检索结果-维普期刊中文期刊服务平台

基于多损失融合和混洗注意力的车载LiDAR点云道路标线提取方法: 1; 作者何银鑫齐华 +3 位作者朱运权卢自来彭世勇刘洋《测绘通报》 CSCD 北大核心 2024年第8期135-140,共6页; 道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。针对现有的基于阈值的车载激光点云道路标线提取方法在反射强度与点密度分布不均、道路标线与路面对比度低时提取效果较差的问题,本文提出了基于多损失融合和... 展开更多; 关键词多损失融合混洗注意力车载LiDAR点云道路标线提取; 在线阅读下载PDF 职称材料

基于多损失融合与谱归一化的图像超分辨率方法被引量：2: 2; 作者许宁宁郑凯《计算机应用研究》 CSCD 北大核心 2020年第8期2531-2535,共5页; 图像超分辨率重建研究存在结果客观衡量指标不断变优,但是视觉感知质量依旧平滑的问题。同时,应用生成对抗网络的超分辨率模型中的鉴别器(discriminator)设计存在一个普遍的问题,即训练不稳定问题。针对以上问题作出两点改进:提出多损... 展开更多; 关键词多损失融合谱归一化图像超分辨率; 在线阅读下载PDF 职称材料

基于局部特征与多损失融合的车型精细识别算法被引量：1: 3; 作者李哲胡朋立邓军勇《传感器与微系统》 CSCD 北大核心 2021年第4期142-145,共4页; 针对车型精细识别率低的问题,提出基于局部特征与多损失融合的车型精细识别算法。首先通过Faster RCNN获取区分度较大的车脸区域;然后在识别网络中,借助VGG 16提取车脸特征,在输出层对SoftMax损失和中心损失进行加权融合,有效地引导网... 展开更多; 关键词车型精细识别深度卷积神经网络中心损失多损失融合; 在线阅读下载PDF 职称材料

复杂环境下多模态特征融合的疲劳驾驶检测被引量：8: 4; 作者高绮煌谢凯 +3 位作者贺正方文畅贺建飚张伟《电子测量技术》北大核心 2023年第6期106-115,共10页; 为了避免因疲劳驾驶而导致交通事故的发生,维护城市道路交通和驾乘人员生命安全,该项目针对传统疲劳驾驶检测方法存在着精度低、参数复杂、泛化能力差等核心问题,采用MTCNN模型和基于红外的rPPG等理论,在光照变化、部分遮挡和头部偏转... 展开更多; 关键词多模态多损失重构特征融合疲劳驾驶远程光电容积描记术深度学习; 在线阅读下载PDF 职称材料

基于改进残差网络的运动目标模糊图像复原方法被引量：1: 5; 作者孙灵《现代电子技术》北大核心 2024年第15期86-90,共5页; 传统的残差网络在复原运动目标模糊图像时,在模糊程度较严重的情况下,存在特征提取不充分、噪声干扰等问题,导致恢复出的图像无法完全达到原始图像的清晰度和细节。对此,提出基于改进残差网络的运动目标模糊图像复原方法。对采集到的运... 展开更多; 关键词改进残差网络运动目标多损失函数融合模糊图像编辑器-解码器网络复原方法; 在线阅读下载PDF 职称材料

基于多尺度循环残差神经网络的图像去运动模糊被引量：5: 6; 作者方睿周愉 +1 位作者刘鹏刘凯《计算机工程与设计》北大核心 2022年第3期786-793,共8页; 现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型。在SRN基础上,为平衡评价指标(PSNR... 展开更多; 关键词运动模糊视觉感知多损失融合编码器-解码器小卷积核堆叠; 在线阅读下载PDF 职称材料

基于注意力机制的改进双判别器图像修复算法被引量：3: 7; 作者李硕刘斌 +1 位作者刘昱萌张娟娟《陕西科技大学学报》北大核心 2022年第2期171-177,194,共8页; 为解决基于生成式对抗网络的图像修复模型存在的修复结果效果差和内容、细节等特征信息还原不准确这一问题,提出一种融合通道、像素注意力机制的多损失生成对抗网络算法.首先,该算法利用通道注意力块获取高关联的通道特征图;然后,通过... 展开更多; 关键词通道注意力块像素注意力块 Vgg16特征提取模型多损失融合生成对抗网络; 在线阅读下载PDF 职称材料

