检索结果-南通市图书馆

吉林大学学报（理学版） 2022年第4期60卷 906-910页

作者：李蛟王紫薇范丽丽赵宏伟吉林大学图书馆长春130012 吉林省商务信息中心长春130061 吉林大学计算机科学与技术学院长春130012

针对苹果树叶病害样本数量少且缺乏足够的标签,导致苹果树叶病害早期发现分类困难的问题,提出一种苹果树叶病害图像分类的小样本学习方法.先根据图像间的特征向量距离和样本点密度,找出样本中的离群因子,将离群因子剔除后,求取嵌入空间... 详细信息

针对苹果树叶病害样本数量少且缺乏足够的标签,导致苹果树叶病害早期发现分类困难的问题,提出一种苹果树叶病害图像分类的小样本学习方法.先根据图像间的特征向量距离和样本点密度,找出样本中的离群因子,将离群因子剔除后,求取嵌入空间中支持集的平均值,再根据查找样本与该值的关系进行分类.实验结果表明,该小样本学习方法能明显提高模型的分类性能和收敛速度,分类准确率较高,平均分类准确率达97.62%,对苹果树叶锈病、黑星病、混合病害、健康树叶4类的分类准确率分别达98.01%,97.32%,96.30%,98.85%,且对样本不平衡、背景不均匀等数据集有较强的鲁棒性.

关键词：苹果树叶病害图像分类小样本学习离群点剔除

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

基于深度学习的自适应特征匹配模型研究

基于深度学习的自适应特征匹配模型研究

引用

作者：陈佳炫云南师范大学

学位级别：硕士

特征匹配是一项基础且重要的底层视觉感知任务,它是指在两个（或更多）具有潜在相似内容的图像之间寻找良好的对应关系。作为许多视觉任务的关键先决条件,特征匹配技术在过去的几十年里获得了飞速的发展。为了消除或减轻离群点（错误匹... 详细信息

特征匹配是一项基础且重要的底层视觉感知任务,它是指在两个（或更多）具有潜在相似内容的图像之间寻找良好的对应关系。作为许多视觉任务的关键先决条件,特征匹配技术在过去的几十年里获得了飞速的发展。为了消除或减轻离群点（错误匹配）对后续任务的不适当影响,各种几何估计器被提出用来寻求可靠的特征对应关系。通常的做法是首先假设两个图像通过某种参数几何关系（例如,仿射或对极几何）耦合,然后与估计模型不一致的对应关系将被视为离群点（Outlier）。尽管变换模型可以针对不同的数据而变化,但是当图像场景存在非刚性变换而导致局部畸变失真时,基于预定义的几何模型会出现明显的性能退化。此外,预定义的几何约束严重限制了其在动态匹配场景的适用性。为了解决这个问题,本研究提出了一种视觉注意力网络（Local Structure Visualization-Attention Network,LSV-ANet）来推断任意假定匹配的正确性。LSV-ANet利用一个新颖的局部结构可视化描述子（Local Structure Visualization,LSV）来映射每个对应的邻域结构,而无需耦合特定的全局几何约束。这样的视觉表征允许我们以可学习的方式自动提取与任务相关的抽象表征,从而评估共识一致性。为了进一步地提高模型捕获复杂特征交互的能力,LSV-ANet定制了两个注意力模块:空间尺度注意力（spatial SCale Attention,SCA）和空间结构注意力（spatial STructure Attention,STA）。这两个模块使得网络具备自适应尺度选择和结构操作的能力。本研究在多个数据集中测试了LSV-ANet的性能,并与八个先进的匹配算法进行了比较。实验结果显示,LSV-ANet在大多数情况下胜过其它算法。另一方面,由于（1）匹配空间缺乏明显的上下文结构、（2）离群点分布的随机性以及（3）未知的非刚性变换等因素,使得建立端到端的通用特征匹配模型仍然是一个具有挑战性的问题。基于LSV-ANet的一些思想,本文进一步地提出了一种灵活的深度状态网络（Deep State Learning Network,State Net）。与当前的传统策略（即施加全局几何约束或设计额外的手工描述子）不同,所提出的State Net提供了一种将匹配状态正则化为潜在规范形式的机制,从而削弱了匹配模式的随机性程度。此外,State Net的各个组件都是可微的,也就是说,它可以插入到现有的分类架构中来降低建立可靠对应关系的成本。从技术上看,State Net执行交替的两个步骤:匹配重校准和转换更新。为此,State Net包含了两种新的网络操作:自适应双聚合卷积（Adaptive Dual-Aggregation Convolution,ADAConv）和点渲染层（Point Rendering Layer,PRL）。前者以可学习的方式直接对无序稀疏匹配的全局几何特征进行编码。而后者将任意排列的关键点转换成一个置换不变的空间顺序,这使得利用稀疏匹配的空间局部相关性来捕获结构线索成为可能。本研究在各类真实图像（包含医疗图像、遥感图像、多模态图像等）测试了State Net的有效性。在与八个先进的算法的对比实验中发现,State Net显著地改善了现有匹配基线。最后,为了证明状态学习机制可以降低建立可靠对应关系的成本,本研究也展示了状态学习对不同分类器所能提供的性能增益。

