检索结果-南通市图书馆

基于视觉系统“What”和“Where”通路的图像显著区域检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

模式识别与人工智能 2006年第2期19卷 155-160页

作者：田媚罗四维齐英剑廖灵芝北京交通大学计算机与信息技术学院北京100044

受神经解剖学和心理学中有关视觉系统研究成果的启发,提出一个新的基于"what"和"where"通路的图像显著区域检测模型.该模型包括显著区发现和显著区转移这两个感知过程,首先通过度量统计特征显著性,找到第一个显著区域和潜在目标,然后计... 详细信息

受神经解剖学和心理学中有关视觉系统研究成果的启发,提出一个新的基于"what"和"where"通路的图像显著区域检测模型.该模型包括显著区发现和显著区转移这两个感知过程,首先通过度量统计特征显著性,找到第一个显著区域和潜在目标,然后计算当前潜在目标的吸引力以确定下一个显著区域及相应的潜在目标,以此循环直到得到整幅图像的信息,该方法应用于多幅自然图像的实验,结果证实该模型检测效果较好,并具有一定的抗噪能力.

关键词：视觉系统显著区域特征显著性注意转移

在线全文

学校读者我要写书评

暂无评论

基于三维点云的卷积运算综述

计算机研究与发展 2023年第4期60卷 873-902页

作者：韩冰张鑫云任爽北京交通大学计算机与信息技术学院北京100044

随着深度相机、激光雷达等3D扫描设备的普及,用点云表示3D数据的方法越来越流行,对点云数据的分析与处理也引起了视觉研究领域的极大兴趣.一般来说,由于分布在3D几何空间中的点云是无序的,可以形成特定的结构,因此学习到的特征表示应该... 详细信息

随着深度相机、激光雷达等3D扫描设备的普及,用点云表示3D数据的方法越来越流行,对点云数据的分析与处理也引起了视觉研究领域的极大兴趣.一般来说,由于分布在3D几何空间中的点云是无序的,可以形成特定的结构,因此学习到的特征表示应该具备排列不变性、旋转和平移不变性、形状区分性.近年来,越来越多的研究人员基于点云的这些特性采用深度学习这一人工智能领域中的主流技术来处理分析点云数据.其中,卷积神经网络使用的卷积运算具备权重共享、局部聚合和变换不变等优点,减少了训练参数的个数,并具有较强的鲁棒性,可以有效地降低网络复杂度并提升网络性能,因此在各种2D视觉问题(如图像、视频)上的研究及应用已经相对成熟,这也引起了研究人员的高度关注并尝试将其引入到点云处理任务中.但传统的标准卷积运算往往无法直接作用于点云这种不规则数据上,一些研究人员进而对卷积运算及其卷积算子展开了深入的探索,并提出了多种卷积策略和网络以提高计算效率和算法性能.为了促进之后的研究,首先对现有点云研究中所使用的卷积方法进行了概述,包括基于投影的方法、基于体素的方法、基于晶格的方法、基于图的方法和基于点的方法.之后着重针对直接处理3D点云的卷积算子和网络的最新进展进行了全面的综述,主要分为离散卷积和连续卷积,此外还对使用不同卷积算子的网络在处理点云的分类和分割等任务上的性能进行了全面地分析与对比.最后针对现存的问题与面临的挑战进行了进一步分析,并探索了未来可能的研究方向,希望为点云未来更深入的研究提供新思路.

关键词：点云卷积神经网络基于点的卷积算子离散卷积连续卷积

在线全文

学校读者我要写书评

暂无评论

基于KL距离的TAN分类器判别性学习方法

模式识别与人工智能 2008年第6期21卷 806-811页

作者：冯奇田凤占黄厚宽北京交通大学计算机与信息技术学院北京100044

树增强朴素贝叶斯(TAN)分类器在模型的复杂性和分类精度之间实现较好折衷,成为当前分类器学习的一个研究热点.为了提高 TAN 分类器的分类准确率,本文提出一种基于 KL 距离的 TAN 分类器判别性学习方法.首先用 EAR 方法学习 TAN 分类器... 详细信息

树增强朴素贝叶斯(TAN)分类器在模型的复杂性和分类精度之间实现较好折衷,成为当前分类器学习的一个研究热点.为了提高 TAN 分类器的分类准确率,本文提出一种基于 KL 距离的 TAN 分类器判别性学习方法.首先用 EAR 方法学习 TAN 分类器的结构,然后用基于 KL 距离的目标函数优化 TAN 的参数.在标准数据集上的实验结果表明,用该方法学习的 TAN 分类器具有较高的分类精度.

