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

局部关系泛化表征的小样本增量学习

中国科学：信息科学 2023年第6期53卷 1132-1146页

作者：赵一凡李甲田永鸿北京大学计算机学院北京100871 北京航空航天大学计算机学院虚拟现实技术与系统国家重点实验室北京100191

小样本学习作为计算机视觉的新兴研究热点,旨在通过少量的已知样本实现对全新概念的快速识别和理解.现有的小样本学习技术只针对给定的新类别物体进行分类和识别,忽略了旧有基础类别的表示和区分.针对小样本增量学习问题中的类间可区分... 详细信息

小样本学习作为计算机视觉的新兴研究热点,旨在通过少量的已知样本实现对全新概念的快速识别和理解.现有的小样本学习技术只针对给定的新类别物体进行分类和识别,忽略了旧有基础类别的表示和区分.针对小样本增量学习问题中的类间可区分性差、增量类别难泛化两大研究难点,本文引入局部关系学习的思想,提出局部关系泛化表征的模型学习方法.为确保增量过程中的类别可区分性,本文首先使用局部空间关联约束增量表征能力,在此基础上,使用特征重映射方法将查询向量与支撑集映射在同一度量空间,有效确保了微小差异的可区分性.同时,为缓解增量过程中样本不足导致的归纳偏置问题,本文提出空间泛化式原型生成算法,利用分布特性快速生成虚拟原型,促进样本的有效表征.在此基础上,本文利用元学习训练方法,提出了局部泛化联合的增量学习框架,通过联合基础类别的局部表征和增量类别的快速泛化约束,有效缓解了灾难性遗忘和表征不足的困难,实验证明本方法在经典小样本增量任务中取得了当前最好的性能表现.

关键词：小样本学习增量学习局部关系泛化表征元学习

在线全文

学校读者我要写书评

暂无评论

基于局部关系卷积的点云分类与分割模型

计算机工程与应用 2022年第19期58卷 276-283页

作者：高金金李潞洋山西财经大学实验中心太原030016 中北大学大数据学院太原030051

深度学习已成为点云分析的主要方法,但是现有方法在点云特征抽象时无法充分参考局部形状信息,因此对局部形状变化感知的鲁棒性较差,难以针对形状特征生成合适的卷积核。为此,提出了局部关系卷积(local relation convolution,LRConv),一... 详细信息

深度学习已成为点云分析的主要方法,但是现有方法在点云特征抽象时无法充分参考局部形状信息,因此对局部形状变化感知的鲁棒性较差,难以针对形状特征生成合适的卷积核。为此,提出了局部关系卷积(local relation convolution,LRConv),一种通过全面局部关系感知形状特征的卷积算子。参考点云局部中所有邻域点之间的低维空间关系,定义了一种不依赖于点的顺序与刚性变换的局部关系描述;使用多层感知机从关系描述中学习得到局部区域中每个点对应的卷积权重;通过卷积权重来变换点的特征,并聚合局部区域的抽象特征。在基准测试实验中,LRConv分类网络在ModelNet上的分类准确率较PointNet++提高了2.1个百分点,LRConv零件分割网络在ShapeNet上的分割类别平均重合度较PointNet++提高了1.5个百分点。实验结果充分验证了LRConv在特征抽象中的有效性。

关键词：点云局部关系分类与分割卷积神经网络深度学习

基于语义一致性约束与局部-全局感知的多模态3D视觉定位

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2024年第7期41卷 2203-2208页

作者：罗寒马浩统刘杰严华雷印杰四川大学电子信息学院成都610065 中国科学院光电技术研究所中国科学院光束控制重点实验室成都610209 中国电子科技集团公司第十研究所航空电子信息系统技术重点实验室成都610036

3D多模态数据稀缺,使得传统方法进行监督训练时文本与视觉特征缺乏语义一致性。同时传统方法还易忽视局部关系与全局信息,从而导致性能不佳。针对上述问题,提出了一种基于语义一致性约束与局部-全局感知的多模态3D视觉定位方法。首先,... 详细信息

