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

面向场景解析的空间结构化编码深度网络

哈尔滨工程大学学报 2017年第12期38卷 1928-1936页

作者：张国印王泽宇吴艳霞布树辉哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001 西北工业大学航空学院陕西西安710072

为了研究有效的特征提取和精确的空间结构化学习对提升场景解析效果的作用,本文提高出基于全卷积神经网络空间结构化编码深度网络,网络内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法,算法能够比较准确地描述物体所处... 详细信息

为了研究有效的特征提取和精确的空间结构化学习对提升场景解析效果的作用,本文提高出基于全卷积神经网络空间结构化编码深度网络,网络内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法,算法能够比较准确地描述物体所处空间的物体分布以及物体间的空间位置关系。通过空间结构化编码深度网络,网络不仅能够提取包含多层形状信息的多维视觉特征,而且可以生成包含结构化信息的空间关系特征,从而得到更为准确表达图像语义信息的混合特征。实验结果表明:在SIFT FLOW和PASCAL VOC 2012标准数据集上,空间结构化编码深度网络较现有方法能够显著地提升场景解析的准确率。

关键词：场景解析全卷积神经网络图模型空间结构化编码算法多维视觉特征空间关系特征混合特征

在线全文

学校读者我要写书评

暂无评论

面向微光/红外融合彩色夜视的场景解析方法

红外与激光工程 2017年第8期46卷 29-34页

作者：鲁佳颖谷小婧顾幸生华东理工大学化工过程先进控制与优化技术教育部重点实验室上海200237

彩色夜视技术可以将微光/红外双谱图像融合成一幅适于人眼观察的彩色图像,而恰当的场景解析方法能够对彩色夜视图像的内容做出自动化分析,进一步减轻人眼的观测负担。针对彩色夜视场景丰富多变、对算法灵活性要求高的特点,提出了一种可... 详细信息

彩色夜视技术可以将微光/红外双谱图像融合成一幅适于人眼观察的彩色图像,而恰当的场景解析方法能够对彩色夜视图像的内容做出自动化分析,进一步减轻人眼的观测负担。针对彩色夜视场景丰富多变、对算法灵活性要求高的特点,提出了一种可在线扩展的场景解析方法。该方法基于非参数模型,预测景物类别时不需要训练过程,只需要使用数据库中具有语义标记的样本图像,通过将待解析图像与样本图像进行全局及局部匹配来实现语义标签的传递。而且,数据库可以根据应用场景的不同随时进行动态扩充。实验结果表明:该方法在包含城市、乡野等多种场景的夜视图像上,以及由统计色彩映射、TNO、NRL等多种融合方法得到的、具有不同色彩表征的彩色夜视图像上都具有令人满意的准确率。

关键词：彩色夜视场景解析非参数模型超像素特征马尔科夫随机场

一种改进HRNetV2和聚合注意力的场景解析方法

在线全文

学校读者我要写书评

暂无评论

重庆理工大学学报（自然科学） 2023年第10期37卷 136-145页

作者：张岩孙英伟青岛科技大学图书馆山东青岛266000 青岛科技大学机电工程学院山东青岛266000

智能化环境和服务的重要基础在于能够对环境进行视觉建模,使其具有视觉识别和理解能力。为此,提出一种用于智能服务机器人的场景解析深度网络模型Shuffle-HRNet以实现自主移动和服务。设计一种Shuffle模块并引入HRNetV2网络,实现不同通... 详细信息

智能化环境和服务的重要基础在于能够对环境进行视觉建模,使其具有视觉识别和理解能力。为此,提出一种用于智能服务机器人的场景解析深度网络模型Shuffle-HRNet以实现自主移动和服务。设计一种Shuffle模块并引入HRNetV2网络,实现不同通道之间的信息交互,降低模型参数量并提高计算效率;提出一种聚合注意力感知模块,使网络关注每个通道中不同的有效特征信息、抑制不相关特征;在SmartLib数据集上对Shuffle-HRNet和主流分割方法进行了对比和消融实验。实验结果表明,Shuffle-HRNet能够对内部环境实现场景解析和准确分割。相比其他方法,Shuffle-HRNet具有更高的分割效率和更低的参数量,可部署于机器人以实现室内场景自主移动进而提供多元化服务。

