电子与信息学报 2014年第11期36卷 2563-2570页

作者：嵇朋朋闫胜业李林刘青山南京信息工程大学信息与控制学院南京210044

大量实验证明抽取图像中稠密局部特征能够大大提高图像分类性能,目前的常用策略是基于空间均匀密集采样来实现稠密局部特征的抽取。该文提出一种新的基于区域非均匀空间采样的局部特征抽取方法。首先,用过分割技术对原始图像进行分割,... 详细信息

大量实验证明抽取图像中稠密局部特征能够大大提高图像分类性能,目前的常用策略是基于空间均匀密集采样来实现稠密局部特征的抽取。该文提出一种新的基于区域非均匀空间采样的局部特征抽取方法。首先,用过分割技术对原始图像进行分割,从而得到图像的分割区域,并采用显著性检测技术估计每个过分割区域的重要性。然后,在保证不增加采样数的情况下,对重要的显著性区域的边界实行密集均匀采样,对区域内部根据区域大小和重要性实行随机采样。最后,采用词袋表示模型来实现图像分类。在两个广泛应用的数据库,8类体育运动(UIUC Sports)和256类自然图像(Caltech-256)数据库进行实验。实验结果证明,该文提出的采样策略进一步提高了基于稠密局部特征的图像分类性能。

关键词：图像分类非均匀空间采样图像分割显著性检测

在线全文

学校读者我要写书评

暂无评论

改进的卷积神经网络行人检测方法

计算机应用 2017年第6期37卷 1708-1715页

作者：徐超闫胜业江苏省大数据分析技术重点实验室(南京信息工程大学) 南京210044 大气环境与装备技术协同创新中心南京210044

为了在行人检测任务中使卷积神经网络(CNN)选择出更优模型并获得定位更准确的检测框,提出一种改进的基于卷积神经网络的行人检测方法。改进主要涉及两个方面:如何决定CNN样本迭代学习次数和如何进行重合窗口的合并。首先,关于CNN样本迭... 详细信息

为了在行人检测任务中使卷积神经网络(CNN)选择出更优模型并获得定位更准确的检测框,提出一种改进的基于卷积神经网络的行人检测方法。改进主要涉及两个方面:如何决定CNN样本迭代学习次数和如何进行重合窗口的合并。首先,关于CNN样本迭代次序问题,在顺序迭代训练多个CNN分类模型的基础上,提出一种基于校验集正确率及其在迭代系列分类器中展现出的稳定性进行更优模型选择的策略,以使最终选择的分类器推广能力更优。其次,提出了一种不同于非极大值抑制(NMS)的多个精确定位回归框合并机制。精确定位回归框的获取以CNN检测过程输出的粗定位框作为输入。然后,对每个粗定位框应用CNN精确定位过程并获得对应的精确定位回归框。最后,对多个精确定位回归框进行合并,合并过程考虑了每个精确定位回归框的正确概率。更精确地说,最终的合并窗口是基于多个相关的精确定位回归框的概率加权求和方式获得。针对提出的两个改进,在国际上广泛使用的行人检测公共测试数据集ETH上进行了一系列实验。实验结果表明,所提的两个改进方法均能有效地提高系统的检测性能,在相同的测试条件下,融合两个改进的方法相比Fast R-CNN算法检测性能提升了5.06个百分点。

关键词：深度学习卷积神经网络图像分类行人检测

在线全文

学校读者我要写书评

暂无评论

高转速下车用扁线电机交流损耗分析与优化

汽车技术 2024年第1期 34-43页

作者：陈林闫业翠上海工程技术大学上海201600

为降低高转速下扁线电机的交流损耗,提高电机的运行效率,以一台8极48槽扁线永磁同步电机为研究对象,建立扁线电机模型,分析交流损耗的影响规律,并以关键结构参数为变量,提出一种基于响应面设计的遗传算法优化方案,仿真结果表明,高速工况... 详细信息

为降低高转速下扁线电机的交流损耗,提高电机的运行效率,以一台8极48槽扁线永磁同步电机为研究对象,建立扁线电机模型,分析交流损耗的影响规律,并以关键结构参数为变量,提出一种基于响应面设计的遗传算法优化方案,仿真结果表明,高速工况下,电机交流损耗降低约6.8%,各转速下电机效率均有所提升,且高效区间的平均占比提高约7.8%。

