期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多尺度残差网络的单应估计方法
被引量：
1
1
作者
唐云
帅鹏飞
+2 位作者
蒋沛凡
邓飞
杨强
《计算机应用研究》
CSCD
北大核心
2022年第10期3179-3185,共7页
单应估计是许多计算机视觉任务中一个基础且重要的步骤。传统单应估计方法基于特征点匹配,难以在弱纹理图像中工作。深度学习已经应用于单应估计以提高其鲁棒性,但现有方法均未考虑到由于物体尺度差异导致的多尺度问题,所以精度受限。...
单应估计是许多计算机视觉任务中一个基础且重要的步骤。传统单应估计方法基于特征点匹配,难以在弱纹理图像中工作。深度学习已经应用于单应估计以提高其鲁棒性,但现有方法均未考虑到由于物体尺度差异导致的多尺度问题,所以精度受限。针对上述问题,提出了一种用于单应估计的多尺度残差网络。该网络能够提取图像的多尺度特征信息,并使用多尺度特征融合模块对特征进行有效融合,此外还通过估计四角点归一化偏移进一步降低了网络优化难度。实验表明,在MS-COCO数据集上,该方法平均角点误差仅为0.788个像素,达到了亚像素级的精度,并且在99%情况下能够保持较高的精度。由于综合利用了多尺度特征信息且更容易优化,该方法精度显著提高,并具有更强的鲁棒性。
展开更多
关键词
单应估计
多尺度残差网络
特征融合
四角点归一化偏移
平均角点误差
在线阅读
下载PDF
职称材料
结合特征定位噪声表征的单应矩阵精确鲁棒估计
被引量：
3
2
作者
赵春阳
赵怀慈
《光学精密工程》
EI
CAS
CSCD
北大核心
2015年第8期2357-2368,共12页
针对基于特征匹配的单应矩阵估计方法的特征定位噪声的各向异性非同分布对其精度和鲁棒性的影响,提出了一种结合特征定位噪声表征的单应矩阵估计方法。该方法采用协方差矩阵来表征特征点定位噪声;基于协方差矩阵加权采样一致性（CWSAC...
针对基于特征匹配的单应矩阵估计方法的特征定位噪声的各向异性非同分布对其精度和鲁棒性的影响,提出了一种结合特征定位噪声表征的单应矩阵估计方法。该方法采用协方差矩阵来表征特征点定位噪声;基于协方差矩阵加权采样一致性（CWSAC）的内点检验方法来提高单应矩阵估计的鲁棒性。最后,提出一种单应矩阵高精度估计算法——协方差加权Levenberg-Marquardt（CW L-M）法。该方法结合协方差矩阵重新定义优化目标函数,提高了单应矩阵的估计精度。基于仿真数据和真实图像的实验表明,在相同定位噪声和内点比例条件下,本文算法的估计精度显著优于RANSAC（RANdom SAmple Consensus）、LMedS（Least Median of Squares）,PROSAC（PROgressive SAmple Consensus）、M-SAC（M-estimator SAmple Consensus）和MLESAC（Maximum Likelihood SAmple Consensus）等传统算法,投影均方误差比次优方法降低了3%-21%。另外,本文方法对定位噪声和内点比例变化均具有较好的鲁棒性。
展开更多
关键词
单应
矩阵
估计
特征定位噪声
协方差加权
随机采样一致(RANSAC)
LEVENBERG-MARQUARDT
在线阅读
下载PDF
职称材料
题名
基于多尺度残差网络的单应估计方法
被引量：
1
1
作者
唐云
帅鹏飞
蒋沛凡
邓飞
杨强
机构
成都理工大学计算机与网络安全学院(牛津布鲁克斯学院)
成都信息工程大学控制工程学院
出处
《计算机应用研究》
CSCD
北大核心
2022年第10期3179-3185,共7页
基金
四川省科学技术厅应用基础项目(2021YJ0086)。
文摘
单应估计是许多计算机视觉任务中一个基础且重要的步骤。传统单应估计方法基于特征点匹配,难以在弱纹理图像中工作。深度学习已经应用于单应估计以提高其鲁棒性,但现有方法均未考虑到由于物体尺度差异导致的多尺度问题,所以精度受限。针对上述问题,提出了一种用于单应估计的多尺度残差网络。该网络能够提取图像的多尺度特征信息,并使用多尺度特征融合模块对特征进行有效融合,此外还通过估计四角点归一化偏移进一步降低了网络优化难度。实验表明,在MS-COCO数据集上,该方法平均角点误差仅为0.788个像素,达到了亚像素级的精度,并且在99%情况下能够保持较高的精度。由于综合利用了多尺度特征信息且更容易优化,该方法精度显著提高,并具有更强的鲁棒性。
关键词
单应估计
多尺度残差网络
特征融合
四角点归一化偏移
平均角点误差
Keywords
homography estimation
multi-scale residual network
feature fusion
four-corner normalized offset
average corner error
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP751 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
结合特征定位噪声表征的单应矩阵精确鲁棒估计
被引量：
3
2
作者
赵春阳
赵怀慈
机构
中国科学院沈阳自动化研究所
中国科学院大学
中国科学院光电信息处理重点实验室
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2015年第8期2357-2368,共12页
基金
国家973重点基础研究发展规划资助项目
中国科学院光电信息处理重点实验室开放基金资助项目(No.OEIP-O-201203)
文摘
针对基于特征匹配的单应矩阵估计方法的特征定位噪声的各向异性非同分布对其精度和鲁棒性的影响,提出了一种结合特征定位噪声表征的单应矩阵估计方法。该方法采用协方差矩阵来表征特征点定位噪声;基于协方差矩阵加权采样一致性（CWSAC）的内点检验方法来提高单应矩阵估计的鲁棒性。最后,提出一种单应矩阵高精度估计算法——协方差加权Levenberg-Marquardt（CW L-M）法。该方法结合协方差矩阵重新定义优化目标函数,提高了单应矩阵的估计精度。基于仿真数据和真实图像的实验表明,在相同定位噪声和内点比例条件下,本文算法的估计精度显著优于RANSAC（RANdom SAmple Consensus）、LMedS（Least Median of Squares）,PROSAC（PROgressive SAmple Consensus）、M-SAC（M-estimator SAmple Consensus）和MLESAC（Maximum Likelihood SAmple Consensus）等传统算法,投影均方误差比次优方法降低了3%-21%。另外,本文方法对定位噪声和内点比例变化均具有较好的鲁棒性。
关键词
单应
矩阵
估计
特征定位噪声
协方差加权
随机采样一致(RANSAC)
LEVENBERG-MARQUARDT
Keywords
homography estimation
feature localization noise
covariance weighting
RANdom SAmple Consensus（RANSAC）
Levenberg-Marquardt
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
作者
出处
发文年
被引量
操作
1
基于多尺度残差网络的单应估计方法
唐云
帅鹏飞
蒋沛凡
邓飞
杨强
《计算机应用研究》
CSCD
北大核心
2022
1
在线阅读
下载PDF
职称材料
2
结合特征定位噪声表征的单应矩阵精确鲁棒估计
赵春阳
赵怀慈
《光学精密工程》
EI
CAS
CSCD
北大核心
2015
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