基于多级跳跃残差组的运动人像去模糊网络: 8; 作者纪佳奇卢振坤 +2 位作者熊福棚张甜杨豪《计算机应用》 CSCD 北大核心 2023年第10期3244-3250,共7页; 为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题,提出了基于多级跳跃残差组生成对抗网络(GAN)的运动人像去模糊方法。首先,改进残差块以构造多级跳跃残差组模块,并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征;... 展开更多; 关键词图像去模糊盲去模糊生成对抗网络多级跳跃残差组多损失融合; 在线阅读下载PDF 职称材料

题名基于多损失融合和混洗注意力的车载LiDAR点云道路标线提取方法: 1; 作者何银鑫齐华朱运权卢自来彭世勇刘洋; 机构四川省交通勘察设计研究院有限公司西南交通大学地球科学与环境工程学院高速铁路运营安全空间信息技术国家地方联合实验室; 出处《测绘通报》 CSCD 北大核心 2024年第8期135-140,共6页; 基金国家重点研发计划(2017YFB0503500) 四川省科技厅重点研发项目(2021YFS0334) 四川省交通勘察设计研究院有限公司科技项目(232022016)。; 文摘道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。针对现有的基于阈值的车载激光点云道路标线提取方法在反射强度与点密度分布不均、道路标线与路面对比度低时提取效果较差的问题,本文提出了基于多损失融合和混洗注意力的车载LiDAR点云道路标线提取方法。选取典型高速公路试验样区进行道路标线提取试验,并与常规方法进行了精度对比分析。试验表明,本文方法在道路标线提取精度方面优于其他方法,有望更好地服务于自动驾驶的高精度地图开发应用。; 关键词多损失融合混洗注意力车载LiDAR点云道路标线提取; Keywords multi-loss fusion shuffle attention mobile LiDAR point clouds road marking extraction; 分类号 P237 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名基于多损失融合与谱归一化的图像超分辨率方法被引量：2: 2; 作者许宁宁郑凯; 机构华东师范大学计算机科学与软件工程学院计算中心; 出处《计算机应用研究》 CSCD 北大核心 2020年第8期2531-2535,共5页; 文摘图像超分辨率重建研究存在结果客观衡量指标不断变优,但是视觉感知质量依旧平滑的问题。同时,应用生成对抗网络的超分辨率模型中的鉴别器(discriminator)设计存在一个普遍的问题,即训练不稳定问题。针对以上问题作出两点改进:提出多损失融合的方法,寻求一种在PSNR指标与感知质量之间的平衡,通过将均方误差损失、感知损失、风格损失与对抗损失进行融合的方法,在提高PSNR值的同时,改善图像视觉质量;在基于生成对抗网络的超分辨率模型的鉴别器设计中引入谱归一化(spectral normalization),以实现更稳定有效的训练。结果显示,改进后的方法得到了更高的PSNR指标与更逼真的视觉感知质量,并进一步表明感知质量对于超分辨率重建的重要性。; 关键词多损失融合谱归一化图像超分辨率; Keywords multi-loss ensemble spectral normalization image super-resolution; 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

题名基于局部特征与多损失融合的车型精细识别算法被引量：1: 3; 作者李哲胡朋立邓军勇; 机构西安邮电大学电子工程学院延安大学物理与电子信息学院; 出处《传感器与微系统》 CSCD 北大核心 2021年第4期142-145,共4页; 基金国家自然科学基金资金项目(63602377)。; 文摘针对车型精细识别率低的问题,提出基于局部特征与多损失融合的车型精细识别算法。首先通过Faster RCNN获取区分度较大的车脸区域;然后在识别网络中,借助VGG 16提取车脸特征,在输出层对SoftMax损失和中心损失进行加权融合,有效地引导网络学习类内距离较小、类间距离较大的特征。实验结果表明:所提算法在中山大学VRID-1数据集的识别准确率为98.80%,车型精细识别准确率得到了明显的提升。; 关键词车型精细识别深度卷积神经网络中心损失多损失融合; Keywords vehicle model fine recognition deep convolutional neural network center loss multi-loss fusion; 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

