检索结果-维普期刊中文期刊服务平台

稠密子图发现的视频语义挖掘方法被引量：3: 1; 作者张师林李和平张树武《计算机工程与应用》 CSCD 北大核心 2011年第33期13-14,21,共3页; 目前基于内容的视频语义挖掘方法并未考虑到视频的多模态特性,不能够实现对于目前海量涌现视频的自动分析处理任务。针对此问题,提出了基于稠密子图发现的视频语义挖掘方法。该方法对待处理的视频进行中文连续语音识别、视频目标识别和... 展开更多; 关键词稠密子图中文连续语音识别视频目标识别; 在线阅读下载PDF 职称材料

基于Camstyle改进的行人重识别算法被引量：3: 2; 作者张师林曹旭《计算机工程与应用》 CSCD 北大核心 2020年第15期124-131,共8页; 行人重识别是计算机领域的一个热门话题,在交通、公共安全和视频监控等场景有着广泛的应用。提出了摄像头风格学习(CSL)结合多粒度损失(MGL)的新方法,在行人重识别领域取得了优势性能。通过摄像头风格学习可以减少由摄像头差异带来的影... 展开更多; 关键词摄像头风格学习 triplet loss 行人重识别多粒度损失; 在线阅读下载PDF 职称材料

基于大边距度量学习的车辆再识别方法被引量：1: 3; 作者张师林马思明顾子谦《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第5期948-956,共9页; 在目前的车辆再识别方法中,车辆在拍摄过程中的多视角会导致特征嵌入空间中决策边界附近样本较难区分.针对该问题,提出通过最大化边界距离提升车辆再识别准确率.在特征表示阶段,设计了大边界损失度量函数,可以有效处理相似车辆的混淆问... 展开更多; 关键词车辆再识别特征嵌入度量学习损失函数采样策略核函数; 在线阅读下载PDF 职称材料

基于能量模型的行人与车辆再识别方法: 4; 作者张师林郭红南刘轩《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第7期1416-1424,共9页; 为了解决行人再识别以及车辆再识别算法中网络训练过程对计算资源的消耗过大且准确率较低的问题,提出基于能量模型的目标分类和度量学习方法.利用样本特征空间中同类样本的低能量分布特性,设计对比能量损失函数,形式上表达为训练样本在... 展开更多; 关键词车辆再识别能量模型行人再识别损失函数三元组损失; 在线阅读下载PDF 职称材料

