检索结果-南通市图书馆

合肥工业大学学报（自然科学版） 2021年第12期44卷 1621-1626页

作者：孔慧芳冯超胡杰合肥工业大学电气与自动化工程学院安徽合肥230009

针对语义分割网络参数量过大导致分割速度慢的问题,文章设计了一种基于特征上下文编码的实时语义分割网络FCENet。FCENet首先利用卷积因式分解和通道混洗方法设计一种双分支的非对称瓶颈块,进行下采样过程中图像的空间特征信息编码,有... 详细信息

针对语义分割网络参数量过大导致分割速度慢的问题,文章设计了一种基于特征上下文编码的实时语义分割网络FCENet。FCENet首先利用卷积因式分解和通道混洗方法设计一种双分支的非对称瓶颈块,进行下采样过程中图像的空间特征信息编码,有效减少网络参数,提升网络的推理速度;然后将下采样得到的编码信息作为输入特征映射进行后处理,采用不同的卷积操作获取不同层级的特征上下文,通过引入通道注意力机制联结不同层级信息拓展网络的学习能力,提升网络的分割精度。在CityScapes数据集上的实验结果验证了FCENet不仅保持了较高的分割精度,同时具有较快的推理速度。

关键词：实时语义分割编码网络推理速度分割精度特征上下文注意力机制

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

针对拥挤场景的行人检测方法研究

针对拥挤场景的行人检测方法研究

引用

作者：刘振兴江南大学

学位级别：硕士

行人检测是计算机视觉领域的一个热门研究课题,旨在利用计算机视觉技术识别图像或视频数据中存在的行人并对其精确定位。该技术可以作为行人重识别、人体姿态估计和行为分析等视觉任务的研究基础,同样也可以应用于智能安防、车辆辅助驾... 详细信息

行人检测是计算机视觉领域的一个热门研究课题,旨在利用计算机视觉技术识别图像或视频数据中存在的行人并对其精确定位。该技术可以作为行人重识别、人体姿态估计和行为分析等视觉任务的研究基础,同样也可以应用于智能安防、车辆辅助驾驶系统和智能机器人等工业领域。不管是在相关学术研究领域还是工业应用中,行人检测技术都发挥着十分关键的作用。随着深度学习的迅速发展,行人检测研究在近些年来取得了许多的成就和突破,基于深度卷积神经网络的一系列方法成为了该领域的主流。目前,通用目标检测方法在标准行人检测中能够取得符合预期的结果,但是在拥挤场景中的行人检测存在众多挑战。当行人密度增大时,行人之间的遮挡也会随之加重,常规检测器很难在当前环境下有效完成遮挡行人的检测。此外,行人兼具刚性和柔性物体的特性,在尺度、穿着和姿态等方面有着不同程度的差异,这些因素都无疑会提升拥挤场景中行人检测的难度。鉴于上述局限,本文以基于深度学习的行人检测模型为基础,通过改进网络的具体实现来有效应对拥挤场景下的行人检测,引入提出的网络模块优化行人检测网络的特征提取。本文的主要研究工作包括如下三个方面:(1)针对拥挤场景中的行人遮挡问题,大多数行人检测方法更加倾向于利用一些数据集当中的额外标注信息(例如:头部标注或可见部位标注),或者使用注意力机制来强调行人可见区域的特征信息。然而,很少有方法尝试使用特征上下文信息对骨干网络提取的特征进行加强以应对遮挡导致的完整目标信息缺失问题。因此,本文提出一种全局上下文感知模块,能够有效地结合特征上下文信息,通过全局上下文的引导获得更加准确的遮挡行人特征。此外,对遮挡行人显著的上半身特征进行增强,使得具有判别性特征更多的用于最终网络决策。提出方法可以有效提升行人检测网络在拥挤场景下的性能,减少许多因遮挡导致的漏检或误检。(2)针对拥挤场景中的行人目标多尺度问题,本文改进了特征金字塔网络。首先利用卷积神经网络深层具有高级语义信息的特征与浅层高分辨率的特征进行融合。然后通过带权融合的方式将网络的浅层特征自下而上地融合进深层,使网络可以根据不同融合特征分配不同的权重信息。经过充分融合的多层特征输出可以更加有效地应对目标尺度的变化。考虑到完整特征信息的缺失可能使检测器无法对目标做出准确定位。因此,本文提出一种能够融合空间信息的模块,通过空间特征信息辅助网络获取潜在的行人特征,补偿因遮挡而丢失的显著特征信息。(3)两阶段行人检测方法相较于单阶段方法,在检测精度上有着一定优势,但网络模型普遍偏大。本文采用的方法模型均使用两阶段结构,为了有效降低模型的大小,提升模型的检测效率,使用轻量级网络Mobile Net作为骨干网络。同时,为了增强骨干网络在拥挤场景下的行人特征抽取能力,在骨干网络结构中加入基于Transformer编码的特征融合,使网络的多层特征输出更具鲁棒性。对于拥挤场景行人互相遮挡重叠难以准确地回归其位置的问题,本文利用多级回归的方式,渐进式地结合已有信息以实现更加准确的行人位置回归。基于上述的三个研究工作,本文在具有挑战性的Crowd Human数据集和City Persons数据集上开展了验证性实验。通过充分的实验对比与指标评估,验证了提出方法的有效性。