关键词：树增强朴素贝叶斯(TAN)分类器判别性学习 KL距离 EAR

在线全文

学校读者我要写书评

暂无评论

小规模数据集的神经网络集成算法研究

计算机研究与发展 2006年第7期43卷 1161-1166页

作者：李凯黄厚宽河北大学数学与计算机学院保定071002 北京交通大学计算机与信息技术学院计算智能研究所北京100044

研究了小样本数据集的神经网络分类器集成,提出了适合于小样本数据集的神经网络分类器集成方法NovelNNE,通过生成差异数据提高神经网络集成中个体的差异性,从而提高集成学习的泛化性能;最后应用不同的融合技术针对UCI标准数据集进行了... 详细信息

研究了小样本数据集的神经网络分类器集成,提出了适合于小样本数据集的神经网络分类器集成方法NovelNNE,通过生成差异数据提高神经网络集成中个体的差异性,从而提高集成学习的泛化性能;最后应用不同的融合技术针对UCI标准数据集进行了实验研究.结果表明,在集成算法NovelNNE中,使用相对多数投票与贝叶斯融合方法的性能优于行为知识空间融合方法.

关键词：神经网络集成小规模数据集差异性泛化

在线全文

学校读者我要写书评

暂无评论

钢轨波磨检测原理、方法及装置研究进展

机械工程学报 2025年

作者：肖宏王阳刘秀波崔旭浩张智海金锋北京交通大学土木建筑工程学院北京交通大学轨道工程北京市重点实验室中国铁道科学研究院集团有限公司基础设施检测研究所北京工业大学桥梁工程安全与韧性全国重点实验室长安大学公路学院中国铁道科学研究院集团有限公司金属及化学研究所

对钢轨波磨的检测原理进行了系统梳理，总结其优缺点与适用范围，阐述依据不同检测原理的检测方法，综述常见的波磨静态和动态检测装置及新一代检测、监测装置的研发进展，并展望波磨检测的研究方向。研究结果表明：钢轨波磨检测原理可... 详细信息

对钢轨波磨的检测原理进行了系统梳理，总结其优缺点与适用范围，阐述依据不同检测原理的检测方法，综述常见的波磨静态和动态检测装置及新一代检测、监测装置的研发进展，并展望波磨检测的研究方向。研究结果表明：钢轨波磨检测原理可分为弦测法、惯性基准法、信号重构法、机器视觉法与时序建模法五类。弦测法具有传递函数不为1的固有缺陷，波长越短幅值振荡越剧烈，可使用组合弦模型测量波磨。惯性基准法依据惯性原理，传感器可安装在轴箱、构架以及车体等多个位置，低速下惯性传感器的响应越来越小，噪声与趋势项成分逐渐占据主导。信号重构法利用数字信号处理技术分解轴箱加速度、构架加速度、轮轨噪声及车内噪声信号等多源数据，从中提取关于波磨的有效信息。机器视觉法基于图像处理和模式识别技术，使计算机能够感知、理解和解释钢轨图像中的内容，主要包括基于图像处理、基于激光摄像和基于三维点云重构三种方法测量波磨。时序建模法将波磨识别转换为分类或回归问题，通过机器学习、深度学习技术建立波磨与振动、噪声等响应的映射关系，从而实现对波磨的检测。钢轨波磨的检测、监测装置朝着智能化、集成化和小型化的便携测量方向发展。

关键词：钢轨波磨检测原理检测装置机器视觉深度学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于知识的零样本视觉识别综述

软件学报 2021年第2期32卷 370-405页

作者：冯耀功于剑桑基韬杨朋波北京交通大学计算机与信息技术学院北京100044 北京交通大学人工智能研究院北京100044

零样本学习旨在通过运用已学到的已知类知识去认知未知类.近年来,"数据+知识驱动"已经成为当下的新潮流,而在计算机视觉领域内的零样本任务中,"知识"本身却缺乏统一明确的定义.针对这种情况,尝试从知识的角度出发,梳理了本领域内"知识"... 详细信息

零样本学习旨在通过运用已学到的已知类知识去认知未知类.近年来,"数据+知识驱动"已经成为当下的新潮流,而在计算机视觉领域内的零样本任务中,"知识"本身却缺乏统一明确的定义.针对这种情况,尝试从知识的角度出发,梳理了本领域内"知识"这一概念所覆盖的范畴,共划分为初级知识、抽象知识以及外部知识.基于前面对知识的定义和划分,梳理了当前的零样本学习(主要是图像分类任务的模型)工作,分为基于初级知识的零样本模型、基于抽象知识的零样本模型以及引入外部知识的零样本模型.还对领域内存在的域偏移和枢纽点问题进行了阐述,并基于问题对现有工作进行了总结归纳.最后总结了目前常用的图像分类任务的数据集和知识库、图像分类实验评估标准以及代表性的模型实验结果,并对未来的工作进行了展望.