题名稠密子图发现的视频语义挖掘方法被引量：3: 1; 作者张师林李和平张树武; 机构北方工业大学计算机基础教研室中国科学院自动化研究所数字媒体研究中心; 出处《计算机工程与应用》 CSCD 北大核心 2011年第33期13-14,21,共3页; 基金科技部国家科技支撑计划(No.2011BAH16B00)~~; 文摘目前基于内容的视频语义挖掘方法并未考虑到视频的多模态特性,不能够实现对于目前海量涌现视频的自动分析处理任务。针对此问题,提出了基于稠密子图发现的视频语义挖掘方法。该方法对待处理的视频进行中文连续语音识别、视频目标识别和视频文字识别,对于识别结果进行中文分词和词性标注,保留名词和动词作为图模型的顶点,顶点之间的边权重设置为两个顶点所代表的词语的中文语义距离,根据稠密子图发现算法挖掘视频的语义信息。实验结果表明这种方法是有效的。; 关键词稠密子图中文连续语音识别视频目标识别; Keywords dense sub graph Chinese continuous speech recognition video object recognition; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于Camstyle改进的行人重识别算法被引量：3: 2; 作者张师林曹旭; 机构北方工业大学城市道路交通智能控制技术北京市重点实验室; 出处《计算机工程与应用》 CSCD 北大核心 2020年第15期124-131,共8页; 基金国家自然科学基金(No.61403004)。; 文摘行人重识别是计算机领域的一个热门话题,在交通、公共安全和视频监控等场景有着广泛的应用。提出了摄像头风格学习(CSL)结合多粒度损失(MGL)的新方法,在行人重识别领域取得了优势性能。通过摄像头风格学习可以减少由摄像头差异带来的影响,更好地发挥triplet loss的优势,有效地提高识别精度。在学习过程中结合多粒度损失,利用多个层次的特征图,使学习到的特征更有区分力。在Market-1501和DukemMTMC-reID两个大型数据集上做了对比实验,实验结果表明,提出的方法优于原Camstyle方法,在Rank1上提高了3.7%和3.2%,准确率分别达到93.2%和81.5%。在Market-1501数据集上结合多粒度损失并使用re-ranking方法后,Rank1的准确率为96.1%,mAP的准确率为93.8%,获得了当前已发表最高准确度。; 关键词摄像头风格学习 triplet loss 行人重识别多粒度损失; Keywords camera style learning triplet loss person re-identification multi-granularity loss; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于大边距度量学习的车辆再识别方法被引量：1: 3; 作者张师林马思明顾子谦; 机构北方工业大学城市道路交通智能控制技术北京市重点实验室; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第5期948-956,共9页; 基金国家自然科学基金资助项目(61403002) 北方工业大学优秀青年人才资助项目.; 文摘在目前的车辆再识别方法中,车辆在拍摄过程中的多视角会导致特征嵌入空间中决策边界附近样本较难区分.针对该问题,提出通过最大化边界距离提升车辆再识别准确率.在特征表示阶段,设计了大边界损失度量函数,可以有效处理相似车辆的混淆问题;采用入侵叛逃采样策略,可以在训练样本中找出更容易混淆的难样本以更有针对性地训练网络,并加快网络的训练速度.在车辆检索阶段,提出基于核函数的重排序方法,可以提高车辆再识别的准确率.在3个公共数据集上的实验结果显示,车辆再识别的准确率得到提高,同时训练和推理效率得到改善.理论分析和实验表明,大边距度量学习通过挖掘决策边界的难样本,可以有效解决车辆再识别中的多视角问题.; 关键词车辆再识别特征嵌入度量学习损失函数采样策略核函数; Keywords vehicle re-identification feature embedding metric learning loss function sampling strategy kernel function; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于能量模型的行人与车辆再识别方法: 4; 作者张师林郭红南刘轩; 机构北方工业大学城市道路交通智能控制技术北京市重点实验室; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第7期1416-1424,共9页; 基金国家自然科学基金资助项目(61403002) 北方工业大学优秀青年人才资助项目.; 文摘为了解决行人再识别以及车辆再识别算法中网络训练过程对计算资源的消耗过大且准确率较低的问题,提出基于能量模型的目标分类和度量学习方法.利用样本特征空间中同类样本的低能量分布特性,设计对比能量损失函数,形式上表达为训练样本在真实目标类别上的损失函数响应和非目标类别上的响应之差,可以更准确地增大目标响应,抑制非目标响应,提高了分类准确率,使得同类样本特征更聚集、异类样本特征更远离.在多个行人再识别和车辆再识别数据集上的测试结果显示,相对于Soft-max和Triplet混合损失函数,利用能量模型可以提升网络训练效率,提高目标再识别准确率.; 关键词车辆再识别能量模型行人再识别损失函数三元组损失; Keywords vehicle re-identification energy model person re-identification loss function Triplet loss; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	稠密子图发现的视频语义挖掘方法	张师林李和平张树武	《计算机工程与应用》 CSCD 北大核心	2011	3	在线阅读下载PDF 职称材料
2	基于Camstyle改进的行人重识别算法	张师林曹旭	《计算机工程与应用》 CSCD 北大核心	2020	3	在线阅读下载PDF 职称材料
3	基于大边距度量学习的车辆再识别方法	张师林马思明顾子谦	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料
4	基于能量模型的行人与车辆再识别方法	张师林郭红南刘轩	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料