3D多模态数据稀缺,使得传统方法进行监督训练时文本与视觉特征缺乏语义一致性。同时传统方法还易忽视局部关系与全局信息,从而导致性能不佳。针对上述问题,提出了一种基于语义一致性约束与局部-全局感知的多模态3D视觉定位方法。首先,该方法通过蒸馏2D预训练视觉语言模型知识,帮助3D模型提取到点云-文本语义一致性特征;其次设计了局部-全局感知模块,不断补充增强候选目标特征,以更精确匹配目标。在现有的3D视觉定位数据集ScanRefer上进行的实验表明,该方法在Acc@0.25 IoU和Acc@0.5 IoU两个指标上分别达到了50.53%和37.67%,超越了现有大多数3D视觉定位算法,证实了该方法的有效性。

关键词： 3D视觉定位多模态特征一致性约束局部关系全局位置信息

在线全文

学校读者我要写书评

暂无评论

局部标记关系的多标记迁移学习算法

小型微型计算机系统 2017年第7期38卷 1595-1600页

作者：刘昊天舒欣姜海燕徐彦伍艳莲郭小清南京农业大学信息科技学院南京210095 国家信息农业工程技术中心南京210095

现有多标记迁移学习主要利用全局标记关系信息,由于源领域与目标领域的标记关系存在差异,源领域中全局标记关系不适合于目标领域.本文提出一种局部标记关系的多标记迁移学习算法,该算法通过对样本的标记进行聚类和最小化联合损失函数,... 详细信息

现有多标记迁移学习主要利用全局标记关系信息,由于源领域与目标领域的标记关系存在差异,源领域中全局标记关系不适合于目标领域.本文提出一种局部标记关系的多标记迁移学习算法,该算法通过对样本的标记进行聚类和最小化联合损失函数,可以有效的挖掘领域间共享的局部标记关系,对应的局部关系编码可以作为样本的辅助特征从而提高模型性能.图像分类实验表明,在多标记迁移学习中,基于局部标记关系的学习算法相比基于全局标记关系的学习算法具有更好的分类效果;本文所提算法与现有算法相比具有更好的分类效果.

关键词：多标记迁移学习标记关系局部关系

在线全文

学校读者我要写书评

暂无评论

面向稀疏点云的三维物体识别研究

面向稀疏点云的三维物体识别研究

作者：王文杰中国石油大学(北京)

学位级别：硕士

三维物体识别是计算机视觉领域中的一项基础研究,其主要任务是从三维数据中识别物体,被广泛应用在自动驾驶、虚拟现实和地形图测绘等诸多领域。由于点云获取设备的固有缺陷,采集到的点云具有稀疏性,这种稀疏结构会导致深度网络局部关系... 详细信息

三维物体识别是计算机视觉领域中的一项基础研究,其主要任务是从三维数据中识别物体,被广泛应用在自动驾驶、虚拟现实和地形图测绘等诸多领域。由于点云获取设备的固有缺陷,采集到的点云具有稀疏性,这种稀疏结构会导致深度网络局部关系捕获困难,表征能力差,从而识别准确率大幅下降。为了解决稀疏点云的识别问题,本文从稀疏点云的超分辨率方法、特征提取算子和识别网络结构三方面进行改进和优化。首先,针对点云超分辨率方法生成点云存在密度不均匀的问题,本文提出了一种结合注意力机制和联合损失的点云超分辨率方法,通过使用注意力机制增强特征集成能力,并通过结合重建损失和均匀化损失使得生成点均匀分布在物体表面。其次,针对稀疏点云由于其信息量较少导致特征提取难度大的问题,本文设计了一种结合多项式输入和几何先验的局部关系卷积算法,该卷积的关键在于可以从点之间关系中进行学习,具体来说,参考点云局部邻域中采样点自身多项式输入及其相邻点之间的低维几何关系,从而构建一种不依靠点顺序与刚体变换的局部几何关系描述算子,获取更多的局部特征信息,进而提高点卷积的形状感知和对稀疏点云的鲁棒性。最后,针对单尺度识别网络模型局部特征感知不足问题,根据尺度空间理论,本文设计了一种多尺度结构,该结构相当于将多个层次结构进行并联,在多尺度邻域中实现局部特征的融合提取,提高识别网络局部特征感知度。通过在标准的点云数据集上进行测试,并与其他点云识别算法进行对比,实验结果表明本文所提出的方法无论在稀疏点云还是稠密点云上的识别准确率都高于其他方法,也证明了所提出方法能够实现较好的稀疏点云识别效果,对稀疏点云识别问题提供了一种新的解决方案。