题名复杂环境下多模态特征融合的疲劳驾驶检测被引量：8: 4; 作者高绮煌谢凯贺正方文畅贺建飚张伟; 机构长江大学电子信息学院浙江宇视科技有限公司长江大学计算机科学学院中南大学计算机学院; 出处《电子测量技术》北大核心 2023年第6期106-115,共10页; 基金国家自然科学基金(62272485) 新疆维吾尔自治区自然科学基金(2020D01A131)项目资助; 文摘为了避免因疲劳驾驶而导致交通事故的发生,维护城市道路交通和驾乘人员生命安全,该项目针对传统疲劳驾驶检测方法存在着精度低、参数复杂、泛化能力差等核心问题,采用MTCNN模型和基于红外的rPPG等理论,在光照变化、部分遮挡和头部偏转等复杂行车环境下精确提取驾驶员面部与生理信息;同时在深层挖掘多模态的特定疲劳信息后,结合多损失重构(MLR)的特征融合模块利用各模态间的互补信息,避免了单模态检测方法存在的局限性,进一步构建了多模态特征融合模型,增强模型的准确性与鲁棒性;最后考虑到疲劳的时序性,基于Bi-LSTM模型建立了疲劳驾驶检测模块。在自制数据集FAHD上展开实验,证明了红外生理特征提取模型的可靠性,多模态特征输入的有效性,同时与现有融合方法相比,本文方法融合后的预测结果与疲劳标定值间的相关系数提高了5.6%,均方根误差减少25%,疲劳检测系统准确率达到了96.7%,在推动智慧交通发展的同时对维护交通安全也有较好的积极意义。; 关键词多模态多损失重构特征融合疲劳驾驶远程光电容积描记术深度学习; Keywords multimodal multi-loss reconstruction feature fusion fatigue driving remote photoplethysmography deep learning; 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

题名基于改进残差网络的运动目标模糊图像复原方法被引量：1: 5; 作者孙灵; 机构太原科技大学; 出处《现代电子技术》北大核心 2024年第15期86-90,共5页; 文摘传统的残差网络在复原运动目标模糊图像时,在模糊程度较严重的情况下,存在特征提取不充分、噪声干扰等问题,导致恢复出的图像无法完全达到原始图像的清晰度和细节。对此,提出基于改进残差网络的运动目标模糊图像复原方法。对采集到的运动目标模糊图像,采用多损失函数融合方法改进传统残差块结构,构建编码器-解码器网络训练结构,训练损失函数,提升网络的特征学习能力。通过完成训练的网络,输出运动目标模糊图像复原结果。实验结果表明,该方法复原运动目标模糊图像的峰值信噪比高于30 dB,结构相似性高于0.9。; 关键词改进残差网络运动目标多损失函数融合模糊图像编辑器-解码器网络复原方法; Keywords improved residual network moving object multi loss function fusion blurred image encoder-decoder network restoration method; 分类号 TN911.73-34 [电子电信—通信与信息系统] 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

题名基于多尺度循环残差神经网络的图像去运动模糊被引量：5: 6; 作者方睿周愉刘鹏刘凯; 机构成都信息工程大学计算机学院成都信息工程大学控制工程学院; 出处《计算机工程与设计》北大核心 2022年第3期786-793,共8页; 基金四川省科技厅重点基金项目(2017GZ0331) 四川省教育厅重点基金项目(13ZA0083)。; 文摘现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型。在SRN基础上,为平衡评价指标(PSNR、SSIM)与感知质量,提高图像中的高频细节信息等,进行多损失融合改进;在网络的编码器-解码器结构中,在其卷积层中使用小卷积核堆叠,加深网络的同时使网络参数更少更容易训练,更好地拟合图片的特征信息。实验结果表明,改进算法生成的网络模型取得了更好的去模糊结果。; 关键词运动模糊视觉感知多损失融合编码器-解码器小卷积核堆叠; Keywords motion deblurring visual perception multi-loss ensemble encoder-decoder small convolution kernel stack; 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

