检索结果-南通市图书馆

山西大学学报(自然科学版) 2024年第2期47卷 359-368页

作者：温超贺宏强山西大学大数据科学与产业研究院山西大学计算机与信息技术学院

密集人群定位分析的难点之一是获取图像中个体目标的准确预测。密集人群场景条件下，前景图像小目标物体和其他物体存在相互遮挡和干扰等造成的特征噪声。采用传统人群定位方法学习得到的人头特征容易遭受特征噪声的影响，进而容易造成... 详细信息

密集人群定位分析的难点之一是获取图像中个体目标的准确预测。密集人群场景条件下，前景图像小目标物体和其他物体存在相互遮挡和干扰等造成的特征噪声。采用传统人群定位方法学习得到的人头特征容易遭受特征噪声的影响，进而容易造成人头特征判别性弱和边界信息获取不准确。针对上述问题，文章提出一种特征去噪方法用于人群定位，其利用语义特征解耦的思想抑制特征噪声以增强独立人头的检测。不同于旨在改善图像视觉质量的传统像素域去噪方法，所提方法将在特征空间对多尺度特征进行去噪，促使模型学习到更多目标类特征，并抑制干扰特征。通过前景目标特征与背景特征的语义解耦，分别增强和减弱头部特征和背景特征响应，有利于改善独立个体目标的检测。实验结果表明，所提出的方法在密集人群数据集Shanghai Tech、UCF-QNRF和NWPU-Crowd上的平均F1值分别为81.2%,72.4%和77.1%，提高了密集人群定位的性能。

关键词：多尺度特征去噪背景干扰抑制独立个体检测语义解耦

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

基于场景上下文增强的三维目标检测研究

基于场景上下文增强的三维目标检测研究

引用

作者：董澍威吉林大学

学位级别：硕士

随着工业领域对增强现实、自动驾驶技术和机器人系统的需求不断扩大,基于点云数据的室内三维目标检测技术日益受到重视。然而,点云输入数据的固有特性,如形状的对称性、物体间的遮挡以及表面纹理信息的缺失,常常导致语义歧义。这些问题... 详细信息

随着工业领域对增强现实、自动驾驶技术和机器人系统的需求不断扩大,基于点云数据的室内三维目标检测技术日益受到重视。然而,点云输入数据的固有特性,如形状的对称性、物体间的遮挡以及表面纹理信息的缺失,常常导致语义歧义。这些问题会导致不同视角下相似物体表面的特征混淆,从而困扰检测模型。传统的三维目标检测方法通过学习结合几何与语义信息的候选框特征表示来解决此问题,但这种融合语义和几何信息的方式可能会降低模型的语义判别和空间识别能力。本文聚焦于降低表示交织所引起的混淆,并提升候选框特征的表达能力,通过整合场景中的候选框语义和上下文信息。本文提出了一种名为场景上下文增强图网络的新模型,包括两个主要模块:候选框类别重编码模块及候选框上下文生成聚合模块。候选框类别重编码模块旨在从耦合表示中分离出清晰的语义特征,通过学习每个类别的高级语义嵌入以抽取判别性的语义线索。为了进一步提升候选框特征并利用这些语义线索,候选框上下文生成聚合模块构建了一个图网络来挖掘场景中最相关的上下文信息。本文提出的场景上下文增强图网络以最小的计算资源消耗实现了领先的三维目标检测性能,并且在应用于不同的三维目标检测网络时同样显示出显著的性能提升。本文的主要内容和贡献如下:(1)几何信息和语义信息在整个模型候选框学习的过程中纠缠耦合在一起会极大程度的损害到特征的表达能力,同时使模型容易受到基势的影响,并且学习到的不准确的几何关系反过来会误导语义聚合。本文提出的场景上下文增强图网络缓解了这个问题,并通过一系列论证以及对场景上下文增强图网络的众多对比实验探究了解耦的语义特征以及上下文信息的构造方式对模型能力的影响。(2)本文实现的场景上下文增强图网络中包含两个模块分别为候选框类别重编码模块和候选框上下文生成聚合模块。候选框类别重编码模块利用类重编码技术来解耦候选框特征并且提取出有效的候选框语义线索。候选框上下文生成聚合模块则利用图神经网络来学习场景的上下文信息,进一步增强了特征的表示能力。(3)本文开发了基于场景上下文的图网络,它可以作为即插即用的组件,与现有的三维目标检测流程相集成,从而优化现有三维目标检测模型的特征表达能力。

