检索结果-南通市图书馆

基于三维人体重建和多粒度特征融合的多人步态识别研究

在线全文

学校读者我要写书评

暂无评论

基于三维人体重建和多粒度特征融合的多人步态识别研究

作者：何霄兵江苏大学

学位级别：硕士

随着人工智能、大数据等前沿科技的不断发展,生物识别技术飞速发展,在许多领域得到了广泛的应用。步态识别作为生物识别技术的一个分支,与其它生物识别技术相比,具有远距离识别、无需主动配合、不易伪装、环境适应性强等优势,因此受到... 详细信息

随着人工智能、大数据等前沿科技的不断发展,生物识别技术飞速发展,在许多领域得到了广泛的应用。步态识别作为生物识别技术的一个分支,与其它生物识别技术相比,具有远距离识别、无需主动配合、不易伪装、环境适应性强等优势,因此受到越来越多研究者的关注。目前的步态识别研究仍然停留在单人阶段,以致于步态识别很难落实到实际应用中。为了解决多人步态识别的问题,本文将多目标跟踪与分割技术和步态识别技术相结合,提出相应的多目标跟踪与分割方法和步态识别方法。基于上述研究内容,设计并实现多人步态识别系统。本文的主要研究内容具体如下:(1)提出一种基于混合掩膜网络和位置编码的多目标跟踪与分割方法,以提升实例分割和目标跟踪的质量。该方法将基于无锚框的检测框架作为主干网络用来进行目标检测,之后在主干网络的基础上添加分割分支和跟踪分支。在分割分支中,通过混合模块混合顶层和底层的语义来提取更准确的实例分割特征,从而生成更高质量的掩膜。在跟踪分支中对目标的位置信息编码,并与外观特征相融合,从而减少目标身份切换的次数。(2)提出一种基于三维重建和多粒度特征融合的行人步态识别方法,以提升步态识别的鲁棒性和准确率。该方法通过三维人体重建的方式生成全新的步态轮廓表征,对于生成的步态表征,利用帧级部分特征提取器提取特征,再通过多粒度特征融合模块来对行人的不同粒度进行时空表征建模,最后利用三元组损失函数来训练整个网络。通过三维人体重建的方式,可以有效缓解行人外观发生变化时带来的负面影响,从而提升步态识别的鲁棒性。而多粒度特征融合模块则充分利用行人的全局和局部时空信息,从而提升步态识别的整体效果。(3)基于上述研究内容,设计并实现多人步态识别原型系统。该系统主要包括多目标跟踪与分割模块、剪影步态识别模块和三维人体重建步态识别模块,同时为了保证系统的可用性和完整性,添加一个视频输入模块和数据存读模块。经过研究表明,设计的原型系统具有一定的应用价值。

关键词：步态识别三维人体重建多粒度特征融合多目标跟踪与分割混合模块位置编码

基于多粒度特征融合与局部注意力的行人重识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多粒度特征融合与局部注意力的行人重识别方法研究

作者：张楠中国矿业大学

学位级别：硕士

随着国家推动城市智能化、信息化的进程加快,智能视频监控领域不断扩大,近年来主要利用计算机视觉技术对监控视频进行处理分析,行人重识别就是其中的一个重要研究方向,常用以解决跨摄像机跟踪和监控安全问题。行人重识别是给定一张行人... 详细信息

