-
题名基于多图流形排序的图像显著性检测
被引量：6
- 1
-
-
作者
于明
李博昭
于洋
刘依
-
机构
河北工业大学计算机科学与软件学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2019年第3期577-592,共16页
-
基金
天津市科技计划(14RCGFGX00846
15ZCZDNC00130
+1 种基金
17ZLZDZF00040)
河北省自然科学基金(F2015202239)资助~~
-
文摘
针对现有图像显著性检测算法中显著目标检测不完整和显著目标内部不均匀的问题,本文提出了一种基于多图流形排序的图像显著性检测算法.该算法以超像素为节点构造KNN图(K nearest neighbor graph)模型和K正则图(K regular graph)模型,分别在两种图模型上利用流形排序算法计算超像素节点的显著性值,并将每个图模型中超像素节点的显著值加权融合得到最终的显著图.在公开的MSRA-10K、SED2和ECSSD三个数据集上,将本文提出的算法与当前流行的14种算法进行对比,实验结果显示本文算法能够完整地检测出显著目标,并且显著目标内部均匀光滑.
-
关键词
图像显著性检测
多图模型
流形排序
超像素节点
-
Keywords
Image saliency detection
multi-graph model
manifold ranking
superpixel node
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于孪生网络和双向最大边界排序损失的行人再识别
被引量：1
- 2
-
-
作者
祁子梁
曲寒冰
赵传虎
董良
李博昭
王长生
-
机构
河北工业大学人工智能与数据科学学院
北京市科学技术研究院北京市新技术应用研究所
-
出处
《计算机应用》
CSCD
北大核心
2019年第4期977-983,共7页
-
基金
国家重点研发计划项目(2018YFC08097000
2018YFC0704800
+2 种基金
2018YFF0301000)
国家自然科学基金资助项目(91746207)
北京市科学技术研究院萌芽计划项目(GS201817)~~
-
文摘
针对在实际场景中存在的不同行人图像之间比相同行人图像之间更相似所造成的行人再识别准确率较低的问题,提出一种基于孪生网络并结合识别损失和双向最大边界排序损失的行人再识别方法。首先,对在超大数据集上预训练过的神经网络模型进行结构改造,主要是对最后的全连接层进行改造,使模型可以在行人再识别数据集上进行识别判断;其次,联合识别损失和排序损失监督网络在训练集上的训练,并通过正样本对的相似度值减去负样本对的相似度值大于预定阈值这一判定条件,来使得负例图像对之间的距离大于正例图像对之间的距离;最后,使用训练好的神经网络模型在测试集上测试,提取特征并比对特征之间的余弦相似度。在公开数据集Market-1501、CUHK03和DukeMTMC-reID上进行的实验结果表明,所提方法分别取得了89.4%、86.7%、77.2%的rank-1识别率,高于其他典型的行人再识别方法,并且该方法在基准网络结构下最高达到了10.04%的rank-1识别率提升。
-
关键词
行人再识别
孪生网络
双向最大边界
排序损失
卷积神经网络
-
Keywords
person re-identification
Siamese network
bidirectional max margin
ranking loss
Convolutional Neural Network(CNN)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