关键词：智慧图书馆场景解析聚合注意力感知计算机视觉人工智能

在线全文

学校读者我要写书评

暂无评论

基于多特征和样例SVM的场景解析方法研究

基于多特征和样例SVM的场景解析方法研究

作者：崔晓飞河北工业大学

学位级别：硕士

场景解析是计算机视觉领域中的一项重要而具有挑战性的工作,研究的主要内容是为图像中的每个像素标记一个类别标签,在自动驾驶、机器人导航、环境监测、基于内容的图像搜索等多个领域具有广泛的应用。场景解析通常包括图像分割、目标类... 详细信息

场景解析是计算机视觉领域中的一项重要而具有挑战性的工作,研究的主要内容是为图像中的每个像素标记一个类别标签,在自动驾驶、机器人导航、环境监测、基于内容的图像搜索等多个领域具有广泛的应用。场景解析通常包括图像分割、目标类别检测、以及图像多标签识别问题等,在早期的计算机视觉研究中,这些问题已经被提出,虽然许多研究人员对这些问题展开研究,但是至今没有得到较好的解决。场景解析的难点是获得图像中具有较强表达力的语义特征以及提高图像小目标（占有较少像素）的识别率。本文针对这两方面的问题,提出了基于多特征和样例SVM的场景解析方法。首先,本文在训练集图像中计算与查询图像最相似（场景相似、空间布局相似和目标相似）的图像,由这些图像构成检索集,因此检索集中的图像数量小于训练集中的图像数量。使得查询图像中每个像素的类标签就被限定为检索集图像中像素的类标签,从而减少算法的计算量。其次,基于深度卷积特征与传统的浅层SIFT和GIST特征相结合的方式构建图像全局和局部的像素分类特征,并在超像素级对查询图像与检索集图像进行匹配,从而获得查询图像中超像素的分类似然值,取最大似然值作为超像素的标注。最后,结合支持向量机（SVM）对每个样例进行分类,并且使用马尔科夫随机场（MRF）能量函数作为目标函数。为了最小化能量函数并执行上下文推理,在MRF能量函数中将数据项和平滑项结合,微调查询图像中超像素的类标签,得到最终的图像解析结果。本文将提出的算法在公开的SIFT Flow数据集上进行实验,实验结果表明本文提出的基于多特征和样例SVM的场景解析方法具有较高的识别率。此外,把本文提出的算法应用到已采集真实的视频图像中,取得了良好的效果,从而验证了本文提出方法的有效性。

关键词：场景解析多特征融合支持向量机马尔科夫随机场

基于图像场景解析的城市意象研究 ——以深圳市为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像场景解析的城市意象研究 ——以深圳市为例

作者：崔志祥深圳大学

学位级别：硕士

城市风貌与特色的传承和塑造面临持续的挑战,离不开对城市意象体系的认识和把握。在互联网大数据涌现和图像语义分割技术成熟的背景下,基于大数据广泛感知的城市意象体系量化研究已初具理论和实证基础。当前,基于图像大数据的城市意象... 详细信息

城市风貌与特色的传承和塑造面临持续的挑战,离不开对城市意象体系的认识和把握。在互联网大数据涌现和图像语义分割技术成熟的背景下,基于大数据广泛感知的城市意象体系量化研究已初具理论和实证基础。当前,基于图像大数据的城市意象研究较多聚焦于理论的局部验证,而围绕“可意象性”的整体理论体系仍有待拓展和提炼。当前,从经典城市意象理论出发,需要进一步完善图像数据研究领域的城市意象理论的建构逻辑,加强城市意象量化感知理论体系及其实证探索,以优化对城市风貌规划、城市设计的反馈和评估。本文从城市意象理论中的核心,即“可意象性”的探讨出发,在“结构性意象”、“独特性意象”两个方面的理论基础上,基于图像数据的特征,增加第三个维度:“意象活力”,通过量化测度这三个维度,来构建“可意象性”理论。以深圳市为例,以python+API方法,获取两个网络平台的图像数据并建库。把深圳分为若干规划功能分区,分别感知三个维度的城市意象。“意象活力”是图像数据密度,“结构性意象”是通过与规划比较的方法,统计结构性五要素的数量。“独特性意象”的测度中,基于FCN场景解析的生成的全部语义,根据要素占比统计,与语义归纳,得出12类意象或场景,并用该分类描述城市各个功能分区的独特意象,以更精确地比较城市不同地区的意象差异。最后,通过感知意象与规划意象的比较分析,来挖掘城市意象的空间结构和独特意义。最后提出针对城市意象传承和塑造的建议。本研究结论为:(1)社交平台图像大数据所感知到的城市意象与规划城市意象总体契合。这种总体上的契合可以分为三个维度来表征。(2)基于FCN场景解析的图像数据全语义分类汇总的方法更符合图像数据中的要素特征,且分类过程中舍弃的语义更少,丢失的信息更少,可以更精确地描述独特性意象。(3)使用三个维度建构“可意象性”的理论框架。量化测度三个维度并综合为“可意象性”指数,使基于图像场景解析的城市意象研究继承了经典理论,并根据大数据特征有所拓展,完善了城市意象理论体系在图像大数据研究中的建构逻辑。(4)通过深圳市城市意象的实证分析,验证了该量化测度“可意象性”的方法可应用于城市空间活力感知、显著意象空间与模糊意象空间感知、城市空间意象特色感知等方面,并且可以用于比较城市各个规划功能分区的“可意象性”差异。通过与已实施的规划的比较亦可用于评估实施影响,并基于此提出针对规划设计的优化建议。

