检索结果-维普期刊中文期刊服务平台

基于多尺度特征融合的跨视角步态识别被引量：3: 1; 作者邹雪谭棉 +2 位作者严晓波王飞王林《电子测量技术》北大核心 2024年第1期186-192,共7页; 在跨视角步态识别中,针对衣着遮挡情况下难以提取具有可辨别性和多样性的步态特征,导致识别准确率下降的问题,提出了一种基于多尺度特征融合网络的跨视角步态识别方法。该方法能够有效利用步态特征间的互补性,获得具有可辨别性和多样性... 展开更多; 关键词跨视角步态识别多尺度特征融合步态特征可辨别性; 在线阅读下载PDF 职称材料

基于层次特征聚合的自动人像抠图: 2; 作者汪小梅谭棉 +1 位作者罗太维冯夫健《电子测量技术》北大核心 2024年第14期170-177,共8页; 针对抠图任务中人像毛发这类细微结构局部区域出现的误抠问题,其本质是此区域中混合信息所导致的图像像素点透明度遮罩回归预测不准确问题,提出一种端到端的层次特征聚合抠图网络模型。该模型通过一个共享编码器和两个独立解码器,利用... 展开更多; 关键词图像抠图透明度遮罩特征融合层次特征聚合自动人像抠图; 在线阅读下载PDF 职称材料

基于原型嵌入图网络的小样本图像分类: 3; 作者陈望李志玲 +2 位作者王前包春梅王林《电子测量技术》北大核心 2024年第5期133-141,共9页; 针对在小样本图像分类中传统骨干卷积网络进行特征提取时会有上下文信息单一和感受野受限以及边特征相似度度量缺乏全局性问题,本文提出了一种基于原型嵌入图网络的小样本图像分类算法。首先,将CBAM产生的权重值与ASPP以不同采样率获取... 展开更多; 关键词图神经网络小样本学习原型节点多尺度特征融合图像分类; 在线阅读下载PDF 职称材料

基于张量特征的小样本图像快速分类方法被引量：1: 4; 作者张艳莎冯夫健 +4 位作者王杰潘凤谭棉张再军王林《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第6期1059-1069,共11页; 解决小样本图像分类问题最直接的方式是进行数据增强,但目前适用于小样本图像分类的数据增强方法大都存在模型复杂、推理时间长的问题.提出一个张量特征生成器,通过生成新的张量特征在特征空间对小样本图像进行数据增强.基于张量特征生... 展开更多; 关键词小样本图像分类数据增强张量特征生成器张量特征推理时间; 在线阅读下载PDF 职称材料

题名基于多尺度特征融合的跨视角步态识别被引量：3: 1; 作者邹雪谭棉严晓波王飞王林; 机构贵州民族大学数据科学与信息工程学院贵州省模式识别与智能系统重点实验室贵州民族大学人文科技学院; 出处《电子测量技术》北大核心 2024年第1期186-192,共7页; 基金国家自然科学基金(62241206) 国家自然科学基金(62162012) +4 种基金贵州省模式识别与智能系统重点实验室开放课题(GZMUKL[2022]KF01)资助。; 文摘在跨视角步态识别中,针对衣着遮挡情况下难以提取具有可辨别性和多样性的步态特征,导致识别准确率下降的问题,提出了一种基于多尺度特征融合网络的跨视角步态识别方法。该方法能够有效利用步态特征间的互补性,获得具有可辨别性和多样性的步态特征,从而解决因衣着遮挡造成可辨别性差以及单一性的问题,进而提升跨视角步态识别的准确性。为验证所提方法的有效性,在公共数据集CASIA-B上进行了验证,实验结果表明所提方法在处理具有遮挡条件下的跨视角步态识别问题的识别性能达到了73.4%,同时在正常和背包两种行走条件下的识别性能分别达到了95.5%和88.0%。此外,我们的方法在处理遮挡条件下的识别性能优于同类典型的步态识别方法。; 关键词跨视角步态识别多尺度特征融合步态特征可辨别性; Keywords cross-view gait recognition multi-scale feature fusion gait feature discriminability; 分类号 TP75 [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

题名基于层次特征聚合的自动人像抠图: 2; 作者汪小梅谭棉罗太维冯夫健; 机构贵州民族大学数据科学与信息工程学院贵州省模式识别与智能系统重点实验室贵州民族大学; 出处《电子测量技术》北大核心 2024年第14期170-177,共8页; 基金贵州省科技计划项目(黔科合基础-ZK[2022]一般195,黔科合基础-ZK[2023]一般143,黔科合平台人才-ZCKJ[2021]007) 贵州省教育厅自然科学研究项目(黔教技[2023]012号,黔教技[2022]015号,黔教技[2023]061号) 贵州省模式识别与智能系统重点实验室开放课题(GZMUKL[2022]KF01,GZMUKL[2022]KF05)项目资助。; 文摘针对抠图任务中人像毛发这类细微结构局部区域出现的误抠问题,其本质是此区域中混合信息所导致的图像像素点透明度遮罩回归预测不准确问题,提出一种端到端的层次特征聚合抠图网络模型。该模型通过一个共享编码器和两个独立解码器,利用通道和位置注意力机制,以层次特征聚合方式聚合低层次纹理线索和高层次语义信息,能够在没有额外输入的情况下从单个人像的精细边界和自适应语义中感知前景透明度遮罩。基于此,结合交叉熵损失、未知区域的透明度遮罩预测损失和结构性损失,以引导层次特征聚合抠图网络模型完善前景整体结构,恢复毛发纹理细节。为验证所设计模型的有效性,在自建的MCP-1k和公开的P3M-500-NP数据集上进行验证分析,实验结果表明所提模型在MSE和SAD指标上的误差分别为0.0076,25.59与0.0072,25.52,与其他典型深度抠图模型相比在恢复人像细微毛发和完善人像语义结构方面有较大提升,解决人像毛发区域的误抠问题。; 关键词图像抠图透明度遮罩特征融合层次特征聚合自动人像抠图; Keywords image matting alpha matte feature fusion hierarchical feature aggregation automatic portrait matting; 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

