检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

语义增强引导特征重建的遮挡行人检测

红外与激光工程 2022年第9期51卷 371-380页

作者：孙旭旦吴清赵春艳张满囤河北工业大学人工智能与数据科学学院天津300401

行人被严重遮挡导致无法提取有效特征是行人检测中出现漏检的一个主要原因。为了解决该问题,提出一种语义增强引导特征重建的遮挡行人检测算法。首先,利用空间和通道之间的依赖性设计了语义特征增强模块,建立全局上下文信息用以增强遮... 详细信息

行人被严重遮挡导致无法提取有效特征是行人检测中出现漏检的一个主要原因。为了解决该问题,提出一种语义增强引导特征重建的遮挡行人检测算法。首先,利用空间和通道之间的依赖性设计了语义特征增强模块,建立全局上下文信息用以增强遮挡行人特征。其次,为关注行人的可见区域,通过自适应特征重建模块生成语义分割图,自适应调整通道的有效权重,增强行人和背景的可判别性。最后,通过多层次级联语义特征增强和自适应特征重建两个模块得到多层次特征图,融合多特征用以最终的行人解析。实验结果表明,该方法在具有挑战性的行人检测基准CityPersons和Caltech上,对严重遮挡目标的漏检率分别实现了47.28%和44.04%,在遮挡行人的检测上相较于其他方法具有较好的鲁棒性。

关键词：行人检测语义特征增强特征重建语义分割

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

语义特征引导下人体骨架行为识别方法研究

语义特征引导下人体骨架行为识别方法研究

作者：丹森武汉理工大学

学位级别：硕士

随着人工智能技术的发展以及智能设备的普及,人体行为识别技术已经被应用在众多的现实应用中。相比于RGB视频,人体骨架序列对于光照、背景和自遮挡等问题具有更好的鲁棒性,且计算效率更高。因此,基于人体骨架序列的行为识别成为计算机... 详细信息

随着人工智能技术的发展以及智能设备的普及,人体行为识别技术已经被应用在众多的现实应用中。相比于RGB视频,人体骨架序列对于光照、背景和自遮挡等问题具有更好的鲁棒性,且计算效率更高。因此,基于人体骨架序列的行为识别成为计算机视觉领域中一个热门课题。人体骨架数据增强和语义表征技术可以有效地提高行为识别的准确率,但目前相关研究较少,有待进一步探索;图卷积网络(Graph Convolutional Network,GCN)常用于提取人体骨架关节点之间的联系,但在提取的过程中,存在关节点耦合和有偏权重等问题。针对上述问题,本文从以下三个方面展开研究:(1)提出了基于双重随机的骨架数据增强和语义特征融合的表征方法针对人体骨架数据增强和语义表征探索不足的问题,提出了基于双重随机的人体骨架数据增强算法,在训练模型时,适当扩充人体骨架视角,增强模型稳定性;在人体骨架语义表征方面,构建人体骨架外观语义特征,并提出了基于语义特征融合的人体骨架表征算法,进一步完善人体骨架的语义表征;设计消融实验,验证了所提出方法可以为骨架时空特征提取网络提供更全面的输入。(2)设计了面向行为识别的骨架时空特征提取网络针对图卷积网络中存在的关节点耦合和有偏权重等问题,分别改进了空间语义引导下关节点特征提取网络和时间语义引导下时序特征提取网络:通过融合拓扑细化图卷积网络和自适应图卷积网络,缓解图卷积网络自身的限制,加强模型的泛化能力;通过采用双层时序卷积网络,降低模型参数量和计算成本,提取更为丰富的骨架时序特征。在此基础上,设计了面向行为识别的骨架时空特征提取网络,分别在骨架空间和时序特征的提取上,缓解关节点耦合和有偏权重等问题,从而提升行为识别的准确率。设计消融实验,验证了所提出方法的有效性。(3)设计了语义特征引导下人体骨架行为识别方法为进一步发挥骨架语义特征的优势,设计语义特征引导下人体骨架行为识别模型:在输入层,利用所提出的人体骨架数据增强算法,对人体骨架视角进行适当地扩充;在空间语义引导下骨架特征提取层,采用所提出的基于语义特征融合的人体骨架表征方法,得到骨架空间语义表征,并引导关节点特征提取网络和通道注意力机制,提取骨架的空间特征,进一步缓解关节点耦合和有偏权重等问题,并降低部分行为(关键性动作幅度较小)的误识率;在时间语义引导下骨架特征提取层,将骨架的空间特征与时间语义特征融合并通过组合池化,引导双层时序卷积网络提取骨架的时序特征,最后通过维度提高网络和时间池化,进一步增强提取的骨架特征。设计消融实验和对比实验,结果表明本文提出的语义特征引导下人体骨架行为识别方法在行为识别任务中取得了具有竞争性的效果。