关键词：城市意象可意象性场景解析图像大数据深圳

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

采摘机器人的场景解析和路径规划算法研究

采摘机器人的场景解析和路径规划算法研究

作者：赵伦桂林电子科技大学

学位级别：硕士

随着新兴农业生产模式和技术的发展,农业机器人将成为农业生产的中坚力量。采摘机器人作为农业机器人的重要组成,对加速农业现代化进程、降低人力成本具有重要意义。在复杂果园环境中,采摘机器人的自主移动是完成果实采摘任务的技术基础... 详细信息

随着新兴农业生产模式和技术的发展,农业机器人将成为农业生产的中坚力量。采摘机器人作为农业机器人的重要组成,对加速农业现代化进程、降低人力成本具有重要意义。在复杂果园环境中,采摘机器人的自主移动是完成果实采摘任务的技术基础,多技术融合的采摘机器人场景解析和路径规划已然成为研究热点。为了提高采摘机器人在果园道路下的场景解析和路径规划能力,本文在设计搭建采摘机器人的基础上,进行了采摘机器人的场景解析和路径规划算法的研究。主要内容如下:针对果园环境进行采摘机器人的整体设计,通过设计被动式全向越野运动单元适应果园道路与垄田种植区域的地形,采用双目相机进行实时环境感知,利用全球卫星导航模块与姿态模块获取位置与姿态信息,安装可横向移动的机械手进行果实采摘,使用机载PC与底层控制器进行信息处理。通过对各个模块的进行整合,完成了本文算法研究所需的采摘机器人的搭建。针对采摘机器人在果园道路环境下特征提取困难、实时性差等问题,提出一种多分支金字塔场景解析网络(Mu-PSPNet)。Mu-PSPNet整体网络由编码器和解码器构成,其中编码器采用PSPNet进行特征图提取,利用金字塔池化模块获取丰富多尺度特征,通过引入深度可分离卷积减少网络参数与运算时间。解码器使用多分支的通道注意力模块进行多通道特征融合,通过全局上下文模块进行语义信息补充,提升网络对上下文语义信息的获取能力。实验结果表明Mu-PSPnet在自建果园道路数据集和SSSDC公开数据集上分别获得75.6%和73.4%的MIo U,拥有10FPS的场景解析速度。为了解决果园道路环境下采摘机器人障碍物检测问题,实现融合语义信息的双目立体视觉障碍物检测方法。采用张正友标定法进行双目相机标定,利用Bouguet算法进行双目相机极线校正,使用半全局块匹配算法实现双目立体匹配,进而获得视差图像。对语义标签图进行图像处理,获取不同障碍物的轮廓信息和重心坐标。融合语义信息与视差图,确定障碍物种类与障碍物的距离信息。实验结果表明,障碍物距离测量平均误差为2.52%,满足采摘机器人果园道路障碍物检测的要求。针对采摘机器人在果园道路环境中的路径规划问题,提出基于道路引导线的动态窗口局部路径规划算法。对果园道路区域语义标签图处理获得离散引导点,采用B样条曲线对离散引导点进行拟合,从而获取道路引导线。通过评价函数将引导线信息引入到动态窗口法中进行局部路径规划。开展引导线精度测试,测试结果表明道路引导线提取准确,其相对误差平均为2.25%。进行采摘机器人局部路径规划实验,结果显示基于道路引导线的动态窗口法具备良好的引导线跟随和避障能力。

