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

基于前景分割与多损失融合的行人重识别方法

计算机应用研究 2021年

作者：龚毓秀汪荣贵杨娟薛丽霞合肥工业大学计算机与信息学院

由于行人姿态、相机的角度等不同，导致出现行人未对齐，相同行人但背景迥异，以及图像中行人身体部件缺失等问题。针对这些亟需解决的问题，提出一种基于前景分割与多损失融合的行人重识别方法。首先对去除背景的前景图像进行局部分块... 详细信息

由于行人姿态、相机的角度等不同，导致出现行人未对齐，相同行人但背景迥异，以及图像中行人身体部件缺失等问题。针对这些亟需解决的问题，提出一种基于前景分割与多损失融合的行人重识别方法。首先对去除背景的前景图像进行局部分块，使用遮挡机制来调节三个局部特征向量，同时设计权重自适应方法，来解决身体部件缺失问题，增强局部特征的自适应性。然后利用背景约束损失来限制背景信息与全景信息之间的特征距离以再次减少背景信息的影响。最后融合全局损失、局部损失以及约束损失等多个损失，实现整个网络的联合优化。分别在包括Market1501,DukeMTMC-reID在内的主流评估数据集上进行实验，结果表明方法的有效性。

关键词：行人重识别前景分割多损失融合权重自适应背景约束损失

基于局部特征与多损失融合的车型精细识别算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

传感器与微系统 2021年第4期40卷 142-145页

作者：李哲胡朋立邓军勇西安邮电大学电子工程学院陕西西安710121 延安大学物理与电子信息学院陕西延安716000

针对车型精细识别率低的问题,提出基于局部特征与多损失融合的车型精细识别算法。首先通过Faster RCNN获取区分度较大的车脸区域;然后在识别网络中,借助VGG 16提取车脸特征,在输出层对SoftMax损失和中心损失进行加权融合,有效地引导网... 详细信息

针对车型精细识别率低的问题,提出基于局部特征与多损失融合的车型精细识别算法。首先通过Faster RCNN获取区分度较大的车脸区域;然后在识别网络中,借助VGG 16提取车脸特征,在输出层对SoftMax损失和中心损失进行加权融合,有效地引导网络学习类内距离较小、类间距离较大的特征。实验结果表明:所提算法在中山大学VRID-1数据集的识别准确率为98.80%,车型精细识别准确率得到了明显的提升。

关键词：车型精细识别深度卷积神经网络中心损失多损失融合

基于前景分割与多损失融合的行人重识别方法研究

在线全文

学校读者我要写书评

暂无评论

基于前景分割与多损失融合的行人重识别方法研究

作者：龚毓秀合肥工业大学

学位级别：硕士

现如今,随着计算机超强计算能力和巨大存储能力的提升,以及社会对于安保的需求,监控设备被安装布置在各个地方的不同场景中。同时随着人工智能的发展,使得人们已经不满足于使用人工筛选视频的方法,智能搜索视频方法显得尤为重要。行人... 详细信息

现如今,随着计算机超强计算能力和巨大存储能力的提升,以及社会对于安保的需求,监控设备被安装布置在各个地方的不同场景中。同时随着人工智能的发展,使得人们已经不满足于使用人工筛选视频的方法,智能搜索视频方法显得尤为重要。行人重识别是智能视频监控中的一项重要技术,是计算机视觉领域下的研究热点。由于检测框的不正确,障碍物的遮挡,行人姿态的不同和相机角度的差异等等原因,会出现诸如相同行人出现身体未对齐,相同行人但背景迥异,以及行人部分身体遮挡等等现象,从而给行人重识别带来很大的挑战性。因此,本文在引用深度网络模型的基础上,对网络结构和损失函数进行改进,提出一种基于前景分割与多损失融合的行人重识别方法。本文的主要研究内容如下:1.整理和总结了行人重识别的常用方法。从度量学习的角度来详细阐述了在行人重识别中常用的度量损失函数,主要有对比损失、三元组损失、四元组损失和难样本采样三元组损失等等。从局部学习的角度列举出获取局部特征的方法,其中包括水平条纹切割、网格切割等等。同时对度量学习和局部学习中的各类方法进行系统地分析。2.由于障碍物遮挡、摄像机视角不同等原因,导致出现相同行人背景迥异,图像中行人部件缺失等问题。针对这些问题,提出基于前景分割与局部对齐网络。对于数据集中的图像进行前景分割,强化前景目标对于特征的影响,弱化背景噪声的干扰。同时对于行人出现身体未对齐,同一像素位置却对应不同身体部件的现象,对前景图像进行局部对齐。为考虑精确的分割,使用关节点定位的方法,来对分割后的部件进行有效的相似性对比。此外,对于部分身体遮挡的问题,本文使用权重自适应方法来灵活的分配局部损失权重,以获得更高的损失描述模型。3.针对行人分类任务中相似行人容易错误分类等情况,本文提出多损失融合网络,是将局部损失、全局损失和背景约束损失融合来对行人进行识别与分类。网络模型主要由三部分组成:前景分割与局部对齐网络,全局损失融合网络和背景差异约束网络。首先利用前景分割与局部对齐方法,将前景进行局部分割,对局部损失进行自适应加权来解决身体部件缺失问题。同时利用前景损失、全景损失等全局损失来增强模型的泛化能力。此外,背景差异约束网络是通过限制前景、背景与全景之间的特征距离来再次减少背景信息的影响。最后通过对全局损失、局部损失和背景约束损失等多损失进行融合。本文网络是在三元组度量模型的基础上进行改进和优化。在Market-1501、Duke MTMC-re ID和CUHK03公共数据集上对本文方法进行了评估。大量的实验结果表明,能够降低相似类别错分概率,提高识别率。