关键词：三维目标检测语义解耦图神经网络卷积神经网络

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

面向跨模态哈希的受控语义嵌入和深度互信息研究

面向跨模态哈希的受控语义嵌入和深度互信息研究

引用

作者：杨榕广东工业大学

学位级别：硕士

近些年来随着互联网的发展,随之而来产生了大量的多媒体数据(例如,图片,文本和视频),这些数据通常都会被存储到数据库中,如何在这些数据库中找到人们所需要的语义相关联的信息变成了一个非常具有挑战性的任务。解决此类挑战性任务的方... 详细信息

近些年来随着互联网的发展,随之而来产生了大量的多媒体数据(例如,图片,文本和视频),这些数据通常都会被存储到数据库中,如何在这些数据库中找到人们所需要的语义相关联的信息变成了一个非常具有挑战性的任务。解决此类挑战性任务的方法是信息检索,而跨模态哈希检索作为信息检索的其中一个分支,具有计算速度快,存储效率高的特性,是解决大规模多媒体数据信息检索最有希望的手段。本文从跨模态哈希检索的三个子任务出发,结合受控语义嵌入和深度互信息等相关技术,对语义鸿沟,排序学习,量化问题进行深入研究和探讨,主要研究内容如下:本文的第一个创新点围绕第一个子任务语义鸿沟展开研究。针对现有的大多数方法强调直接将异构特征映射到公共子空间,不可避免地导致高度耦合的特征表示,阻碍模型弥补语义鸿沟的缺陷,本文提出了一种受控语义嵌入的跨模态哈希检索方法,尝试用受控语义结构学习解耦合表示用于跨模态检索。该方法分别为每一种模态构造条件变分自编码器和鉴别器。使用鉴别器驱动的反馈机制增强变分自编码器,生成网络能够为不同模态学习可解释的语义表示,合理地利用训练样本中丰富的语义信息,排除与检索任务无关的信息。结合标签网络提供的自监督语义信息,模型能够在样本特征映射到公共语义空间之前,学习具有受控语义结构的解耦合表示,用于跨模态检索。本文的第二个创新点在于重点关注如何通过合理的数学模型,设计合理的排序损失函数,优化公共子空间的排序学习问题。通过将跨模态哈希检索的子任务排序学习建模成正负样本分布分离的问题,本文提出了一种基于深度互信息的跨模态哈希检索方法。该方法基于一种深度神经网络互信息估计器,能够估算并优化排序学习过程中产生的正样本和负样本距离分布之间的互信息。提出的互信息目标函数,结合标签网络提供的自监督语义信息,能够很方便地拓展到多种模态,准确地刻画跨模态哈希检索中的排序学习问题。整个过程不需要超参数精心构造排序损失,或者启发式的采样方法避免难样本问题。本文在MIRFLICKR-25K,NUS-WIDE,MS-COCO和IAPR-TC12这四个基准数据集上进行了充分的实验,将所提出的算法与9种对比算法分别在16位,32位,64位哈希码长度下进行性能评估。第一个创新点在三个数据集上的全类平均正确率度量指标提高了1%、3%和9%,第二个创新点在四个数据集上的全类平均正确率度量指标提高了2%、4%、14%和6%,实验结果验证了本文提出的算法相对于现有跨模态哈希检索算法的优越性。

关键词：跨模态哈希检索语义鸿沟排序学习语义解耦互信息

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：