随着国家推动城市智能化、信息化的进程加快,智能视频监控领域不断扩大,近年来主要利用计算机视觉技术对监控视频进行处理分析,行人重识别就是其中的一个重要研究方向,常用以解决跨摄像机跟踪和监控安全问题。行人重识别是给定一张行人图像,根据行人的外形姿态等特征信息跨摄像机对该行人进行匹配,可以看作是一种检索任务。由于监控摄像机所拍摄的行人图像场景比较复杂,图像中存在遮挡物干扰、光照变化、背景转换、姿态变换等各种因素,包含了较多的无关噪声,行人的有用信息受到影响,导致最终识别的准确率不高。因此,如何有效地提取行人的特征,增强模型的鲁棒性,提高行人重识别的准确率是一个兼具挑战和意义的课题。随着深度学习的发展,大多数现有的行人重识别研究方法通过特征分割学习特征的区分性和鲁棒性,尽管取得了一些成果,但是在行人识别准确度方面依然有着较大的进步空间。本文针对行人重识别进行了以下工作:针对复杂场景下,行人重识别存在遮挡现象以及行人判别特征层次单调的问题,本文提出了一种基于随机遮挡和多粒度特征融合的网络模型。首先,通过对输入图片进行随机遮挡处理,模拟行人被遮挡的真实情景,提高网络应对遮挡问题的鲁棒性;其次,设计出一个多粒度特征提取网络,将网络分为全局分支、局部粗粒度互融分支和局部细粒度互融分支,提取全局整体性特征的同时补充局部多粒度深层特征,丰富行人判别特征的层次性;接着,通过局部信息互融模块进一步加强局部特征之间的相关性;最后,联合三元组损失和标签平滑损失函数训练网络。通过将所提方法在三个标准公共数据集Market1501,DukeMTMC-reID,CUHK03和一个遮挡数据集Occluded-Duke进行性能验证,其中Rank-1最高达到95.2%,结果表明所提方法能够有效提升行人识别的精确性。针对行人重识别中局部特征关注度不足和潜在显著性特征被忽视的问题,本文提出了一种基于局部注意力和显著性挖掘的网络模型,旨在提高网络获取和处理行人特征的能力,进而增强模型的特征判别性。首先,在多粒度特征提取网络的基础上,提出了局部注意力混合池化分支,利用通道注意力机制和混合池化模块共同增加对局部特征的关注,捕获具有强区别性的局部特征,降低遮挡和背景干扰带来的影响;其次,通过局部显著性特征挖掘分支,提取出重点关注特征背后的潜在显著特征,有利于增强局部特征的判别性和代表性,提高网络应对复杂场景的健壮性。通过将所提方法在多个标准公共数据集和一个遮挡数据集上进行对比实验,其中mAP最高达到87.9%,展示了更好的识别性能,结果证明所提方法获取的特征更具有判别性。

关键词：行人重识别随机遮挡多粒度特征融合局部注意力显著性挖掘

基于多粒度特征融合和小样本学习的智能叶片分类系统的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多粒度特征融合和小样本学习的智能叶片分类系统的研究与实现

作者：刘松岳南京理工大学

学位级别：硕士

长期以来,植物叶片分类任务一直是计算机视觉和模式识别领域中的一个重大挑战,致力于此方面研究的工作也层出不穷。近年来,随着人工智能技术的快速发展,基于深度学习的叶片分类方法逐渐成为一种可靠且高效的手段,众多学者也提出了许多... 详细信息

长期以来,植物叶片分类任务一直是计算机视觉和模式识别领域中的一个重大挑战,致力于此方面研究的工作也层出不穷。近年来,随着人工智能技术的快速发展,基于深度学习的叶片分类方法逐渐成为一种可靠且高效的手段,众多学者也提出了许多不同架构的神经网络模型,大大提高了植物叶片的分类精度。然而,尽管这些方法在公开数据集上表现较好,但实际应用并不理想,且难以应用于更复杂的问题,如叶片分级,即在对叶片进行分类的基础上再对同一类的叶片进行更细级别(质量等级)的划分。原因在于这些网络模型缺少捕捉叶片细粒度精细特征的能力,导致高相似度叶片的分类效果并不理想。此外,部分稀缺树木的叶片采集较为困难,而不同季节,不同地域也会导致同类叶片有较大的外观差异。这些都导致叶片数据集难以构建,且样本稀少。因此,针对小样本场景下的叶片分类问题很有研究价值。然而,目前却少有针对这方面的研究工作。基于上述问题,本文对叶片分类问题进行了深入研究,主要研究内容如下:(1)提出了一种用于叶片分类和分级的多粒度特征融合网络(Multi-granularity Feature Fusion Network,MFFN),MFFN关注叶片的多粒度信息,并将粗粒度与细粒度进行有效融合。具体为:模型包含粗粒度和细粒度两个分支,由粒度混合损失将两个分支联系起来,促使模型逐步学习由粗到细的粒度表征。采用了多步骤训练方式,每一步提取不同层级的特征,实现浅层特征与深层特征的融合。此外,还提出了几何通道注意力模块,该模块由空间变换和双线性注意力池化组成,使MFFN可以关注图像中更具区分度的局部区域,提取出的特征更具区分性。MFFN在Flavia leaf和Swedish leaf两个公开的叶片数据集上分别达到99.8%和99.7%的分类准确率,且在烟叶数据集上达到71.9%的分级准确率,均超过了目前最优的方法。(2)提出一种用于小样本叶片分类的联合全局和局部多粒度特征网络(Multigranularity Feature Network Based on Global and Local Structures,MFGL)。MFGL借助特征金字塔网络FPN的结构来提取多层次粒度特征,并将大粒度层特征作为全局特征,多个小粒度层特征的融合作为局部特征,通过全局特征的高语义性和类别相关性来加强局部特征,以期让网络充分考虑全局结构信息,挖掘出隐藏在局部结构中的细微变化信息。同时设计一种局部加权损失来考虑困难样本,以让分类更为精准。实验表明MFGL可以更准确定位到叶片图像的判别性区域,在四个叶片数据集的实验表明其优于现有方法,在5-way 5-shot和5-way 1-shot设置下分别达到最高97.8%和87.6%的分类准确率。(3)基于对叶片分类任务的需求分析,结合本文提出的模型和方法,设计并实现了一套基于智能小样本叶片分类系统,并对系统的数据加载、参数设置、模型训练、模型测试以及可视化等功能模块进行了详细介绍。此外,针对叶片分类网络模型实际部署困难问题,采用一种解耦式知识蒸馏方法,有效实现了模型的压缩,并选取三种不同骨架网络进行实验。实验表明,当使用Res Net10骨架网络时,分类准确率和模型运算量可以达到较好平衡,此时模型的压缩效果也最为明显。