关键词：骨架行为识别数据增强语义特征增强骨架时序特征骨架空间特征

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的SAR图像船舶目标检测

基于深度学习的SAR图像船舶目标检测

作者：张大双西安电子科技大学

学位级别：硕士

合成孔径雷达（Synthetic Aperture Radar,SAR）船舶检测是SAR图像解译任务的重要组成部分,可在军事侦察、民事探测等任务中提供信息支持。SAR图像船舶检测的结果可作为其他解译任务的前置条件,检测结果影响整个SAR图像自动识别系统的... 详细信息

合成孔径雷达（Synthetic Aperture Radar,SAR）船舶检测是SAR图像解译任务的重要组成部分,可在军事侦察、民事探测等任务中提供信息支持。SAR图像船舶检测的结果可作为其他解译任务的前置条件,检测结果影响整个SAR图像自动识别系统的性能。针对SAR图像船舶检测遇到的问题和深度学习模型的优点,本文提出了基于深度学习的SAR图像船舶检测。神经网络从图像数据中学习船舶目标的抽象特征,通过构建多个隐藏层学习到非线性关系,对船舶目标进行分类以及定位。首先,本文针对SAR图像中船舶目标存在多尺度、小目标、强干扰的问题,提出了特征融合和特征降噪的增强方法。通过密集采样、融合不同层级间的特征以及使用多尺度特征图预测的方法,提高了目标检测算法对于多尺度、小目标船舶的检测能力;使用基于注意力机制的特征降噪模块,大幅降低了港口等强干扰目标的误检率,提高了船舶检测算法的精度。其次,针对港口船舶排布密集,水平预测框存在容易漏检、丢失船舶长宽比信息的问题,设计基于二阶段旋转船舶检测网络。通过对分类回归子网络、旋转Anchor的设置及匹配方法的改进,使算法能够预测旋转检测框。通过实验验证了该算法的有效性。最后,通过多GPU并行的方式解决了大规模SAR图像的船舶检测的问题,能够实时、准确的完成端到端的SAR图像船舶检测任务。

关键词：合成孔径雷达船舶检测语义特征增强旋转预测框多GPU并行

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的着装人体服装分割技术研究

基于深度学习的着装人体服装分割技术研究

作者：龚闯武汉纺织大学

学位级别：硕士

服装图像分割技术广泛应用于服装检索、服装推荐、虚拟试衣等领域,越来越多的研究人员使用基于深度学习的语义分割网络对服装图像进行分割,并逐渐成为计算机视觉研究领域的一大热门。由于服装的属性繁多,面料款式纹理均有所不同,且服装... 详细信息

服装图像分割技术广泛应用于服装检索、服装推荐、虚拟试衣等领域,越来越多的研究人员使用基于深度学习的语义分割网络对服装图像进行分割,并逐渐成为计算机视觉研究领域的一大热门。由于服装的属性繁多,面料款式纹理均有所不同,且服装图像中人体姿势和复杂场景较易遮挡服装,大多数基于深度学习的语义分割网络对服装图像进行分割后会出现服装边缘分割粗糙、分割精度差、服装遮挡和服装深层语义特征提取不够充分等问题。本文在现有的基于深度学习的语义分割网络基础上,针对如何提高服装图像的分割效果开展了如下的工作:(1)针对基于深度学习的语义分割网络对服装图像分割存在的服装边缘分割粗糙的问题,在Deeplab v3+网络的主干网络引入协调注意力机制,利用协调注意力机制捕获位置信息和通道关系,较有针对性地捕获学习目标区域的特点,有利于提高网络对服装图像细微部分的分割能力。(2)针对基于深度学习的语义分割网络对服装图像分割存在的分割精度差、服装深层语义特征提取不够充分的问题,在Deeplab v3+网络中引入语义特征增强模块,通过对不同大小的特征图应用non-local注意块增强服装语义特征信息,使得服装分割的精度有了一定的提升。(3)针对深度学习的语义分割网络对服装进行分割后存在遮挡服装的问题,使用PatchMatch算法,对服装的遮挡区域进行处理,可以处理手臂遮挡服装等问题,取得了较好的视觉效果。(4)设计并实现了服装图像分割系统。该系统使用在服装数据集上训练收敛的语义分割网络对服装图像进行分割,使用PatchMatch算法去除服装图像的遮挡物,最终获取目标服装图像。本文对现有的基于深度学习的语义分割网络进行改进,实验表明:嵌入协调注意力机制和语义特征增强模块的Deeplab v3+网络相较于Deeplab v3+网络在Deep Fashion2数据集上mIoU、MPA提高了2.1%,2.3%。最后,本文设计并开发了服装图像分割系统,它不仅整合了已经训练收敛的服装分割网络,对服装进行初步分割,而且加入PatchMatch算法对服装的遮挡物进行去除,提取更为纯净的服装图像。