关键词：电动汽车扁线电机交流损耗高速工况响应面遗传算法

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

我国数字人才队伍培养建设浅析

现代管理科学 2024年第2期 182-189页

作者：闫励朱卫未闫胜洁南京林业大学经济管理学院南京邮电大学管理学院南京师范大学泰州学院商学院

当前,我国数字经济的迅猛发展推动构建高质量发展格局,也对数字人才队伍提出了更高的要求。通过理论分析、文本研究等质性分析方法,阐述加强数字人才培养的重大意义,结果发现,数字人才培养存在市场供需不平衡、综合素养偏低、人才引进... 详细信息

当前,我国数字经济的迅猛发展推动构建高质量发展格局,也对数字人才队伍提出了更高的要求。通过理论分析、文本研究等质性分析方法,阐述加强数字人才培养的重大意义,结果发现,数字人才培养存在市场供需不平衡、综合素养偏低、人才引进与培养机制不完善、数字人才区域分布不均衡等问题,并对如何进一步加强数字人才培养提出对策建议,以期助力我国数字经济产业高质量发展。

关键词：数字经济数字人才培养建设

空间偏移拉曼光谱分析技术及其在食品次表层检测中的应用

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第5期44卷 1201-1208页

作者：刘振方黄敏朱启兵赵鑫闫胜琪江南大学轻工过程先进控制教育部重点实验室江苏无锡214122

空间偏移拉曼光谱(SORS)是一种应用于浑浊/分层介质深层无损检测的新型拉曼光谱分析技术。分层物质不同深度的拉曼信号随传输距离增加对探测器的贡献产生规律性变化,SORS技术通过采集偏移激光入射点不同距离的拉曼光谱,结合最佳偏移距... 详细信息

空间偏移拉曼光谱(SORS)是一种应用于浑浊/分层介质深层无损检测的新型拉曼光谱分析技术。分层物质不同深度的拉曼信号随传输距离增加对探测器的贡献产生规律性变化,SORS技术通过采集偏移激光入射点不同距离的拉曼光谱,结合最佳偏移距离信号增强、次表层谱峰识别、次表层信号分离等方法降低表层的干扰,获取纯净的次表层物质拉曼信号,然后借助拉曼的分子特异性实现无损的次表层物质定性和定量检测。介绍了空间偏移拉曼光谱技术的基本概念及测量技术,详细阐述了空间偏移拉曼光谱数据的分析方法及该技术在食品次表层检测中的应用,讨论了空间偏移拉曼光谱技术的限制条件并展望了该领域的未来发展。

关键词：空间偏移拉曼光谱次表层无损检测食品品质检测信号识别信号分离

负样本信息继承的矩阵式瀑布分类器高效学习算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2015年第9期35卷 2596-2601页

作者：刘阳闫胜业刘青山南京信息工程大学信息与控制学院南京210044

针对矩阵式瀑布分类器学习算法在负样本自举过程中无法快速自举出训练所需的高质量样本,自举过程严重影响整体学习效率及最终检测器性能等问题,提出了一种高效学习算法——负样本信息继承的矩阵式瀑布分类器高效学习算法。其自举负样本... 详细信息

针对矩阵式瀑布分类器学习算法在负样本自举过程中无法快速自举出训练所需的高质量样本,自举过程严重影响整体学习效率及最终检测器性能等问题,提出了一种高效学习算法——负样本信息继承的矩阵式瀑布分类器高效学习算法。其自举负样本过程为样本继承与层次自举相结合,首先从训练上一层强分类器所用的负样本集中继承有效负样本,样本集不足部分再从负图像集中自举。样本继承压缩了有效样本的自举范围,可以快速自举出训练所需样本;并且自举负样时对样本进行预筛选,增加了样本复杂度,提升了最终分类器性能。实验结果表明:训练完成方面,本算法比矩阵式瀑布分类器算法节省20 h;检测性能方面,比矩阵式瀑布型分类器高出1个百分点;与其他17种人体检测算法性能相比也有很好的性能表现。所提算法较矩阵式瀑布分类器学习算法在训练效率及检测性能上都有很大提升。

关键词：瀑布型分类器自举负样本训练时间