关键词：零样本学习初级知识抽象知识外部知识图像分类

在线全文

学校读者我要写书评

暂无评论

面向图像分类的深度模型可解释性研究综述

软件学报 2023年第1期34卷 230-254页

作者：杨朋波桑基韬张彪冯耀功于剑北京交通大学计算机与信息技术学院北京100044 北京交通大学人工智能研究院北京100044

深度学习目前在计算机视觉、自然语言处理、语音识别等领域得到了深入发展,与传统的机器学习算法相比,深度模型在许多任务上具有较高的准确率.然而,作为端到端的具有高度非线性的复杂模型,深度模型的可解释性没有传统机器学习算法好,这... 详细信息

深度学习目前在计算机视觉、自然语言处理、语音识别等领域得到了深入发展,与传统的机器学习算法相比,深度模型在许多任务上具有较高的准确率.然而,作为端到端的具有高度非线性的复杂模型,深度模型的可解释性没有传统机器学习算法好,这为深度学习在现实生活中的应用带来了一定的阻碍.深度模型的可解释性研究具有重大意义而且是非常必要的,近年来许多学者围绕这一问题提出了不同的算法.针对图像分类任务,将可解释性算法分为全局可解释性和局部可解释性算法.在解释的粒度上,进一步将全局解释性算法分为模型级和神经元级的可解释性算法,将局部可解释性算法划分为像素级特征、概念级特征以及图像级特征可解释性算法.基于上述分类框架,总结了常见的深度模型可解释性算法以及相关的评价指标,同时讨论了可解释性研究面临的挑战和未来的研究方向.认为深度模型的可解释性研究和理论基础研究是打开深度模型黑箱的必要途径,同时可解释性算法存在巨大潜力可以为解决深度模型的公平性、泛化性等其他问题提供帮助.

关键词：深度学习可解释性图像分类特征

基于二维离散小波变换的智能交通系统数据去噪声压缩

在线全文

学校读者我要写书评

暂无评论

北京交通大学学报 2004年第5期28卷 1-5页

作者：肖扬鲁凌云高爽谢玉明徐大勇北京交通大学计算机与信息技术学院北京100044

研究了基于二维离散小波变换的交通数据压缩与解压缩技术,建立了交通数据的空—时模型,所提出的二维离散小波变换算法利用交通数据的二维空—时特征,去除传感器噪声,得到良好的数据压缩结果,压缩比为20～40.同时给出了基于二维离散小波... 详细信息

研究了基于二维离散小波变换的交通数据压缩与解压缩技术,建立了交通数据的空—时模型,所提出的二维离散小波变换算法利用交通数据的二维空—时特征,去除传感器噪声,得到良好的数据压缩结果,压缩比为20～40.同时给出了基于二维离散小波变换的交通数据压缩编码原理.采用北京市三环路检测断面测得的交通数据,验证所提出的算法是有效的.

关键词：二维离散小波变换智能交通系统数据压缩噪声交通数据

在线全文

学校读者我要写书评

暂无评论

自主虚拟人真实感行为与运动建模的研究

北京理工大学学报 2010年第10期30卷 1189-1193页

作者：刘渭滨周亮邢薇薇袁保宗北京交通大学计算机与信息技术学院信息科学研究所北京100044 北京交通大学软件学院北京100044

提出一个构建具有高度自主性虚拟人的集成框架,在实时虚拟环境中创建具有类人的真实感行为特征与运动能力的虚拟人.在集成框架中,感知系统使虚拟人能够获取虚拟环境中视听觉信息,对虚拟环境进行自主探索;基于决策网络的行为决策系统模... 详细信息

提出一个构建具有高度自主性虚拟人的集成框架,在实时虚拟环境中创建具有类人的真实感行为特征与运动能力的虚拟人.在集成框架中,感知系统使虚拟人能够获取虚拟环境中视听觉信息,对虚拟环境进行自主探索;基于决策网络的行为决策系统模拟真实人类决策的复杂性与不确定性,根据所感知的周围虚拟环境信息,做出合理的行为决策;层次式运动控制系统实现虚拟人在虚拟环境中路径规划与Steering控制,实时合成出真实感的虚拟人运动动画.实验结果表明,该集成框架能够在实时虚拟环境中有效地构建出具有高度自主性、环境感知能力以及智能行为决策与运动控制功能的真实感虚拟人.

关键词：虚拟人自主行为运动规划避障