关键词：行人检测拥挤场景特征上下文多尺度特征多级回归

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

基于视觉感知的室内场景识别与理解

基于视觉感知的室内场景识别与理解

引用

作者：周圣云电子科技大学

学位级别：硕士

室内场景的识别与理解是智能化信息处理的关键技术,相关研究成果已经在不同的领域投入广泛的应用,主要包括安防领域的行人检测、目标追踪、人脸识别等,互联网信息领域的图像内容检索,智能机器人领域的目标找寻、场景理解、障碍物检测等... 详细信息

室内场景的识别与理解是智能化信息处理的关键技术,相关研究成果已经在不同的领域投入广泛的应用,主要包括安防领域的行人检测、目标追踪、人脸识别等,互联网信息领域的图像内容检索,智能机器人领域的目标找寻、场景理解、障碍物检测等,给人类日常生活和工作的很多方面提供了便利,具有重要的理论研究意义和工程应用价值。本文以基于视觉感知的室内场景目标检测与场景识别为研究重点,主要研究内容如下:1.从有效的局部特征梯度直方图为入手点,研究可变形部件模型(Deformable Part-based Model,DPM)的组成、多尺度下的匹配和评分方法。对模型的训练方法进行了深入探讨,使用坐标下降算法,结合筛选困难负样本进行隐性变量支持向量机的训练。因此,目标检测可以在不同尺度、目标的不同部分进行实现,使得检测方法对目标的姿态变化、局部位移造成的形变有很好的鲁棒性。同时,研究通过径向基编码融合特征上下文(Feature Context),使可变形部件模型能够利用更多的上下文信息,并通过实验与其它优秀算法进行对比,验证可变形部件模型优于其它算法,且特征上下文的融合提高了模型的检测性能。2.深入研究使用可变形部件模型获取拥有更强描述能力的场景特征,同时克服需要手工标注感兴趣区域(Region of Interest)的缺陷,通过调整其训练、匹配方法和参数,将其应用于室内场景识别。通过实验分析讨论了调整方法,以及模型的不同参数在室内场景识别中发挥的作用和影响。3.针对DPM模型对全局场景把握不足的缺点,引入基于特征通道的视觉感知场景gist特征,重点研究了强度、颜色、方向等不同视觉特征通道的gist特征提取,并基于softmax回归进行场景特征融合和识别分类。通过实验验证了特征融合对识别性能的提升,对比分析了改进的识别方法对室内场景识别的优势。

关键词：目标检测室内场景识别可变形部件模型特征上下文

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

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

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：