关键词：三维物体识别稀疏点云点云超分辨率局部关系多尺度结构

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

近似视频的哈希检索方法研究

近似视频的哈希检索方法研究

作者：井维臻山东大学

学位级别：硕士

随着新兴的网络视频相关服务和设备的兴起,例如视频共享、视频广播、广告和视频推荐等,网络视频的数量急剧增长。越来越多的用户参与到视频相关的活动中,包括上传和下载视频,编辑视频等等,因此,大量的近似重复视频涌现在互联网中,并呈... 详细信息

随着新兴的网络视频相关服务和设备的兴起,例如视频共享、视频广播、广告和视频推荐等,网络视频的数量急剧增长。越来越多的用户参与到视频相关的活动中,包括上传和下载视频,编辑视频等等,因此,大量的近似重复视频涌现在互联网中,并呈现爆炸式的增长趋势。近重复视频主要是指由相同的视频源经过拷贝或者是二次编辑产生的视频,二次编辑可以是对于视频帧的添加、删除、加噪、添加文本、改变视频分辨率等手段。近重复视频检索的任务描述是给定样例视频片段,在视频数据库中进行查找,检索出与样例视频近似或者重复的视频片段。随着大量近似重复视频的存在,近重复视频的检索技术可以应用在很多领域,如版权保护、视频监控、视频推荐等等。例如,当我们在搜索视频时,搜索引擎返回的前几个搜索结果往往都是近似的,而我们想要的是不同的视频。另外,近似重复视频都是由原始视频二次编辑而来的,这样就可能会侵犯原始视频的版权。基于近似重复视频的影响,在大数据背景下,视频哈希通过有效的检索近似重复视频具有一定的理论意义和现实意义。很多相关的科研工作已经在近似重复视频方面做了很突出的成果,多特征哈希可以很好的用于大规模的近似重复视频检索工作。但是,目前还存在一定的挑战。首先,多特征能够更好的表征视频内容,而且在检索中起到互补互助的关系,但是大多数现存方法仅仅考虑了多特征之间的局部关联关系,例如它们忽略了不同特征表示的视频之间的相似性或者是同一种特征表示下的不同的视频的相似性,这样就不能全面的挖掘多特征之间的关联关系,降低了检索的准确度。其次,现存的工作在学习哈希码的过程中,一个哈希函数产生一位哈希码,这在很大程度上增大了哈希函数学习的时间复杂度。因此,我们在第二章提出了一种基于全局的多特征近似视频哈希检索方法GVH来解决上面提到的问题。GVH方法利用了样本之间全局的结构关联关系。在该方法中,所有视频的所有特征都被映射到统一的哈希空间中,从不同特征之间和同种特征内部的关系得到哈希函数,而且哈希函数只需要一次迭代便可得到多位哈希码。与现存的哈希视频检索相比,GVH方法利用了视频之间的全局的结构关系得到了一个更加准确的检索结果。另外,在近似重复视频的哈希检索中,可以利用成对样本之间的相似性反映成对视频之间的局部关系,而全局的结构关系能够从整体上把控所有样本之间的关系,因此,我们在第三章中提出了一种联合的多特征哈希方法JMVH用于近似重复视频检索。在该方法中,既包含了部分成对样本之间的相似性,又包含了全局样本的相似性。这样使得样本之间的相似性体现的更加细致。两种方法都在两个公开的重复视频检索的数据库上做了验证,结果表明基于全局的结构关系在检索中占主导地位,样本之间局部的结构关系占辅助地位,这两种方法都取得了比当前最先进的成果更好的结果。

关键词：近重复视频哈希检索多特征局部关系全局关系

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

试析构成法则在意笔人物画创作中的应用

试析构成法则在意笔人物画创作中的应用

作者：韩晓丽河南大学

学位级别：硕士

中国画从它的诞生时起就有一种强烈的构成意识,意笔人物画作为中国画的重要组成部分,同样具有鲜明的构成特征。随着“中体西用”的思想逐渐渗透,传统中国画中的“经营位置”和“置陈布势”的构成理论其内容也在不断地继承、创新和发展... 详细信息