关键词：行人重识别度量学习前景分割局部对齐多损失融合

基于多损失融合和混洗注意力的车载LiDAR点云道路标线提取方法

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

测绘通报 2024年第8期 135-140页

作者：何银鑫齐华朱运权卢自来彭世勇刘洋四川省交通勘察设计研究院有限公司四川成都610017 西南交通大学地球科学与环境工程学院四川成都611756 高速铁路运营安全空间信息技术国家地方联合实验室四川成都611756

道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。针对现有的基于阈值的车载激光点云道路标线提取方法在反射强度与点密度分布不均、道路标线与路面对比度低时提取效果较差的问题,本文提出了基于多损失融合和... 详细信息

道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。针对现有的基于阈值的车载激光点云道路标线提取方法在反射强度与点密度分布不均、道路标线与路面对比度低时提取效果较差的问题,本文提出了基于多损失融合和混洗注意力的车载LiDAR点云道路标线提取方法。选取典型高速公路试验样区进行道路标线提取试验,并与常规方法进行了精度对比分析。试验表明,本文方法在道路标线提取精度方面优于其他方法,有望更好地服务于自动驾驶的高精度地图开发应用。

关键词：多损失融合混洗注意力车载LiDAR点云道路标线提取

基于多损失融合与谱归一化的图像超分辨率方法

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

计算机应用研究 2020年第8期37卷 2531-2535页

作者：许宁宁郑凯华东师范大学计算机科学与软件工程学院计算中心上海200062

图像超分辨率重建研究存在结果客观衡量指标不断变优,但是视觉感知质量依旧平滑的问题。同时,应用生成对抗网络的超分辨率模型中的鉴别器(discriminator)设计存在一个普遍的问题,即训练不稳定问题。针对以上问题作出两点改进:提出多损... 详细信息

图像超分辨率重建研究存在结果客观衡量指标不断变优,但是视觉感知质量依旧平滑的问题。同时,应用生成对抗网络的超分辨率模型中的鉴别器(discriminator)设计存在一个普遍的问题,即训练不稳定问题。针对以上问题作出两点改进:提出多损失融合的方法,寻求一种在PSNR指标与感知质量之间的平衡,通过将均方误差损失、感知损失、风格损失与对抗损失进行融合的方法,在提高PSNR值的同时,改善图像视觉质量;在基于生成对抗网络的超分辨率模型的鉴别器设计中引入谱归一化(spectral normalization),以实现更稳定有效的训练。结果显示,改进后的方法得到了更高的PSNR指标与更逼真的视觉感知质量,并进一步表明感知质量对于超分辨率重建的重要性。

关键词：多损失融合谱归一化图像超分辨率

基于多尺度循环残差神经网络的图像去运动模糊

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2022年第3期43卷 786-793页

作者：方睿周愉刘鹏刘凯成都信息工程大学计算机学院四川成都610225 成都信息工程大学控制工程学院四川成都610225

现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型。在SRN基础上,为平衡评价指标(PSNR... 详细信息

现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型。在SRN基础上,为平衡评价指标(PSNR、SSIM)与感知质量,提高图像中的高频细节信息等,进行多损失融合改进;在网络的编码器-解码器结构中,在其卷积层中使用小卷积核堆叠,加深网络的同时使网络参数更少更容易训练,更好地拟合图片的特征信息。实验结果表明,改进算法生成的网络模型取得了更好的去模糊结果。

关键词：运动模糊视觉感知多损失融合编码器-解码器小卷积核堆叠

在线全文

学校读者我要写书评

暂无评论

基于多级跳跃残差组的运动人像去模糊网络

计算机应用 2023年第10期43卷 3244-3250页

作者：纪佳奇卢振坤熊福棚张甜杨豪广西民族大学电子信息学院南宁530006

为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题,提出了基于多级跳跃残差组生成对抗网络(GAN)的运动人像去模糊方法。首先,改进残差块以构造多级跳跃残差组模块,并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征;... 详细信息

