检索结果-南通市图书馆

计算机工程 2017年第5期34卷 169-173页

作者：邹冲蔡敦波赵娜刘莹赵彤洲武汉工程大学计算机科学与工程学院武汉430074 武汉工程大学智能机器人湖北省重点实验室武汉430205 华中科技大学自动化学院武汉430074

在方向梯度直方图(HOG)联合支持向量机(SVM)算法(HOG-SVM)和Le Net网络模型基础上,提出了HOG与卷积神经网络(CNN)融合的行人检测算法(SVM-Le Net)。采用多尺度滑动窗口提取HOG特征并送入SVM分类器,根据后验概率判断候选区,随后运用CNN... 详细信息

在方向梯度直方图(HOG)联合支持向量机(SVM)算法(HOG-SVM)和Le Net网络模型基础上,提出了HOG与卷积神经网络(CNN)融合的行人检测算法(SVM-Le Net)。采用多尺度滑动窗口提取HOG特征并送入SVM分类器,根据后验概率判断候选区,随后运用CNN算法剔除误检窗口。为解决单个目标被多个候选区域框定的问题,使用非极大值抑制算法(NMS)进行多矩形融合,保留检测区域中后验概率最大的窗口抑制与其重叠的检测窗口。分类过程中,以候选区域在SVM和Le Net中后验概率为依据判断行人区域。实验结果表明,与HOGSVM和Le Net行人检测算法相比,该算法在准确率和召回率上有明显优势。

关键词：行人检测权重模板支持向量机非极大值抑制算法卷积神经网络

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

基于视觉信息分析的图像和视频理解及检索

基于视觉信息分析的图像和视频理解及检索

引用

作者：陈凯复旦大学

学位级别：硕士

随着互联网的迅猛发展,当前世界不断涌现出各种新兴的社交媒体,例如：Facebook,Flickr,Twitter,Instagram等等。而伴随着这些新的网络媒体的出现,各种图像和视频媒体每天以数以亿记的数量产生,不断地被传播,分享和编辑。如何基于这些图... 详细信息

随着互联网的迅猛发展,当前世界不断涌现出各种新兴的社交媒体,例如：Facebook,Flickr,Twitter,Instagram等等。而伴随着这些新的网络媒体的出现,各种图像和视频媒体每天以数以亿记的数量产生,不断地被传播,分享和编辑。如何基于这些图像和视频更有效和快速地理解及检索就成了一个值得研究和有趣的课题。在本文中我们分别对图像和视频的理解和检索进行了讨论,使之能更有效地服务于信息检索引擎的检索和理解。在图像的重排序部分,我们提出了一种重排序图像检索结果的新方法,它可以被适用到对象类和场景类中。我们首先介绍了两种方法：范本模型和显著图模型。范本模式是自上而下的方法,该方法考虑同一个类中图像的感兴趣区域(ROI),它包含很多类似的显著特征。这些显著特征可以被用来训练模型,并重新排名查询的测试图片。另一方面,显著图模型是一个自底向上的方法,该方法采用赢者通吃和返回抑制机制来找出梯度下降显著的区块,其显著图像可以用来进行重排序。在实验中,我们观察到的范本模型在对象类中表现良好,而显著图模型在场景类更好,两个方法专注于不同的方面。最后,我们提出了一个方法ExSM模型,结合了范本模型和显著图模型的优势。ExSM在场景类和对象类中都表现得很好。在视频理解部分,我们提出了一种方法,它结合了权重模板和时空模板来识别人类的动作。首先,考虑到身体的不同部位在不同的行为动作中发挥着截然不同的重要角色。所以在人类动作的识别中,我们建议采用于基于光流局部描述符的权重不同的动作识别模板。然后,我们提出了时空模板,由运动能量图像(MEI)和运动历史图像(MHI)组成,包含了全局描述符和时间信息的描述符。考虑到局部描述符,全局描述符与时间信息,我们融合了权重模板和时空模板来进行识别动作。实验结果表明,融合的模板可以有效地从不同的方面识别人的动作。

关键词：图片重排序图像检索范本模型显著图模型 ExSM Facebook Flickr 视频理解权重模板时空模板人类动作识别

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

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

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：