检索结果-南通市图书馆

重庆邮电大学学报(自然科学版) 2024年

作者：李锐程隆奇徐潇宇唐菁吴德成重庆邮电大学自动化学院

针对现有幕墙安装机器人缺乏非规则板材检测能力的问题，提出了一种基于显著性学习的板材检测方法，通过分析板材与背景的显著性关系来定位目标，避免板材纹理、形状、大小等因素对检测精度的影响。该方法基于RGB-D双模态特征信息，使... 详细信息

针对现有幕墙安装机器人缺乏非规则板材检测能力的问题，提出了一种基于显著性学习的板材检测方法，通过分析板材与背景的显著性关系来定位目标，避免板材纹理、形状、大小等因素对检测精度的影响。该方法基于RGB-D双模态特征信息，使用多尺度残差互补模块来抑制跨模态特征的发散问题，并结合多尺度注意力引导模块和融合感知模块以实现精细的显著推理，同时构建了包含180幅RGB-D图像的幕墙板材数据集(CWP)来做模型测试。将提出的方法在4个公开数据集进行训练与测试，结果表明，所提算法性能优于8种显著性检测方法。同时，在自建CWP实验测试中，提出的方法在Sα、Fβ、Eξ、MAE指标分别达到0.843、0.802、0.864、0.053，证明了所提算法针对未知的非规则幕墙板材检测具有很好的鲁棒性。

关键词：显著性学习目标检测幕墙非规则板材跨模态融合

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于显著性特征和角度信息的遥感图像目标检测

引用

计算机科学 2021年第4期48卷 174-179页

作者：袁星星吴秦江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省模式识别与计算智能工程实验室江苏无锡214122

遥感图像中的目标具有密集性、多尺度和多角度等特性,这使得遥感图像多类别目标检测成为一项具有挑战性的课题。因此,文中提出了一种新的端到端的遥感图像目标检测框架。该框架通过提取显著性特征和不同卷积通道之间的相互关系来增强目... 详细信息

遥感图像中的目标具有密集性、多尺度和多角度等特性,这使得遥感图像多类别目标检测成为一项具有挑战性的课题。因此,文中提出了一种新的端到端的遥感图像目标检测框架。该框架通过提取显著性特征和不同卷积通道之间的相互关系来增强目标信息,抑制非目标信息,从而提高特征的表示能力。同时,在不增加模型参数的情况下,在卷积模块中添加多尺度特征模块来捕获更多的上下文信息。为了解决遥感图像中目标角度多变这一问题,该框架在区域建议网络中加入了角度信息,得到有角度的矩形候选框,并在训练过程中添加注意力损失函数来引导网络学习显著性特征。该框架在公开的遥感图像数据集上进行了相关验证,在水平任务框和方向任务框上的实验结果证明了所提方法的有效性。

关键词：遥感图像目标检测多尺度特征通道自学习显著性学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于规整平滑交叉视角最大间距度量学习的行人再识别研究

基于规整平滑交叉视角最大间距度量学习的行人再识别研究

引用

作者：金维国安徽大学

学位级别：硕士

近年来,随着计算机视觉领域的不断发展,行人再识别技术成为了一个在该领域中比较热门的研究方向。该项技术主要目的是辨别在不同摄像头环境中不同时间段内出现的行人相同与否,该项技术对安防部门的监管工作有着重要的作用。但是就目前... 详细信息

