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(4)

信息科学与系统科学(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) 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) 电子、通信与自动控制技术(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

人工智能22861

SiC13589

基因11719

冠心病9614

数值模拟8837

我的筛选 >
2003-2020 全部
为您找到包含“Fine-grained image”的内容共5

周洋,田媚

2020-03-13

细粒度图像分类将基础类别目标的图像划分深入至更细粒度的子类划分,因此更具挑战性,近年来越来越受到研究者的关注。双线性卷积网络充分考虑特征间的空间关系,在细粒度图像分类中有取得很好的效果。但大多基于此方法的模型都是对单一卷积层进行融合,不足以描述更细致的特征。本文提出了一种面向细粒度图像分类的特征融合方法,构建了一个深度特征交互的双线性卷积神经网络模型,增加不同卷积层之间的特征融合,实现更高层次的双线性操作。对于双线性操作带来的高维参数,采用随机麦克劳林方法进行降维,在没有影响分类准确率的同时降低了模型复杂度。三个细粒度数据库上的实验证明了本文方法的有效性。其中,在CUB-200-2011数据集上取得了87%的准确率,比该数据集上同类算法准确率提高了1.3%。

Beijing Key Laboratory of Traffic Data Analysis and Mining, Beijing Jiaotong University,Beijing 100044,Beijing Key Laboratory of Traffic Data Analysis and Mining, Beijing Jiaotong University,Beijing 100044

#计算机科学技术#

0评论(0 分享(0)

张建,黄雅平,黄雅平

2020-03-13

由于细粒度物体之间的差异非常细微且存在于图像的局部区域中,因此细粒度图像分类的关键是定位到具有判别力的物体部件。本文提出了一种基于模式挖掘的细粒度图像分类方法 UPM~(Unsupervised Part Mining),该方法能够无监督地定位物体部件,进而提升细粒度图像分类的性能。首先,利用模式挖掘从预训练卷积神经网络的激活特征图中挖掘模式。这些模式往往在物体的外观和空间结构上具有一致性。受此启发,本文采用聚类算法对这些模式进行聚类,以定位物体的判别力部件。最后,构建一个多分支的网络结构来融合全局特征、物体级别特征和局部级别特征,完成细粒度图像识别任务。UPM方法在不使用图像类别标签、物体标注框和部件标注点等监督信息的条件下,仅依靠预训练模型能精准定位到细粒度图像中有判别力的部件区域。实验表明,UPM方法不仅获得了较高的分类精度,而且减少了模型的训练时间。

***基金(00000000

***基金(00000000

北京交通大学计算机与信息技术学院, 北京 100044,北京交通大学计算机与信息技术学院, 北京 100044,北京交通大学计算机与信息技术学院, 北京 100044

#计算机科学技术#

0评论(0 分享(0)

孙云飞,李克新,黄新望

2019-09-02

人类的骨骼发育在不同基于弱监督细粒度深度网络的骨龄自动评估方法阶段呈现出不同的特点,青少年骨龄评估能较准确地反映个体的生长发育水平和成熟程度,它不仅可以确定儿童的生物学年龄,而且还可以通过骨龄及早了解儿童的生长发育潜力以及性成熟的趋势。本文利用一种新的基于细粒度图像识别的深度卷积神经网络进行骨龄评估,该网络在手骨图像识别的过程中可以自动定位目标的复杂信息区域并提取其局部特征,将提取到的局部特征与全局特征进行结合,输出最终的骨龄评估结果。该方法不需要借助任何外部标注信息,即可实现端到端的骨龄评估,大大提高了骨龄评估的速度和准确度。通过实验表明,在本研究所使用的数据集上实现了最高82.5%的识别准确率以及0.35岁的平均绝对误差。

东北林业大学机电工程学院,哈尔滨,150040,东北林业大学机电工程学院,哈尔滨,150040,东北林业大学机电工程学院,哈尔滨,150040

#计算机科学技术#

0评论(0 分享(0)

谢晓东,吕艳萍,曹冬林

2014-09-18

针对花卉图像复杂的背景问题,本文提出基于显著性检测的花卉图像前景分割方法。该方法通过为花卉图像的显著性区域训练前景背景分类器,自适应设定初始前景背景的信息分布,并结合GrabCut算法实现将花卉的主体部分从背景中分离开。相对于经典的花卉图像分割方法。本文提出的方法,不需要对每一类花进行单独的训练,是一种自适应的花卉图像分割方法。

福建省自然科学基金(2014J01249

深圳市基础研究项目基金(JCYJ20120614164600201

国家自然科学基金(61402386,61305061

高等学校博士学科点专项科研基金资助课题(20110121120024

厦门大学智能科学与技术系,厦门,361005,厦门大学智能科学与技术系,厦门,361005,厦门大学智能科学与技术系,厦门,361005

#信息科学与系统科学#

0评论(0 分享(0)

谢晓东,曹冬林,吕艳萍

2014-10-07

针对花卉类间相似和类内差异的问题,传统的特征融合只是简单的把多个特征融合在一起,忽略了不同特征对不同的花卉类别的影响。为解决这一问题,本文提出一种基于层次化特征融合的分类方法。该方法针对每类花卉的颜色、形状特征进行单独训练,得到特征对应于类别的得分值,能够对表现差异大的花卉进行有效的分类,同时又能够克服类内变化大的问题。实验结果表明,该方法比直接的特征融合方式分类效果更好,能够有效地分类出类间相似度比较高以及类内差异性比较大的花卉。

国家自然科学基金(61402386,61305061

深圳市基础研究项目基金(JCYJ20120614164600201

福建省自然科学基金(2014J01249

高等学校博士学科点专项科研基金资助课题(20110121120024

厦门大学智能科学与技术系,厦门,361005,厦门大学智能科学与技术系,厦门,361005,厦门大学智能科学与技术系,厦门,361005

#计算机科学技术#

0评论(0 分享(0)