题名基于注意力机制的改进双判别器图像修复算法被引量：3: 7; 作者李硕刘斌刘昱萌张娟娟; 机构陕西科技大学电子信息与人工智能学院; 出处《陕西科技大学学报》北大核心 2022年第2期171-177,194,共8页; 基金国家自然科学基金项目(61871260)。; 文摘为解决基于生成式对抗网络的图像修复模型存在的修复结果效果差和内容、细节等特征信息还原不准确这一问题,提出一种融合通道、像素注意力机制的多损失生成对抗网络算法.首先,该算法利用通道注意力块获取高关联的通道特征图;然后,通过像素注意力块对高关联通道特征图上所有像素进行打分,从而获取与缺损区域关联性更高的图像未缺损区域信息;最后,通过引入Vgg16特征提取模型向生成器的优化函数中引入内容、风格损失项,以多损失融合的方式提高图像的修复效果.在目前广泛使用的CelebA数据集和SVHN数据集上验证模型的修复效果,本算法在主客观指标上均优于DCGAN算法、CE算法和DD算法.; 关键词通道注意力块像素注意力块 Vgg16特征提取模型多损失融合生成对抗网络; Keywords channel attention block pixel attention block Vgg16 feature extraction model multi-loss fusion generative adversarial network; 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

题名基于多级跳跃残差组的运动人像去模糊网络: 8; 作者纪佳奇卢振坤熊福棚张甜杨豪; 机构广西民族大学电子信息学院; 出处《计算机应用》 CSCD 北大核心 2023年第10期3244-3250,共7页; 基金国家自然科学基金资助项目(61561008) 广西自然科学基金资助项目(2018GXNSFAA294019)。; 文摘为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题,提出了基于多级跳跃残差组生成对抗网络(GAN)的运动人像去模糊方法。首先,改进残差块以构造多级跳跃残差组模块,并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征;其次,使用多损失融合的方法优化网络,从而增强重建后图像的真实纹理;最后,采用端到端的模式将运动模糊的人像图像进行盲去模糊操作,并输出清晰的人像图像。在CelebA数据集上的实验结果表明,相较于DeblurGAN(Deblur GAN)、尺度循环网络(SRN)和MSRAN(Multi-Scale Recurrent Attention Network)等基于卷积神经网络(CNN)的方法,所提方法的峰值信噪比(PSNR)和结构相似度(SSIM)分别至少提高了0.46 dB和0.05;同时,所提方法的模型参数更少,修复速度更快,且复原后的人像图像具有更多的纹理细节。; 关键词图像去模糊盲去模糊生成对抗网络多级跳跃残差组多损失融合; Keywords image debluring blind deblurring Generative Adversarial Network(GAN) multi-level jump residual group multi-loss fusion; 分类号 TP391.41 [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	基于多损失融合和混洗注意力的车载LiDAR点云道路标线提取方法	何银鑫齐华朱运权卢自来彭世勇刘洋	《测绘通报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于多损失融合与谱归一化的图像超分辨率方法	许宁宁郑凯	《计算机应用研究》 CSCD 北大核心	2020	2	在线阅读下载PDF 职称材料
3	基于局部特征与多损失融合的车型精细识别算法	李哲胡朋立邓军勇	《传感器与微系统》 CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料
4	复杂环境下多模态特征融合的疲劳驾驶检测	高绮煌谢凯贺正方文畅贺建飚张伟	《电子测量技术》北大核心	2023	8	在线阅读下载PDF 职称材料
5	基于改进残差网络的运动目标模糊图像复原方法	孙灵	《现代电子技术》北大核心	2024	1	在线阅读下载PDF 职称材料
6	基于多尺度循环残差神经网络的图像去运动模糊	方睿周愉刘鹏刘凯	《计算机工程与设计》北大核心	2022	5	在线阅读下载PDF 职称材料
7	基于注意力机制的改进双判别器图像修复算法	李硕刘斌刘昱萌张娟娟	《陕西科技大学学报》北大核心	2022	3	在线阅读下载PDF 职称材料
8	基于多级跳跃残差组的运动人像去模糊网络	纪佳奇卢振坤熊福棚张甜杨豪	《计算机应用》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料