近年来,随着计算机视觉领域的不断发展,行人再识别技术成为了一个在该领域中比较热门的研究方向。该项技术主要目的是辨别在不同摄像头环境中不同时间段内出现的行人相同与否,该项技术对安防部门的监管工作有着重要的作用。但是就目前而言该技术仍然还面临着诸多挑战:摄像机间的分辨率差异、行人的姿态变换多样性、物体遮挡以及光照强度的不同等等。目前,众多研究学者在该技术中主要对以下两个方面进行研究:基于行人的特征表示方法研究,寻求和设计出对视角变化、光照变化等因素具有鲁棒性的行人表示特征;基于度量学习方法研究,利用行人样本训练学习出更具有判别性的度量决策函数,使得同一行人之间相似性远远大于不同行人的相似性。在计算行人特征向量之间的相似性时,一般情况下很多人都会采用欧氏距离、余弦距离等函数。但是这些经典的距离函数通常没有考虑到样本的特性,从而致使算法的识别率并不是很高。近年来,一些新的判别度量学习方法都是基于有标签的训练样本,并且考虑到了样本特性,在识别精度上有了明显的提升。马氏距离度量学习在一些算法中得到广泛的应用,例如大间隔最近邻分类距离(LMNN)测度学习算法、简单而且直接策略的距离(KISSME)测度学习算法、交叉二次判别分析度量(XQDA)学习算法等。然而一些距离度量学习算法在计算将高维度的样本数据投影到新的低维特征空间的投影矩阵的过程中,没有考虑到小样本问题;同时也未考虑到正负样本量的差异问题,针对这些问题,本文提出了相关的解决方法。本文的研究内容总结如下:(1)为了更精准的对行人识别与分类,并且寻求更佳的投影子空间对样本进行降维,我们在XQDA算法上进行改进,利用最大间距准则来学习一个判别低维子空间,提出了交叉视角最大间距度量学算法(XMM)。该算法可以很好的解决有训练标签的样本产生的小样本问题。实验结果表明,XMM算法相比XQDA算法有了一定的提升。(2)同时,一些距离度量学习未考虑到正负样本量的差异问题,从而影响样本协方差矩阵的鲁棒性,本文对协方差矩阵进行了规整平滑操作,提出了规整平滑交叉视角最大间距度量学习算法(RSXMM)。实验结果表明,RSXMM算法的效果优于XMM算法。(3)行人再识别的算法都建立在鲁棒性的行人表示特征之上,为此,我们提出了一种鲁棒性的行人表示特征(显著性加权局部最大化发生表示,Saliency weighted local maximum occurrence representation,SWLOMO)。先利用显著性检测学习身体各个部位的权重,然后在提取颜色特征的时候先将每个通道的像素值乘以该位置的权重,可以更好的利用行人外观的颜色信息,实验结果表明,该特征应用在不同算法上都有着明显的提升效果。

关键词：行人再识别距离度量学习规整平滑最大间距准则显著性学习

来源：

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

基于关注区域和行为习惯的行人再识别研究

基于关注区域和行为习惯的行人再识别研究

引用

作者：胡晓强上海工程技术大学

学位级别：硕士

随着我国经济实力的快速发展,综合国力也在逐步提升,交通运输体系越发完善,地区与地区之间,城市与城市的经济发展,离不开物质交换,交通运输体系在其中扮演着重要角色,其中行车安全成为国家和人民越来越关注的问题,行人安全也是至关重要... 详细信息

随着我国经济实力的快速发展,综合国力也在逐步提升,交通运输体系越发完善,地区与地区之间,城市与城市的经济发展,离不开物质交换,交通运输体系在其中扮演着重要角色,其中行车安全成为国家和人民越来越关注的问题,行人安全也是至关重要的一环。目前针对非机动车(包括步行、自行车、电动车等)的违规处罚局限于人工督查,监控摄像机对非机动车的违规行为无法进行追踪处罚。行人再识别依据监控摄像机提供的信息,识别出违规行人,进行违规处罚,提高监控力度,保障交通安全。视频行人再识别技术可以有效的发现目标,对于交通管理、治安防控、刑事侦破、智能驾驶辅助系统和自动驾驶的行车安全等具有重要意义。本文力求解决目前行人再识别算法中存在的问题,主要研究内容如下:(1)针对关注区域的行人再识别问题,本文提出一种基于时空关注区域的视频行人再识别方法,目的是将跨帧聚合的关注区域特征与全局特征进行融合得到视频级特征表示。全局特征和关注区域特征通过快慢网络的两个分支提取,采用亲和度函数和定位函数将关注区域特征与全局特征融合。本文基于欧氏距离评估融合损耗,并将三重损耗函数用于端到端网络训练。在MARS数据集上的实验结果表明,该方法Rank-1准确率达到88.2%,m AP准确率达到79.5%,m AP准确率比DRSTA提高了13.7%,比STMP提高了6.8%,实现m AP准确率的显著提高。(2)针对区域结构关系的行人再识别问题。本文提出一种基于姿势结构关系和动作约束的超图视频行人再识别算法,旨在充分利用行人行走姿势,获得更多的判别性特征。本文采用图卷积网络保留图像特征映射呈现出的结构关系,根据关节点区域之间的结构关系构造结构关系超图,基于关节点区域之间的动作信息进行约束构造动作超图。通过超图模型求解关节点区域的显著性分数,提出基于区域显著性的相对熵损失函数衡量两个概率分布的相似性。实验结果表明,本文方法获得87.9%(i LIDS-VID),95.9%(PRID 2011)和89.9%(MARS)的Rank-1识别准确率,在PRID 2011数据集上,还实现m AP值的显著提升,m AP准确率达到89.6%,比基线提高了18.8%。(3)针对多尺度区域的行人再识别问题。本文提出了一种基于姿势引导的多尺度结构关系学习行人再识别方法,旨在基于参考姿势和姿势对齐模型对行人的视频序列进行分析,针对局部区域之间的约束关系,本文基于关系模型将局部区域之间的关系矩阵进行进一步推算得出关系权重,基于关系权重的图卷积网络学习多尺度区域的结构关系。通过对三个公开的数据集进行实验,本文所提方法获得85.5%(i LIDSVID),94.7%(PRID 2011)和90.2%(MARS)的Rank-1识别准确率,在PRID 2011数据集上,Rank-1准确率比基线提高了10.5%,验证关节点区域之间的约束关系对再识别的重要性。