关键词：特征匹配离群点剔除图像配准注意力视觉表征深度状态网络

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

不依赖于连续性假设的Correspondence Manifold研究

引用

计算机辅助设计与图形学学报 2011年第9期23卷 1490-1494,1503页

作者：李乡儒周建明李晓明华南师范大学数学科学学院广州510631 潍坊工程职业学院会计与统计学院青州262500 太原科技大学计算机科学与技术学院太原030024

图像匹配是计算机视觉中的一个基本问题,现有方法一般基于极几何模型,在使用中往往存在效率不高和对有些错误匹配点无法剔除的问题,为此研究了图像匹配中的模型问题.首先通过分析图像对应点映射关系的特点及其在联合图像空间中所形成曲... 详细信息

图像匹配是计算机视觉中的一个基本问题,现有方法一般基于极几何模型,在使用中往往存在效率不高和对有些错误匹配点无法剔除的问题,为此研究了图像匹配中的模型问题.首先通过分析图像对应点映射关系的特点及其在联合图像空间中所形成曲面的几何直观,给出了不依赖于连续性假设的对应流形(CM)定义;然后通过分析CM及其视图所体现的映射关系特点和完备性,直观地给出了基于对应函数的CM表征方案,据此将CM的学习归结为一般的函数回归问题;最后通过理论分析和实验方式探讨了CM模型相比于经典的极几何模型的优势.理论分析结果表明,CM模型在图像匹配关系的描述中给出的是充分必要约束,而极几何模型给出的是必要非充分约束;实际图像匹配的实验结果表明,基于CM的错误匹配剔除方法的准确性和稳健性比基于极几何模型的方法略好,且候选匹配中错误越多,CM的速度优势越明显.

关键词：图像对应点问题离群点剔除图像配准

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

户外导盲动态障碍目标RGB-D视觉感知与探测

引用

电子科技 2023年

作者：廉悦刘德儿江西理工大学土木与测绘工程学院

针对无障碍设施设计不合理、建设不完全、导盲辅具参差不齐、功能单一以及无法满足用户户外出行需求等问题，文中提出了一种利用BlendMask算法、基于RGB-D户外导盲动态障碍目标的视觉感知与探测的方法。该方法使用Azure Kinect DK采集的... 详细信息

针对无障碍设施设计不合理、建设不完全、导盲辅具参差不齐、功能单一以及无法满足用户户外出行需求等问题，文中提出了一种利用BlendMask算法、基于RGB-D户外导盲动态障碍目标的视觉感知与探测的方法。该方法使用Azure Kinect DK采集的RGB-D数据，利用6组实例分割算法对比，选择效果最优的BlendMask实例分割模型，通过添加深度数据处理分支得到单个实例的深度信息，即目标到相机的距离。为提高距离检测精度，通过三维，以点云的形式使用离群点剔除操作，去除分割掩膜中残余的背景信息。其中，基于统计的离群点剔除方法能更准确检测障碍物到相机的距离。实验结果表明，该方法不仅能较好地检测户外动态目标，也能检测目标到相机的距离，且提高了距离检测的精度。

关键词：户外盲人导航实例分割 RGB-D 距离检测离群点剔除 BlendMask 深度学习

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KICA-SVDD的地铁站冷水机组故障检测模拟研究

基于KICA-SVDD的地铁站冷水机组故障检测模拟研究

引用

作者：张楠华北京工业大学

学位级别：硕士

地铁因其便利、安全、高速、载客量大等特点,在当今社会得到迅速的发展。通风空调系统作为地铁系统环境中极其重要的组成部分,是良好出行环境的直接保障。而冷水机组是通风空调系统的核心组件,其为整个地铁环境提供唯一的冷源。由于其... 详细信息