关键词：采摘机器人场景解析双目相机局部路径规划

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空显著性的视频场景解析

基于时空显著性的视频场景解析

作者：吴扬苏州大学

学位级别：硕士

场景解析是理解图像和视频至关重要的一步。作为近年来计算机视觉领域最活跃的研究方向之一,场景解析在自动车辆导航、遥感、地表外貌自动识别、图像检索等诸多领域都具有十分广泛的应用前景。通常,场景理解涉及两个部分:场景内容的提... 详细信息

场景解析是理解图像和视频至关重要的一步。作为近年来计算机视觉领域最活跃的研究方向之一,场景解析在自动车辆导航、遥感、地表外貌自动识别、图像检索等诸多领域都具有十分广泛的应用前景。通常,场景理解涉及两个部分:场景内容的提取和场景内容的识别。本文利用显著性模拟视觉注意机制提取场景中的显著区域,然后使用改进的图像场景解析算法完成视频场景内容的分层标注。主要研究工作如下:1)针对现有时空显著性检测模型对于运动特征的描述不是过于简单导致不足以包含丰富的运动信息,就是太过复杂导致耗时太多的问题,提出一种基于慢特征分析的时空显著性检测模型。该方法首先以非监督的方式从不同视频序列的时空立方体中学习缓慢特征函数,然后利用两层级联的缓慢特征核来提取像素级的高层运动特征用于计算时间显著性,最后将获得的时间显著图与基于布尔图的空间显著图融合生成最终的时空显著图。在JPEGS视频序列数据集上的实验结果表明,提出的方法优于其他的时空显著模型,获得了更好的显著区域提取效果。2)针对通常的非参数图像场景解析方法中利用人工特征的图像检索存在噪声图像导致不高的像素识别,以及利用KNN的超像素分类倾向于忽略稀少类别而带来较低的类别识别这两个问题,提出一种自动特征学习的场景解析方法。该方法首先利用深度学习框架提取CNN特征代替传统的人工特征（如gist特征和空间金字塔匹配）用于场景相似性的图像检索,然后将KNN与集成分类器技术相结合,通过合并不同概率分类器的似然得分来调整KNN分类的似然估计,从而增强稀少类别的分类性能。在两个公开数据集SIFTflow和LMSun上的实验结果表明,CNN特征在场景相似性描述上优于人工特征,大大提高了场景标注的像素识别率;另外KNN与集成分类器的融合使得场景标注的类别识别率得到显著提高。3)针对传统的非参数解析方法没有考虑到场景中显著区域所带来的语义重要性,导致一些具有稀少特性的显著区域标注不正确这一问题,提出一种基于感兴趣区域的视频场景标注算法。该方法首先利用时空显著性模拟人眼视觉注意机制提取当前视频帧的显著区域,根据提取的显著区域将超像素划分为前景和背景两个部分,然后分别计算对应超像素的分类成本从而实现对视频帧的分层解析。同时考虑连续视频帧间存在一定的约束性,将前一帧和当前帧的超像素分类成本融合从而获得最终标注结果。在标准数据库Cam Vid上的实验结果表明,提出的方法优于传统的非参数解析方法,在像素识别和类别识别上都获得了性能提升。

关键词：缓慢特征分析时空显著性 CNN特征集成分类场景解析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向自动驾驶的城市景观场景解析方法研究

面向自动驾驶的城市景观场景解析方法研究

作者：史健锋东北林业大学

学位级别：硕士

自动驾驶概念诞生以来,一直是各国竞相发展的重要技术。然而目前的自动驾驶汽车仍然无法准确、高效的解析并识别周围环境,尤其是在复杂的城市街道之中。场景解析要求提供对场景的完整理解,它预测整幅图像中每个像素的标签、位置,对其所... 详细信息