中国画从它的诞生时起就有一种强烈的构成意识,意笔人物画作为中国画的重要组成部分,同样具有鲜明的构成特征。随着“中体西用”的思想逐渐渗透,传统中国画中的“经营位置”和“置陈布势”的构成理论其内容也在不断地继承、创新和发展。中国画家不断汲取西方绘画中的构成法则,使得中国画的表现形式更加多样化,更加符合当今时代的审美要求。在整个创作过程中,本人从素材的收集与构图立意都借鉴了西方构成语言的形式美。在画面的整体布局上先从点、线、面和黑、白、灰两个方面来确立画面的基本疏密以及黑白关系,两者互为表里相辅相成,离开黑白灰去谈点线面则画面比较单薄,反之离开点线面去谈黑白灰画面则失去连贯性,实则两者关系你中有我,我中有你共同构成了画面整体的大基调。其次画面中又加入了平面构成中的对比元素,分别从疏密对比、主次对比、方向对比来讲述了画面中人物与背景之间的构成关系。再次,为了丰富画面语言也吸收了构成语言中的色彩要素,一方面为了点亮画面,另一方面则是为了让画面看着比较整齐有序而不乱。最后分别从背景中的构成元素,例如肌理的运用;人物中的构成元素,例如人物间的组合形式衣褶的疏密等等;局部中的构成分割这三个方面来阐述了局部画面中构成元素的具体运用。通过在《衣香人物太匆匆》系列作品创作过程中不断尝试,本人对“构成理论”有了新的理解。画面之所以吸收构成中的某些元素是为了丰富画面语言的需要,但是过多随便的加入则会使画面显得乱、不伦不类,因此在引用这些元素的时候我们应该多加斟酌。构成主要强调的是画面整体与局部之间的关系,而中国画的精髓在于笔墨语言。构成语言需要突出画面的虚实、主次等关系,就要通过笔墨的灵活运用来表现。因此,构成意识与中国画相结合,可以在某些程度上开拓当代意笔人物画家的创作思路,丰富中国画的表现语言,进而促进中国画的改革和创新。

关键词：构成法则意笔人物画局部关系整体

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于步态序列的行人步态识别研究

基于步态序列的行人步态识别研究

作者：秦皓山东大学

学位级别：硕士

生物特征识别由于具有准确率高、便捷快速等优点,已经成为身份识别领域的主要方法之一。步态识别也是一种生物特征识别方法,它通过分析目标人物身体结构及走路的姿态进行身份识别,依赖其独特的优越性逐渐发展起来,在刑侦领域大放异彩。... 详细信息

生物特征识别由于具有准确率高、便捷快速等优点,已经成为身份识别领域的主要方法之一。步态识别也是一种生物特征识别方法,它通过分析目标人物身体结构及走路的姿态进行身份识别,依赖其独特的优越性逐渐发展起来,在刑侦领域大放异彩。一个完整的步态识别系统包括步态信息采集、步态特征提取、步态特征匹配三个环节。基于深度学习的计算机视觉技术与步态识别任务十分契合,促进了步态识别技术的进步,然而目前步态识别在实际应用中仍受许多问题的限制,如视角多样性、携带物或衣着变化、遮挡、行走速度不稳定等。针对这些问题,本文对步态识别算法进行了深入研究:许多研究表明,对步态特征图进行分割可以提高步态识别的准确率,然而大多数模型只是在固定尺度上切割特征图,丢失了人体各部分之间的依赖关系。因此本文提出了一个名为“部分特征关系提取器(PFRE)”的结构来提取行人各个身体部位之间的依赖关系。PFRE与卷积神经网络结合后可以组成步态识别模型RPNet。PFRE分为两部分:“整体——部分特征提取器(TPFE)”可以提取不同尺度的局部块的特征;“相邻特征关系提取器(AFRE)”可以提取每个局部块之间的依赖关系。RPNet在CASIA-B、OU-LP和OU-MVLP三个公开步态数据集上进行了测试,对遮挡情况表现出了显著的鲁棒性。在RPNet的基础上,本文又设计了一个更先进的步态识别模型GGCN,它将多种类型的步态序列作为输入并通过有监督的生成模块消除遮挡的影响。GGCN对步态序列的处理分为三步:首先利用生成网络提取低级特征,去除遮挡干扰;然后将低级特征输入到编码器网络中以获得高级特征;最后将高级特征输入到特征映射网络中以获得更具辨识度的特征。在公开步态数据集上的实验结果表明GGCN有效提高了 RPNet的识别准确率。二值化序列输入决定了步态识别任务的关键在于如何设计一个框架来提取多尺度的时空信息并形成高效的步态特征。然而以往的研究主要集中于如何将信息流耦合到更深、更复杂的网络中,缺乏对不同频率信号协同机制的深入分析,因此本文提出了一个统一的步态特征学习框架GaitU。GaitU是一个在时空和尺度上完全解耦的步态识别网络,能够有效提取空间域和时间域的粗粒度和细粒度特征。GaitU显著提高了目前步态识别的最优精度。步态识别的应用场景包含室外自然环境,然而目前对自然环境下步态识别的研究较少。本文依赖于两个最新的室外步态数据集GREW与Gait3D在GaitU框架下对自然环境下的步态识别算法进行了探索。本文提出了三种步态识别算法,解决了步态识别中存在的一些难点,探索了自然环境下的步态识别算法,可以为步态识别系统的搭建提供一定帮助。