地铁因其便利、安全、高速、载客量大等特点,在当今社会得到迅速的发展。通风空调系统作为地铁系统环境中极其重要的组成部分,是良好出行环境的直接保障。而冷水机组是通风空调系统的核心组件,其为整个地铁环境提供唯一的冷源。由于其长期在变工况、变负荷条件下运行,很容易发生故障。如果故障不能及时排除,势必会导致地铁环境的恶化,还会增加系统的能耗,缩短设备的寿命,因此,面对复杂多变的冷水机组,如何高效的对设备故障进行检测,预防事故的发生,已成为当下面临的重要议题。本文以地铁站冷水机组为研究对象,对其常见的典型故障进行深入分析,同时针对过程数据的线性不可分性、非高斯性以及数据采集中的异常点问题,探究核独立成分分析算法（Kernel Indpendent Component Analysis,KICA）在冷水机组故障检测中的应用。（1）研究基于KICA的冷水机组故障检测方法通过对美国采暖、制冷与空调工程师学会（American Society of Heating,Refrigerating and Air-Conditioning Engineers.Inc,ASHRAE）数据的分析,发现冷水机组变量之间是线性不可分的,且具有很强的非高斯性。核独立成分分析针对数据这些特征,有非常突出的表现。因此,本文首先运用KICA对数据进行处理,然后构造I,SPE统计量进行检测。实验结果表明,基于KICA故障检测模型在故障检测的准确率上明显优于传统的ICA、PCA,可以提高故障检测的准确率。（2）研究一种基于离群点剔除的故障检测模型针对数据中存在的异常点问题,本文研究一种离群点自动剔除的故障检测模型,相比于传统的基于距离的方法,本文方法不需要人为设定阈值,增加了算法的可靠性。通过对数据的处理分析表明,本文方法得到的数据更加聚集,选取相同独立成分个数的情况下,负熵值更大。并且,通过对比发现,剔除离群点后,算法的鲁棒性更强,故障检测的准确率也得到一定的提高。（3）研究基于粒子群优化的KICA-SVDD的故障检测方法核独立成分分析假设过程变量服从非高斯分布,而传统的基于马氏距离构造的监控统计量不能满足这一假设,并且算法在实现过程中面临参数选择的盲目性。针对以上问题,本文提出一种基于粒子群优化KICA-SVDD的故障检测方法。该方法首先运行核技巧将数据映射到高维核空间,在核空间中建立一个最优分类超平面,该平面通过最大化正常数据与故障数据之间的距离,同时最小化正常数据和故障数据内部的离散度,解决参数选择问题;随后,引入支持向量数据描述（Support Vector Data Description,SVDD）构造R统计量,克服了传统统计量的不足。通过ASHRAE 1043-RP数据对该方法进行验证,结果显示本文方法优于传统方法,提高了故障检测的准确率。（4）现场故障模拟实验分析与研究将课题的研究内容运用到北京某高校的地铁实训平台来验证本文方法的有效性。结果表明,本课题所提方法与传统方法相比,可以提高故障检测率。特别是在针对一些早期比较小的软故障,检测效果有明显提高。通过对本文方法的应用,有助于及早发现故障,防止设备不正常的停机,并且可以延长设备使用寿命,减少设备能耗等。

关键词：冷水机组故障检测核独立元分析离群点剔除支持向量描述

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

基于发动机实际数据的特性曲线提取算法研究

基于发动机实际数据的特性曲线提取算法研究

引用

2018中国汽车工程学会年会

作者：张博强伦智梅潍柴动力股份有限公司

以实际行驶的渣土车运行数据为基础,研究发动机实际运行状态下外特性曲线提取算法,算法分为离群点剔除、特性曲线提取和特性曲线拟合三部分。首先,离群点通过欧式距离和密度分布方式进行挑选和剔除;其次,特性曲线提取通过边界提取、膨... 详细信息

以实际行驶的渣土车运行数据为基础,研究发动机实际运行状态下外特性曲线提取算法,算法分为离群点剔除、特性曲线提取和特性曲线拟合三部分。首先,离群点通过欧式距离和密度分布方式进行挑选和剔除;其次,特性曲线提取通过边界提取、膨胀和腐蚀等图像形态学方法完成;最后,通过最小二乘法完成特性曲线拟合。结果表明,本文提出的算法对发动机实际运行数据的特性曲线提取具有良好的效果。

关键词：发动机外特性离群点剔除边界提取曲线拟合

来源： cnki会议评论

在线全文

cnki会议

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

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

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：