关键词：叶片分类细粒度图像分类小样本图像分类多粒度特征融合模型压缩

基于多粒度特征融合的互联网产业链数据共享技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中文科技期刊数据库（引文版）工程技术 2022年第2期 149-153页

作者：余韦章金楠浙江越秀外国语学院浙江绍兴312030

产业链数据共享及融合技术是构建数字化建设的基础,也是保持数字基建的根基。而产业链数据记录着整个真实世界得信息化抽象表达,其总是存在错综复杂的关联关系。怎样从大规模的多粒度产业链数据中抽象节点以及节点关系和语义,且完成知... 详细信息

产业链数据共享及融合技术是构建数字化建设的基础,也是保持数字基建的根基。而产业链数据记录着整个真实世界得信息化抽象表达,其总是存在错综复杂的关联关系。怎样从大规模的多粒度产业链数据中抽象节点以及节点关系和语义,且完成知识整合,并构造面向文本搜索、语义理解等应用需求的知识图谱,已总逐步成为产业链数据融合、知识挖掘和特征提取等方向重要研究分支。不同于传统数据,在面向多粒度产业链数据融合算法的效率、多源数据的数据关系抽取及特征融合应用等带来了巨大的挑战。鉴于以上难点,本文从统计学习的角度出发,应用最小错误率视角下的贝叶斯决策理论,构建互联网产业链多模态数据的知识融合技术,研究产业链大数据的跨空间特征融合方法。本文采取的方法,能够有效地实现大规模数据的特征融合,并且能够在多个工程行业有效应用。

关键词：多粒度特征融合互联网产业链数据共享技术

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

融合多粒度注意力特征的小样本分类模型

计算机应用研究 2024年第7期41卷 2235-2240页

作者：韩岩奇苟光磊李小菲朱东华重庆理工大学计算机科学与工程学院重庆400054 重庆理工大学大数据与人工智能实验室重庆400054

在小样本分类任务中,现有的CNN模型存在特征提取不足、特征单一和小样本数据集类间差异化较弱的问题,导致分类精度较低。针对以上问题,提出一种融合多粒度注意力特征(fusion multi-granular attention feature,FMAF)的小样本分类模型。... 详细信息

在小样本分类任务中,现有的CNN模型存在特征提取不足、特征单一和小样本数据集类间差异化较弱的问题,导致分类精度较低。针对以上问题,提出一种融合多粒度注意力特征(fusion multi-granular attention feature,FMAF)的小样本分类模型。首先,该方法借鉴多粒度思想,重新设计CNN特征提取网络的架构来增强特征多样性;其次,在多粒度特征提取网络后添加自注意力层,提取多粒度图像特征中的关键特征,在多粒度注意力特征的基础上,借助特征融合方法融合多粒度注意力特征信息,突出关键特征,提高特征的表征力;最后,在两个经典的小样本数据集miniImageNet和tieredImageNet上进行了评估。实验结果表明,FMAF方法能有效提升分类的准确度和效率。

关键词：小样本学习多粒度特征融合自注意力机制标签传播

融合多粒度特征的越南语文本语法纠错方法研究

在线全文

学校读者我要写书评

暂无评论

融合多粒度特征的越南语文本语法纠错方法研究

作者：张洲昆明理工大学

学位级别：硕士

研究越南语文本语法纠错方法对于面向东南亚语言的自然语言处理工程应用具有重要意义。针对越南语的语法纠错相关工作较少,而且越南语的语法纠错人工标注语料极少,可以利用的数据资源稀缺。利用现有的预训练语言模型和序列生成模型实现... 详细信息