题名基于原型嵌入图网络的小样本图像分类: 3; 作者陈望李志玲王前包春梅王林; 机构贵州民族大学数据科学与信息工程学院贵州省模式识别与智能系统重点实验室贵州民族大学; 出处《电子测量技术》北大核心 2024年第5期133-141,共9页; 基金国家自然科学基金(62241206) 贵州省科技计划项目(黔科合基础-ZK[2022]一般195,黔科合基础-ZK[2023]一般143,黔科合基础-ZK[2022]一般550,黔科合平台人才-ZCKJ[2021]007) +3 种基金贵州省深化新时代教育评价改革试点“教学过程质量评价”、贵州省模式识别与智能系统重点实验室开放课题(GZMUKL[2022]KF01)项目资助。; 文摘针对在小样本图像分类中传统骨干卷积网络进行特征提取时会有上下文信息单一和感受野受限以及边特征相似度度量缺乏全局性问题,本文提出了一种基于原型嵌入图网络的小样本图像分类算法。首先,将CBAM产生的权重值与ASPP以不同采样率获取的不同尺度特征进行相乘的特征作为图网络的节点嵌入特征。然后,采用原型网络的方法在度量模块中构建了原型节点,使得成对节点之间的相似性计算转化为单个节点与原型节点相似性的和计算,将得到的相似度作为边特征输入图神经网络。最后,利用双图结构在多个更新代后将标签信息从有标签样本传播到无标签样本。在以ResNet-12为骨干卷积网络的算法分类任务中,本文在mini ImageNet、tiered ImageNet、CUB-200-2011和CIFAR-FS 4个数据集上的5-way 1-shot的任务分类准确率分别达到了71.47%、75.41%、86.21%和79.84%,在以Conv-4作为骨干卷积网络中,本文提出的算法在5-way 1-shot和5-way 5-shot任务中都优于现有的图网络方法。; 关键词图神经网络小样本学习原型节点多尺度特征融合图像分类; Keywords graph neural network few-shot learning prototype nodes multi-scale feature fusion image classification; 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

题名基于张量特征的小样本图像快速分类方法被引量：1: 4; 作者张艳莎冯夫健王杰潘凤谭棉张再军王林; 机构贵州民族大学数据科学与信息工程学院贵州省模式识别与智能系统重点实验室黔南民族师范学院数学与统计学院; 出处《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第6期1059-1069,共11页; 基金国家自然科学基金(62162012) 贵州省科技支撑计划(黔科合支撑[2021]一般531) +3 种基金贵州省科技计划(黔科合基础-ZK[2022]一般195,黔科合基础-ZK[2022]一般550)。; 文摘解决小样本图像分类问题最直接的方式是进行数据增强,但目前适用于小样本图像分类的数据增强方法大都存在模型复杂、推理时间长的问题.提出一个张量特征生成器,通过生成新的张量特征在特征空间对小样本图像进行数据增强.基于张量特征生成器,提出一个适用于小样本图像的快速分类方法(Tensor Feature-based Faster Classification Network,TFFCN),该方法网络结构简单,利用残差网络提取图像的张量特征,通过张量特征生成器对小样本图像进行数据增强,从而训练得到一个满意的分类器对查询集图像进行分类,解决了模型推理时间长的问题.为了验证提出模型的有效性,选用公开数据集miniImageNet,CUB以及CIFAR-FS,对分类性能和推理时间进行对比实验.实验结果表明,TFFCN的分类性能优于目前流行的数据增强方法,并且,和改进前的模型相比能有效减少模型的推理时间,采用ResNet18和ResNet12为主干特征提取网络时,随着生成的张量特征数量的增加,最高可减少49%和24%的推理时间,能更快速地完成小样本图像分类任务.; 关键词小样本图像分类数据增强张量特征生成器张量特征推理时间; Keywords few-shot image classification data augmentation tensor feature generator tensor features inference time; 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	基于多尺度特征融合的跨视角步态识别	邹雪谭棉严晓波王飞王林	《电子测量技术》北大核心	2024	3	在线阅读下载PDF 职称材料
2	基于层次特征聚合的自动人像抠图	汪小梅谭棉罗太维冯夫健	《电子测量技术》北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于原型嵌入图网络的小样本图像分类	陈望李志玲王前包春梅王林	《电子测量技术》北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于张量特征的小样本图像快速分类方法	张艳莎冯夫健王杰潘凤谭棉张再军王林	《南京大学学报（自然科学版）》 CAS CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料