关键词：步态识别卷积神经网络局部关系多尺度特征生成网络特征映射时空特征学习

基于图卷积神经网络的排水管道缺陷检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图卷积神经网络的排水管道缺陷检测方法研究

作者：曾保誌西南交通大学

学位级别：硕士

随着社会发展,城镇化水平提高,对城市基础建设的要求越来越高,城市地下排水管网是排放和处理雨污水的重要基础设施。地下排水管网由于长年累月受到污水侵蚀以及因水位升高而导致杂物堆积,容易产生一系列缺陷,如:破裂、变形、渗漏等。排... 详细信息

随着社会发展,城镇化水平提高,对城市基础建设的要求越来越高,城市地下排水管网是排放和处理雨污水的重要基础设施。地下排水管网由于长年累月受到污水侵蚀以及因水位升高而导致杂物堆积,容易产生一系列缺陷,如:破裂、变形、渗漏等。排水管网深埋于地下,不利于检测,采用人工检测不仅容易受到环境限制,并且主观因素过强,难以形成统一标准,不能够满足现代化发展的需求,人工智能的崛起促进了各行各业的发展,使用人工智能技术对排水管道缺陷进行检测是将来的发展趋势。因此,本文针对上述问题,对基于深度学习模型的排水管道缺陷检测方法进行了深入研究,以提高排水管道缺陷检测的准确率,主要包括以下方面的内容:(1)针对排水管道图像由于拍摄条件限制导致图像质量低,需要建模标签关系以提高缺陷检测准确率的问题,提出一种改进标签图。首先,构建自适应共生概率,调整标签对本身的关注程度以及对共生标签的关注程度,从而调整标签与其共生标签的聚合程度。然后,为每类共生标签都构建一个自适应共生强度替代平均分配,使标签与其共生强度高的标签聚合程度高,与其共生强度低的标签聚合程度低。实验以课题组采集到的排水管道数据集为对象,理论分析与实验结果表明,本文所提方法的m AP值达到95.6%,与现有排水管道缺陷检测网络相比,m AP值提高了8%,所提方法有效解决了忽略标签之间关联程度导致检测准确率低的问题。(2)针对现有网络使用全局标签关系导致排水管道缺陷检测准确率低的问题,提出一种基于局部标签关系的排水管道检测模型(Local Label Correlations GCN,LLCGCN),将模型使用的全局标签关系改进为局部标签关系。首先,使用K-means聚类算法对样本进行聚类,将样本分组。然后,对每一组样本分别进行图卷积获得具有不同的局部标签关系的结点信息。最后根据检测样本的所属组的结点信息与样本特征结合进行预测,提高缺陷检测准确率。实验以课题组采集到的排水管道数据集为对象,理论分析与实验结果表明,使用局部标签关系的排水管道缺陷检测模型的m AP达到95.5%,与现有排水管道缺陷检测网络相比,m AP值提高了7.9%,所提方法有效解决了使用全局标签关系导致检测准确率低的问题。

关键词：管道缺陷深度学习多标签分类图卷积网络标签关联局部关系