您当前所在位置: 首页 > 首发论文
筛选条件

时间

领域

全部

计算机科学技术(5)

电子、通信与自动控制技术(1)

中医学与中药学(0) 显示更多>>

临床医学(0) 交通运输工程(0) 体育科学(0) 信息科学与系统科学(0) 农学(0) 冶金工程技术(0) 力学(0) 动力与电气工程(0) 化学(0) 化学工程(0) 图书馆、情报与文献学(0) 土木建筑工程(0) 地球科学(0) 基础医学(0) 天文学(0) 安全科学技术(0) 工程与技术科学基础学科(0) 心理学(0) 教育学(0) 数学(0) 机械工程(0) 材料科学(0) 林学(0) 核科学技术(0) 水产学(0) 水利工程(0) 测绘科学技术(0) 物理学(0) 环境科学技术(0) 生物学(0) 畜牧科学、动物医学(0) 矿山工程技术(0) 管理学(0) 纺织科学技术(0) 经济学(0) 能源科学技术(0) 航空航天科学技术(0) 药学(0) 预防医学与卫生学(0) 食品科学技术(0)

学术评议

实时热搜榜

SiC54920

人工智能46646

基因42023

数据挖掘22797

数值模拟21013

我的筛选 >
2003-2022 全部
为您找到包含“CNN features”的内容共6

Zhu Jiahui,Di Shuai,Zhang Honggang

Afterwards, the transformation was learned on the basis of the CNN features and then the CNN features were

2017-11-24

School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing, 100876;China Electronics Technology Group Corporation No.3 Institude, Beijing, 100096;School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing, 100876,,

#Computer Science and Technology#

0评论(0 分享(0)

王康,陈振学

2016-06-24

图像识别在计算机视觉领域广泛应用。深度学习热潮兴起之后,卷积神经网络(Convolutional Neural Network, CNN)作为其中的一种典型模型,在图像识别上取得了良好的应用效果。针对卷积神经网络对不同样本需要调整模型以及模型调整比较繁琐的问题,本文提出一种基于CNN与HOG特征的决策级融合算法。该模型从原始图像中分别提取CNN特征和HOG特征,使用SVM分类器产生预测,通过设定权值进行决策级融合,利用多源特征的优势。本文在不同数据库上进行实验,结果证明该方法使用基本的CNN模型即能有效提高图像识别率,避免了繁琐地调整CNN模型。

国家自然科学基金(61203261和61273277

山东省自然科学基金(ZR2012FQ003

浙江大学CAD&CG国家重点实验室开放课题(A1514

山东大学控制科学与工程学院,济南 250061,山东大学控制科学与工程学院,济南 250061

#电子、通信与自动控制技术#

0评论(0 分享(0)

王冬雪,张磊

2018-03-08

随着视频的总量和类别数量迅速增长,智能化的视频分析方法已经成为许多实际应用中的核心技术,例如异常监控、医疗诊断和视频检索等等。人是社会的主体,所以视频中的大多数都是关于人体行为的内容,对人体行为的识别也就成为视频分析的核心技术。现阶段对图像的识别技术已经成熟,而且视频可以看作是一个图像序列,所以对视频的分析可以转换成图像的处理。深度学习是图像处理方面现阶段最为火热的方法,其中的CNN模型已经取得了非常好的成果,相较于一些传统的人工特征提取方法有着很大的优势。视频是具有时序信息的信号,所以在分类识别时更好的利用时序信息能够大大的提升识别准确率。本文提出一种人体行为识别方法:利用CNN对视频进行图像特征提取,然后应用HMM对图像特征序列进行时序建模,创新性的使用HMM的参数作为视频整体的特征表示。最后,本文的方法在公共人体行为数据库上进行了验证,取得很高的识别准确率。

Harbin Engineering University College of information and Communication Engineering,Harbin,150001,Harbin Engineering University College of information and Communication Engineering,Harbin,150001

#计算机科学技术#

0评论(0 分享(1)

庄子明,张洪刚

2019-01-28

为帮助青少年儿童提高汉字书写质量,更好地辅助汉字书写教学,本文探究了手写汉字美感评分的有关技术,结合当前最新的深度学习理论思想,提出了基于相似度检索策略的手写汉字美感评分方法,根据汉字和美感分数两个条件划分了相似度检索的不同类别,并创新性地将手写汉字深度学习网络提取到的CNN特征与传统的结构特征结合起来,提高手写汉字美感评分的准确率。同时,针对本课题的应用场景和模型训练需求,本文收集整理了带有美感分数的手写汉字图片数据集--小学宝练字作品数据集,利用该数据集进行模型训练和实验测试。实验结果表明,本文的模型和方法对手写汉字的美感评分具有较高的有效性和实用价值。

北京邮电大学信息与通信工程学院,北京,100876,北京邮电大学信息与通信工程学院,北京,100876

#计算机科学技术#

0评论(1 分享(0)

谢云昊,艾新波

2021-04-29

道路场景解析是常见的图像语义分割任务,讨论如何解决在道路场景里的图片分割模糊、边缘不连续、小物体难以识别等问题对于实际应用有着重要的意义。针对上述问题,我们在常见的编解码结构的语义分割模型中加入了一个边缘特征金字塔模块。该模块通过利用特征金字塔思想将不同尺度的边缘特征进行融合,可以有效地提高对小物体的识别能力。而边缘特征又可以弥补分割特征的不足,有效解决边缘不连续的问题。同时该模块在对编解码器各自进行特征提取后,利用欧式距离有效地对二者的特征表达能力进行相似性比较,可以提高解码器的解码能力,最终达到提升精度的目的。最后我们利用公开数据集Cityscapes来进行实验验证,本文方法相较于SegNet提升了7.5%,较ENet提升了6.2%,并通过消融实验证明了边缘检测的有效性。

School of Artificial Intelligence,Beijing University of Posts and Telecommunications, Beijing, 100876,School of Artificial Intelligence,Beijing University of Posts and Telecommunications, Beijing, 100876

#计算机科学技术#

0评论(0 分享(0)

穆中凯,胡燕祝,艾新波

2019-03-08

视频局部拷贝检测任务旨在确定查询视频的一个或多个片段是否已在数据库中存在,同时给出相似部分的时间段信息。目前大多数有效的视频局部拷贝检测算法被设计为特征提取、特征匹配、时间对齐三个步骤,而特征匹配和时间对齐模块的分离一定程度上忽略了局部拷贝的时空相关信息,从而得不到满意的性能。为了减少这种损失,本文不是将其分解为两个独立的任务,而是在一个单一的卷积神经网络中联合处理这两个方面。首先,我们对视频帧采样并提取CNN特征,计算出源视频与查询视频的时空关系特征图,然后,将对该数组做图形化映射并训练基于RefineDet目标检测任务的卷积神经网络,最后,在查询阶段根据检测结果反推出局部拷贝的时间段。本文评估了该算法在真实复杂视频拷贝检测数据集VCDB上的性能指标,与现有的局部拷贝检测算法相比得到了明显的改善。

北京邮电大学自动化学院,北京市,100086,北京邮电大学自动化学院,北京市,100086,北京邮电大学自动化学院,北京市,100086

#计算机科学技术#

0评论(0 分享(0)