研究越南语文本语法纠错方法对于面向东南亚语言的自然语言处理工程应用具有重要意义。针对越南语的语法纠错相关工作较少,而且越南语的语法纠错人工标注语料极少,可以利用的数据资源稀缺。利用现有的预训练语言模型和序列生成模型实现越南语的语法纠错时会存在以下问题:训练数据不足导致模型性能较差;模型的编码端进行词嵌入时缺失音节的声调、词性和短语成分等不同粒度的语义信息,导致错误识别和错误纠正效果不佳;序列生成模型生成句子时不可控,导致模型纠错的准确率不高。针对上述问题,论文提出了一种融合越南语字符、音节以及句子等粒度特征的针对越南语文本的语法纠错方法,具体完成了如下研究工作:（1）越南语语法纠错语料库构建:针对语法纠错语料资源稀缺的问题,提出一种利用正确的越南语文本生成对应错误文本的数据增强算法,来构造“错误-纠正”平行句对,生成错误时利用了人工构建的音节混淆集词典和开源的词性标注工具,然后设计了一个对错误句子进行自动标注的算法。根据提出的方法人工构造了20.8万带有标注的“错误-纠正”平行句对,为后续研究提供了基础数据。（2）融合越南语字符和音节特征的语法错误检测方法:针对多语言BERT模型在编码端进行词嵌入时缺失音节声调信息而导致的语法错误识别效果不好的问题,提出一种融合越南语字符与音节特征的方法,在多语言BERT模型的编码端增加额外的字符与音节特征嵌入,使得检测模型学到更多语义知识。实验结果表明,提出的方法在测试集上的F值和F值均为最高,分别为71.36%和72.91%。（3）融合不同粒度特征的越南语语法错误纠正方法:针对序列生成模型生成句子时不可控并且未能有效利用越南语句子特征而导致的纠错准确率不高的问题,在语法错误检测模型的基础上进一步融合越南语句子特征,提出一种基于“错误检测-错误纠正”的流水线模型,然后利用BERT掩码语言模型重新预测错误位置的音节,纠错部分再利用语言模型对纠正候选句子进行打分,选择句子得分最高的候选句子作为模型最终的输出。在构建的纠错语料库上的实验结果表明,提出的方法在测试集上取得了42.59%的F值和42.67%F值,比最好基线模型的F值和F值分别高出16.69%和17.84%。（4）越南语文本纠错原型系统:在上述研究的基础上,实现了一个基于“错误检测-错误纠正”的Web原型系统,系统包括文本输入模块、文本检测模块、文本纠错模块等,文本检测模块和文本纠错模块使用了深度神经网络模型和N-gram语言模型来实现功能。系统可以实现对输入越南语文本的拼写和语法检测,并且能够对错误的拼写和语法进行纠正。

关键词：越南语语法纠错语法错误检测数据增强多粒度特征融合

基于电子病历多粒度特征表示的相似患者识别技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于电子病历多粒度特征表示的相似患者识别技术研究

作者：陈浩元西北师范大学

学位级别：硕士

近年来,随着疾病种类的增多,医生的决策流程变得愈发复杂,对患者疾病诊断的难度呈现指数级别上升,基于电子病历的相似患者识别作为智能辅助医疗决策的核心任务,受到了医疗领域和计算机领域的广泛关注。深度学习的出现使得基于电子病历... 详细信息

近年来,随着疾病种类的增多,医生的决策流程变得愈发复杂,对患者疾病诊断的难度呈现指数级别上升,基于电子病历的相似患者识别作为智能辅助医疗决策的核心任务,受到了医疗领域和计算机领域的广泛关注。深度学习的出现使得基于电子病历的相似患者识别技术有了进一步的发展,然而仍存在一些挑战:医疗领域中存在大量专业术语使得模型难以有效地对其提取特征,相关研究中提出的模型在实际应用时推理效率低,传统对比损失导致模型效率低且易陷入局部最优点等。因此,本文采用深度学习技术,针对目前基于电子病历的相似患者识别技术所存在的一系列问题,进行探索和研究。主要的研究工作总结如下:（1）针对医疗领域中存在大量专业术语使得模型难以有效地对其提取特征,直接将开放域语言模型应用到医疗领域存在局限性的问题,提出一种相似患者识别中患者多粒度特征表示编码方法。该方法在模型中融入了人口统计学特征中的年龄、性别信息以及实体信息。通过引入领域预训练语言模型MC-BERT解决领域适配性的问题。实验结果表明,提出的模型能够有效地提取电子病历的患者特征来提高相似患者识别任务的性能。（2）针对相关工作使用预测模块导致模型实际推理效率低,传统对比损失导致模型效率低且易陷入局部最优点的问题,提出了基于难负样本对比学习的相似患者识别模型训练方法。该方法通过加入难负样本的跨批次对比学习训练电子病历的编码表示。这种方式使得每次更新模型梯度时更加准确,最重要的是在实际应用中可以应对大规模数据。实验表明,提出的方法不仅能够进一步提升识别相似患者的性能,而且可以提高训练效率和推理速度。