自动驾驶概念诞生以来,一直是各国竞相发展的重要技术。然而目前的自动驾驶汽车仍然无法准确、高效的解析并识别周围环境,尤其是在复杂的城市街道之中。场景解析要求提供对场景的完整理解,它预测整幅图像中每个像素的标签、位置,对其所属物体进行分类和定位。复杂的城市景观场景解析有两大关键难点,即高分辨率的保持和高层语义信息的获取。本文基于深度学习技术,针对城市景观场景解析的两大难点,提出了结合空洞空间金字塔池化的改进高分辨率网络以及高分辨率场景解析网络,旨在为自动驾驶车辆提供高效、高精度的城市景观场景解析算法。本文的主要研究内容如下:(1)深入研究了城市景观场景解析的两大关键难点,即高分辨率的保持和高层语义信息的获取。深入研究了卷积神经网络的设计,靠近输入端的特征图拥有高分辨率和高语义信息,但是缺少边缘和细节信息;靠近输出端的特征图分辨率很低,丢失了语义信息,但是获取到了大量的细节信息,难以满足场景解析的需要。因此本文提出卷积神经网络结合使用空洞卷积、金字塔池化来解决这两大难点。(2)针对多尺度物体分割问题,提出了结合空洞空间金字塔池化的改进高分辨率网络。首先以深度可分离卷积改进了高分辨率网络的一半残差模块,并以此为基干的特征提取网络;其次设计了改进的空洞率叠加的空洞空间金字塔池化模块,以获得多个尺度的感受野,增强模型提取多尺度物体特征的能力;最后设计了双通道并行的解码器结构,聚合所有的优势,获得了高质量的分割图。最终在City Scapes数据集上以34.8M的参数数量,取得了82.1%的MIo U,并且前向预测速度达到了10FPS。(3)在结合空洞空间金字塔池化的改进高分辨率网络研究的基础上,进一步针对上下文信息聚合问题,提出了高分辨率场景解析网络。首先以三级空洞率叠加的空洞可分离卷积改进了高分辨率网络,并以此为基干的特征提取网络;其次设计了多阶段逐级融合的上采样结构,充分利用改进的高分辨率网络的四条并行通路的输出特征图;最后设计了改进的、可以适应不同尺寸的输入图像的金字塔池化模块来聚合全局上下文信息、不同尺寸的局部上下文信息,优化分割结果,获得了高质量的分割图。最终在City Scapes数据集上以16.4M的参数数量,取得了83.3%的MIo U,并且前向预测速度达到了14FPS。(4)将上述算法进行实际应用,设计并实现了一个基于深度学习的面向自动驾驶的城市景观场景解析系统,并且完全根据软件工程的规范进行了系统设计以及系统实现。本文详细阐述了系统需求分析、系统设计、系统实现、系统测试的全部内容。场景解析系统包含了用户管理、训练模型、场景解析、数据集管理、算法管理等模块。满足了用户对于不同数据集的场景解析需求。

关键词：深度学习卷积神经网络语义分割场景解析空洞卷积

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于电网大数据的场景解析子系统设计与实现

基于电网大数据的场景解析子系统设计与实现

作者：马良华北京邮电大学

学位级别：硕士

配电网处于电网系统末端,随着配电自动化建设和用电信息自动采集系统的推广,电网的信息化、互动化、自动化程度越来越高。智能电网的运行过程中,存储了大量的用户用电基础数据,不同用户产生的数据之间还有着微妙的联系。通过聚类算法对... 详细信息

配电网处于电网系统末端,随着配电自动化建设和用电信息自动采集系统的推广,电网的信息化、互动化、自动化程度越来越高。智能电网的运行过程中,存储了大量的用户用电基础数据,不同用户产生的数据之间还有着微妙的联系。通过聚类算法对用户用电负荷数据进行数据挖掘,可以发现典型用户的用电特征,但难以对得出的结果进行自动化的解析。为了解决这些问题,本文设计与实现了一种针对数据挖掘聚类结果的场景解析子系统。该系统具有支持自定义模型,能自动生成解析文本等特性,能同时承载大数据量的计算请求,并根据特征标签自动生成对用电场景的解析结果。该系统在设计与实现中基于大数据的特点使用了分布式存储和基于SPARK的计算平台。本文首先阐述了电网大数据场景解析子系统提出的背景和意义,对涉及的相关技术进行了阐述,具体包括智能电网的发展背景,相关机器学习算法等。接着对子系统用户的使用场景进行了需求分析,分析其功能需求和非功能需求,针对功能需求涉及的关键问题进行了研究,并构建了用户用电行为分析场景和电网投资负效益评估场景。此外,对系统中涉及到的数据模型和他们之间的关系进行了说明。随后根据前面的研究结果,对电网大数据场景解析子系统的总体架构和不同层级间的交互关系进行了设计,针对典型使用流程涉及到的系统关键模块的设计实现进行了详细说明。随后对系统进行了部署和测试,通过测试验证了系统的合理性和有效性。最后对系统中尚未完善的地方提出了研究展望。

关键词：电网大数据数据挖掘智能电网场景解析