为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题,提出了基于多级跳跃残差组生成对抗网络(GAN)的运动人像去模糊方法。首先,改进残差块以构造多级跳跃残差组模块,并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征;其次,使用多损失融合的方法优化网络,从而增强重建后图像的真实纹理;最后,采用端到端的模式将运动模糊的人像图像进行盲去模糊操作,并输出清晰的人像图像。在CelebA数据集上的实验结果表明,相较于DeblurGAN(Deblur GAN)、尺度循环网络(SRN)和MSRAN(Multi-Scale Recurrent Attention Network)等基于卷积神经网络(CNN)的方法,所提方法的峰值信噪比(PSNR)和结构相似度(SSIM)分别至少提高了0.46 dB和0.05;同时,所提方法的模型参数更少,修复速度更快,且复原后的人像图像具有更多的纹理细节。

关键词：图像去模糊盲去模糊生成对抗网络多级跳跃残差组多损失融合

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于注意力机制的改进双判别器图像修复算法

陕西科技大学学报 2022年第2期40卷 171-177,194页

作者：李硕刘斌刘昱萌张娟娟陕西科技大学电子信息与人工智能学院陕西西安710021

为解决基于生成式对抗网络的图像修复模型存在的修复结果效果差和内容、细节等特征信息还原不准确这一问题,提出一种融合通道、像素注意力机制的多损失生成对抗网络算法.首先,该算法利用通道注意力块获取高关联的通道特征图;然后,通过... 详细信息

为解决基于生成式对抗网络的图像修复模型存在的修复结果效果差和内容、细节等特征信息还原不准确这一问题,提出一种融合通道、像素注意力机制的多损失生成对抗网络算法.首先,该算法利用通道注意力块获取高关联的通道特征图;然后,通过像素注意力块对高关联通道特征图上所有像素进行打分,从而获取与缺损区域关联性更高的图像未缺损区域信息;最后,通过引入Vgg16特征提取模型向生成器的优化函数中引入内容、风格损失项,以多损失融合的方式提高图像的修复效果.在目前广泛使用的CelebA数据集和SVHN数据集上验证模型的修复效果,本算法在主客观指标上均优于DCGAN算法、CE算法和DD算法.

关键词：通道注意力块像素注意力块 Vgg16特征提取模型多损失融合生成对抗网络

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于三分支孪生网络的中国书法风格分类

基于三分支孪生网络的中国书法风格分类

作者：张超杰南昌大学

学位级别：硕士

中国书法风格分类问题是书法艺术领域的一个重要研究课题,该课题主要是针对不同书法风格之间的细微差别进行分类。目前大多数研究都集中在五种基本字体的分类上,然而字体分类与风格分类存在差异。字体分类指的是一种宽泛的文字分类,而... 详细信息

中国书法风格分类问题是书法艺术领域的一个重要研究课题,该课题主要是针对不同书法风格之间的细微差别进行分类。目前大多数研究都集中在五种基本字体的分类上,然而字体分类与风格分类存在差异。字体分类指的是一种宽泛的文字分类,而风格却与具体的书法家紧密相关。对于不同书法家所写相同字体的同一字符,它们之间存在着十分细小的差别。传统的分类算法难以在该课题内取得预期的分类效果,而近年来卷积神经网络的发展为书法风格分类问题带来了新的契机,因此本文聚焦于卷积网络的相关技术去完成中国书法风格分类问题。本文提出一种针对中国书法风格分类问题的模型,其主体为具有三个分支的共享权重的卷积神经网络。模型的输入为图像的三元组,包含一个待查询样本、与待查询样本同一书法风格的正样本以及与待查询样本不同书法风格的负样本,每个分支利用卷积神经网络对输入样本图像进行特征提取。为了进一步细化获取的特征信息,本文在卷积神经网络后衔接PSA(Pyramid Squeeze Attention)注意力模块,用于提供多尺度通道注意信息,并在之后加入Gram矩阵,通过分析特征之间的相关性重构风格信息的表征。最后采用三元组损失和交叉熵损失对网络进行优化,三元组损失优化特征网络捕捉细微风格差异的能力,交叉熵损失则结合类别标签提升网络的分类能力,两者通过加权方式融合互补。本文在两个书法风格数据集上进行了大量的实验,PSA注意力模块和Gram矩阵的引入使得网络在两个数据集上的准确率均有所提升,论证了两者在优化特征信息表征方面的作用。其次,实验数据也表明了三分支结构下网络的两种损失函数能从多个方面优化网络参数。最后,本文选取了传统方法和基于卷积神经网络的方法进行对比实验,本文模型分别取得99.37%和97.91%的准确率,展现出优于其他方法的分类性能,直观体现本文方法在应对中国书法风格分类问题上的优越性。

关键词：中国书法风格分类三分支孪生神经网络 PSA注意力机制 Gram矩阵多损失融合