关键词：语义分割 Deeplab v3+ 协调注意力机制语义特征增强服装分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于弱监督学习的鸟类细粒度图像分类研究

基于弱监督学习的鸟类细粒度图像分类研究

作者：唐方舟华中师范大学

学位级别：硕士

鸟类是生态系统中不可或缺的重要成员,有着对环境极其敏感的特性。当区域内鸟类数量、种类发生变化时,往往也意味着当前鸟类生存环境内部因素发生了重大变化,因此鸟类种类的多样性是生态环境保护的重要指标。在过去,鸟类的识别工作较多... 详细信息

鸟类是生态系统中不可或缺的重要成员,有着对环境极其敏感的特性。当区域内鸟类数量、种类发生变化时,往往也意味着当前鸟类生存环境内部因素发生了重大变化,因此鸟类种类的多样性是生态环境保护的重要指标。在过去,鸟类的识别工作较多地依赖于人工观测和专业人员对图像的逐一识别,对从业者的经验要求高,且工作量大。因此,设计一种对人工较少依赖的鸟类细粒度图像分类算法有着重要的意义。不同于通常的图像分类任务,细粒度图像分类的主要目标是对同属某一大类下的子类做出区分,而鸟类的不同子类往往有着较高的相似性,相同子类的鸟类又通常因为不同的飞行姿态、拍摄角度、复杂的背景等因素存在较大的差异。因此,对鸟类的识别是细粒度图像分类中最为经典也是最具挑战性的任务。针对以上问题,本文设计了一种高阶特征编码的弱监督鸟类细粒分类方法,主要工作如下:(1)卷积神经网络高层特征图的语义信息对于图像的分类来说至关重要。本文设计的算法建立在高阶特征编码的方法基础之上,该方法将特征通道依据语义分组为全局特征与局部特征。采用语义特征增强的办法,最终网络能够学习得到更具辨别性的细粒度特征,从而实现对鸟类的识别。在本文的改进中,为了排除复杂背景对图像特征提取以及特征语义分类的干扰,使用基于候选区域的鸟类目标检测模块。该模块能够精确且快速地定位图像中待识别的前景对象,在定位的基础上完成对细粒度特征的提取与学习,提高模型的学习效率以及识别效果。(2)在鸟类的细粒度图像分类领域中,现有的公开数据集以国外创建的为主。然而北美鸟类的种类分布与我国重合性较低,不能满足我国鸟类识别应用的需求。针对国内用以鸟类细粒度图像分类数据集缺少的问题,参照已有数据集的模式建立了滇西北野生鸟类数据集,基于该自建数据集训练并验证本文所提算法的泛化能力。

关键词：细粒度图像分类鸟类图像分类深度学习语义特征增强高阶特征编码

集成策略下多特征融合的遥感影像分割算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

集成策略下多特征融合的遥感影像分割算法研究

作者：王琛北京建筑大学

学位级别：硕士

遥感影像分割在遥感图像智能解译过程中扮演重要角色。随着人工智能深度学习技术的快速发展,越来越多学者将深度学习思想融入遥感影像目标分割任务中。然而,当前算法难以满足实际应用的需求,原因如下:(1)目标数据单一。由于遥感影像成... 详细信息