关键词：行人再识别关注区域行为习惯显著性学习交通安全

来源：

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

基于视觉显著特征分析的行人再识别方法研究

基于视觉显著特征分析的行人再识别方法研究

引用

作者：周保亮安徽大学

学位级别：硕士

行人再识别技术,主要是指行人穿梭于摄像机网络广域监控场景中的匹配,尤其是针对无重叠视域的摄像机网络,是社会安防和智能监控的重要任务之一。然而,由于多摄像机视域场景的变化、行人目标姿态的变化、多个摄像机成像的差异、光照的改... 详细信息

行人再识别技术,主要是指行人穿梭于摄像机网络广域监控场景中的匹配,尤其是针对无重叠视域的摄像机网络,是社会安防和智能监控的重要任务之一。然而,由于多摄像机视域场景的变化、行人目标姿态的变化、多个摄像机成像的差异、光照的改变等因素,使得行人再识别技术的实际研究工作具有巨大的挑战性。行人再识别的基本过程主要包括行人图像或视频特征的融合与提取,以及特征之间相似度度量模型的设计,根据度量模型的数据输入,行人再识别研究方法可以分为基于单幅图像的方法和基于视频序列的方法两类。其中基于单幅图像是指对于一个行人目标,模型在一个摄像机场景中可以利用的信息只有一幅图像;而基于视频序列可以利用的信息为多幅图像或者一段视频序列。本论文针对基于单幅图像(single-shot)和基于视频序列(multi-shot)两种情况下的行人再识别问题展开研究,重点研究视觉显著特征在行人再识别问题中的重要作用。首先,针对基于单幅图像的行人再识别,将行人图像的显著性区域作为图像中最具有代表性的视觉显著特征,也可以称为图像的代表性区域。显著性的学习可以理解为图像视觉显著特征的提取,现有的一些方法已经证明行人显著性信息的重要性。如何挖掘更具有代表性和区分能力的显著性信息是行人再识别的一个重要研究任务。另外针对基于视频序列的行人再识别,将视频序列中具有较强区分能力的图像作为视频的视觉显著特征。现有基于单幅行人图像之间的匹配忽略了监控视频中行人序列中蕴含的丰富信息,而且现实生产中行人的行踪都是通过视频的形式存储的,即视频序列。如何选择具有视觉特征明显的图像序列,即如何提取视频的关键帧并将其用于行人的再识别是基于视频序列下行人再识别的一个关键问题。本文针对上述两个问题展开研究,论文主要的工作与贡献包括如下三点：第一,针对基于单幅图像行人再识别的视觉显著特征表达问题,提出一种基于局部离群点检测的无监督显著性学习方法。首次将这类显著性区域检测方法归结为离群点检测问题,同时利用行人目标图像稠密局部块的密度和距离信息计算局部区域的显著性值,能够较好的获得行人图像中视觉明显、显著性高的局部区域。第二,在获得行人图像视觉显著特征区域的基础上,我们给出了一种基于单幅图像行人再识别模型。该模型融合了图像显著区域、行人头部先验和块匹配方法以计算图像之间的相似度,通过公共数据集的验证,相比单纯利用块匹配的方法,具有较高的计算效率和较好的计算效果。第三,针对基于视频序列的行人再识别视觉显著特征表达的问题,提出一种基于协同稀疏恢复的视频显著特征选取策略,并利用选取的关键序列作为行人相似度度量的基础。该方法通过行稀疏正则化迹最小化问题的求解实现视频关键序列的选取,将基于视频序列行人再识别问题转化为关键序列图像之间的识别和匹配问题。多幅行人序列图像相比单幅行人图像而言,可以利用的信息较多,因此具有较为稳定的识别效果,并且能够避免单幅行人图像由于遮挡和物品的干扰原因造成效果不佳的问题。

关键词：显著性学习视觉显著特征度量学习行人再识别关键帧监控网络

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：