关键词：电子病历特征表示多粒度特征融合相似患者识别对比学习

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MFFMB的电商评论文本分类研究

数据分析与知识发现 2022年第1期6卷 101-112页

作者：谢星雨余本功合肥工业大学管理学院合肥230009 过程优化与智能决策教育部重点实验室合肥230009

【目的】为缓解在公开论坛、企业后台数据仓库的数据自动化分类及存储过程中,由于电商评论文本具有一词多义、信息分布稀疏等特点而造成的处理困难,本文设计基于BERT语言模型和多通道特征抽取的文本分类模型,实现评论文本的自动化分类... 详细信息

【目的】为缓解在公开论坛、企业后台数据仓库的数据自动化分类及存储过程中,由于电商评论文本具有一词多义、信息分布稀疏等特点而造成的处理困难,本文设计基于BERT语言模型和多通道特征抽取的文本分类模型,实现评论文本的自动化分类。【方法】考虑到中文文本的最小表达单元是字,通过BERT的字向量编码联动TextCNN缓解一词多义的问题。为捕获长距离上下文语义信息,模型设计了BERT联动BiLSTM的通道。充分利用BERT的微调机制,使字向量编码根据两个通道的特征抽取方式进行调整,从而得到适配局部和长距离特征抽取的字向量编码结果。模型最终融合两个通道的特征向量,完成文本分类任务。【结果】本文提出的MFFMB(Multi-Features Fusion Model BERT-based)模型在公开的电子商务评论多分类数据集上的准确率高达0.9007,相对于基线模型BERT+TextCNN、BERT+BiLSTM、BERT+LSTM+MaxPooling、BERT+LSTM+Attention分别提升2.36、8.55、4.61、5.11个百分点。同时,实验结果说明BERT和注意力机制的引入,相对于基线模型中的较优者,准确率分别提升约1.48和4.81个百分点。【局限】注意力机制仅在BiLSTM通道引入,没有在全局设计;本文模型未在更多数据集上验证效果。【结论】本文模型能够更好地结合多维度信息,更加充分地挖掘BERT预训练模型在文本分类任务上的作用,提高了分类的准确性。

关键词： BERT 多粒度特征融合长短时记忆网络注意力机制文本分类

在线全文

学校读者我要写书评

暂无评论

基于视觉的水面背景下目标检测与跟踪算法

科学技术与工程 2022年第33期22卷 14809-14819页

作者：詹云峰黄志斌付波王小龙湖北工业大学电气与电子工程学院武汉430068

为解决清漂船在复杂水面背景下对漂浮物体积较小或被遮挡的检测与跟踪问题,提出了一种基于视觉的水面背景下目标检测与跟踪算法,通过利用YOLO改进的多粒度特征融合方法使得模型在最终检测时所提取的特征向量考虑更多底层的特征,并引入K... 详细信息

为解决清漂船在复杂水面背景下对漂浮物体积较小或被遮挡的检测与跟踪问题,提出了一种基于视觉的水面背景下目标检测与跟踪算法,通过利用YOLO改进的多粒度特征融合方法使得模型在最终检测时所提取的特征向量考虑更多底层的特征,并引入K邻域搜索感兴趣区域模块,与长短期记忆神经网络(long-short term memory,LSTM)相结合,弥补了卷积神经网络的时序关联性差的缺陷,根据目标当前帧语义特征和运动特征预测下一帧中目标所在位置,能够更快地提取目标的特征,并且有效地去除复杂背景的干扰。实验结果表明:该算法的跟踪平均成功率、平均准确率和平均速度分别为57.1%、71.1%、45.4帧/s。较好解决因被检测目标过小的问题,提升在跟踪目标被遮挡的情况下的跟踪性能。

关键词：跟踪算法多粒度特征融合 YOLO K邻域搜索长短期记忆神经网络