遥感影像分割在遥感图像智能解译过程中扮演重要角色。随着人工智能深度学习技术的快速发展,越来越多学者将深度学习思想融入遥感影像目标分割任务中。然而,当前算法难以满足实际应用的需求,原因如下:(1)目标数据单一。由于遥感影像成像范围大,导致对多类地物目标进行分割时,工作量大、步骤繁琐,因此较多文献仅对某一种或两种地物类型进行分割提取,无法实现遥感影像信息的全覆盖。(2)存在较多纹理、颜色等视觉特征相似的干扰物。不同于其他自然成像,遥感影像的成像过程复杂、视野宽广、内容信息丰富,一定程度上提高了目标的类间相似性,导致分割结果混淆。(3)目标随季节、光照、尺度等原因发生变化。描述遥感影像特征的常用指标包括像素、光谱、长度、边缘、形状、阴影、语义等,而这些指标会随着拍摄条件的变化而变化,因此仅凭经验设计特征的方法常常只能处理特定数据,无法真正实现自动化。(4)割裂了影像中目标前景与背景信息之间的联系。大部分分割网络都是使用最后一层卷积后的特征图进行预测,与此同时,未考虑影像的背景信息,造成目标语义特征不准确,导致分割边界模糊。针对上述问题,本文以Mask R-CNN实例分割网络和SegNet语义分割网络为基础,提出了集成策略下多特征融合的遥感影像分割算法,力图提出一种智能化方法,解决遥感影像分割过程中出现的特征混淆、特征信息丢失、分割边界模糊等问题。具体研究内容如下:(1)针对不同目标的特征响应程度不同这一问题,在原Mask R-CNN实例分割网络的颈部端添加权重回传的属性特征注意力机制。该机制可以针对性地获取遥感影像地物目标的形状、纹理、尺寸和颜色特征,并对特征响应的权重值进行回传,使信息在网络间流通,提高特征的利用率,得到图像前景things类分割图。(2)针对浅层特征因池化操作出现的丢失问题,在原SegNet语义分割网络中添加密集连接的语义特征增强操作。该操作基于“跳跃思想”建立网络前面所有层与后面层的密集连接,对于形状不规则的目标,利用特征增强模块,融合全局和局部上下文信息,提高目标的边界特征表达能力,得到图像背景stuff类分割图。(3)为了输出整幅影像的像素级分割结果,完成对两张分割图的有效集成,提高模型的鲁棒性,本文在最后提出基于投票机制的动态加权集成策略。该策略采用超半数投票法,输出目标分割结果的最大概率值,通过动态加权集成,验证投票结果的准确性,实现遥感影像的像素级分割。(4)为证明本文提出的集成策略下多特征融合的遥感影像分割算法的有效性,采用自制数据集对10种地物类型进行分割实验验证,并对实验结果从模型本身和模块对比两方面进行精度评估,综合分析本文方法优劣。将本文算法在实际任务中进行初步应用时,能够提供正确的分割结果且边界清晰,整体分割质量较优,证明本文算法具有一定泛化能力,可以为遥感图像智能解译工作提供新方案。

关键词：遥感影像分割动态加权集成属性特征注意力机制语义特征增强投票机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于短文本信息的事故灾难事件抽取研究

基于短文本信息的事故灾难事件抽取研究

作者：武国亮北方工业大学

学位级别：硕士

事故灾难事件是公共突发事件的重点之一,对公共安全风险识别和应急处理均有重要影响。网络和自媒体的普及使得我们有可能在各类网络短文本中获得公共突发事件相关的有价值的信息。事件抽取在事故灾难事件信息挖掘和提取方面有着极其重... 详细信息

事故灾难事件是公共突发事件的重点之一,对公共安全风险识别和应急处理均有重要影响。网络和自媒体的普及使得我们有可能在各类网络短文本中获得公共突发事件相关的有价值的信息。事件抽取在事故灾难事件信息挖掘和提取方面有着极其重要的作用,例如及时获取事态信息、建立结构化案例库等。由于文本数据特征决定了事件抽取方法的效果上限,将字粒度语义特征提升到词粒度或实体粒度可以使模型获取更高维、更丰富的语义信息。基于此,本文针对事故灾难事件相关网络短文本信息,从文本语义特征增强的角度对事件抽取任务展开了深入研究,研究内容包括以下两个方面:(1)基于命名实体识别任务反馈增强的事件抽取方法研究。为了使模型能够学习到数据中更高维度的语义特征,本文对事件抽取领域经典模型Bi LSTMCRF进行了改进,提出了一种基于命名实体识别任务反馈增强的事件抽取方法FB-Latiice-Bi LSTM-CRF。第一步,将Lattice机制融合双向长短期记忆网络Bi LSTM作为模型的共享层,获取句子中的词语语义特征;第二步,增加命名实体识别辅助任务联合学习和挖掘实体语义信息,同时将命名实体识别任务的输出反馈到输入端,提取其中实体对应的分词结果作为Lattice机制的外输入,以减少该机制自组词数量大的负荷,并进一步强化实体语义特征的提取。最后,用最大高斯似然估计方法最大化同方差不确定性,计算模型总损失,解决多任务联合学习产生的损失不平衡问题。实验结果表明,基于命名实体识别任务反馈增强的改进方法有效的提升了事件抽取效果。(2)基于知识图谱的文本预处理方法研究。通过改造模型结构可以增强模型对文本高维语义特征的学习能力,同时引发了结构要求高,泛化性较差的问题。为此,本文基于知识图谱技术,提出了一种能够增加文本语料的显式语义特征的文本预处理方法,易被模型学习。第一步,对事故灾难事件相关语料进行实体类型定义和实体提取,通过实体关系扩展使实体间建立了联系,并借助Neo4j图数据库构建目标事件“事故灾难”知识图谱;第二步,基于已建立的知识图谱,用滑动窗口扫描方法和实体链接技术对文本语料进行实体识别和分词;最后通过文本语料字粒度与实体及其属性的嵌入,融合得到包含实体属性和实体分词语义信息的文本嵌入结果。实验结果表明,该方法可广泛适用于各类事件抽取模型中,并明显提升模型效果。

关键词：事故灾难事件事件抽取语义特征增强