国家自然科学基金(61379082)
- 作品数：29 被引量：71H指数：4
- 相关作者：李华李宗民刘玉杰王向东张笑东更多>>
- 相关机构：中国科学院中国科学院大学中国石油大学（华东）更多>>
- 发文基金：国家自然科学基金山东省自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术生物学建筑科学理学更多>>
- 基于非稳态时间序列的生理控制模型研究
- 2020年
- 生理控制系统通过多个生理变量(血压、心率、呼吸等)之间相互作用与反馈实现自动调节,达到在内外干扰下维持着体内平衡.这种作用与反馈能力的减弱,甚至丧失,与衰老和疾病息息相关.本文提出了一种将生理模型与切换线性动力学结合的方法--P-SLD,通过来自PhysioNet数据库近300例成人ICU患者的平均动脉压和心率的非稳态生理时间序列以及256例健康人不同姿态(仰卧、非仰卧)下血压和心率的非稳态生理时间序列,对P-SLD传递函数和功率谱分析,验证了本文所提的方法可以用来揭示与严重的全身炎症反应综合征(SIRS)相关联的变化以及可以自动捕获姿势改变对压力反射增益的影响.同时本文研究结果表明,即使在调整临床的干预之后,平均压与心率的偶联度的降低与严重的SIRS强相关,为健康和疾病条件下生理控制的自动调节的分解提供了假说.
- 张笑东夏筱筠夏筱筠蒲宝明王帅
- 关键词：非稳态心率平均动脉压
- 包含跨域建模和深度融合网络的手绘草图检索被引量：7
- 2019年
- 在手绘草图检索(sketch-based image retrieval,简称SBIR)领域,引入一种手绘草图的新型检索模型.手绘草图与自然图片之间存在巨大的差异性,这是因为,与自然图片相比,手绘草图展现出高度抽象的视觉表达,用现有的方法对手绘草图进行特征提取,其产生的特征描述子对于手绘草图的内容无法进行有效地拟合;对于相同的物体,不同的人群用手绘草图描述方式和表达也存在巨大的差距,这就使得手绘草图-自然图片的匹配更加困难;同时,将手绘草图与自然图片映射到相同视觉域的工作,也是一项具有困难的任务.所以,手绘草图检索技术是公认的比较有挑战性的任务.提出一种将手绘草图与自然图片在多个层次上映射到同一视觉域的策略来解决跨域的问题.同时,引入多层深度融合卷积神经网络(multi-layer deep fusion convolutional neural network)的框架来训练并获得手绘草图和自然彩色图片的多层特征表达.在Flickr15k图像数据库进行检索实验,实验结果显示,多层深度融合卷积网络学习到的特征的检索精度超过了现有的手工特征以及由自然图片或者手绘草图训练出来的卷积神经网络(convolutional neural network,简称CNN)的特征.
- 于邓刘玉杰邢敏敏李宗民李华
- 基于增强特征融合网络的行人重识别方法被引量：3
- 2021年
- 针对行人重识别技术受遮挡、背景冗余、光照、姿态以及检测误差等问题的影响,鲁棒的行人特征表达对正确检索行人越来越重要.为了利用对齐特征和度量学习的优势,进一步分析局部空间语义特征.首先,在特征层面:一是在ResNet50框架中嵌入空间变换结构,自适应对齐局部区域空间特征,解决因局部区域不对齐导致的空间语义不一致的问题;二是通过对齐的局部特征设计一种增强特征融合网络,充分利用语义信息间的关联性提取图像的细节特征.然后,在损失函数层面:提出一种排序矩阵方法选取区域样本对,设计了一种局部三元组损失计算方法,联合正则化分类损失共同训练网络,充分利用融合的增强特征,达到高效度量的效果.最后,文中方法结合现有的重排算法进一步提高了Rank-1与mAP检索精度,在行人重识别基准数据集Market-1501上的实验结果,证明了本文方法的有效性.
- 刘玉杰周彩云李宗民李华
- 结合注意力机制的跨域服装检索被引量：4
- 2020年
- 针对跨域服装检索中服装商品图像拍摄严格约束光照、背景等条件,而用户图像源自复杂多变的日常生活场景,难以避免背景干扰以及视角、姿态引起的服装形变等问题.提出一种结合注意力机制的跨域服装检索方法.利用深度卷积神经网络为基础,引入注意力机制重新分配不同特征所占比重,增强表述服装图像的重要特征,抑制不重要特征;加入短连接模块融合局部重要特征和整幅图像的高层语义信息,提取更具判别力的特征描述子;联合分类损失函数和三元组损失共同约束网络训练过程,基于类别信息缩小检索范围.采用标准的top-k检索精度作为评价指标,选择DeepFashion数据集与当前跨域服装检索常用方法进行对比,文中方法在top-20检索精度对比中取得了最好的检索性能(0.503).实验结果表明,该方法能有效地处理视角、姿态引起的服装形变和复杂背景的干扰,同时不需要大量的样本标注信息,有效地提高了跨域服装检索的精度.
- 刘玉杰王文亚李宗民李华
- 基于Gaussian-Hermite矩的旋转运动模糊不变量被引量：2
- 2022年
- 目的 模糊图像的分析与识别是图像分析与识别领域的重要方向。有些图像形成过程中成像系统与物体之间存在相对旋转运动,如因导弹高速自旋转造成的制导图像的旋转运动模糊。大多数对于这类图像的识别都需要先对模糊图像进行“去模糊”的预处理,且该类方法存在计算时间复杂度较高及不适定的问题。对此,提出一种直接提取旋转运动模糊图像中的不变特征,用于旋转运动模糊图像目标检索和识别。方法 本文以旋转运动模糊的退化模型为出发点,提出了旋转运动模糊Gaussian-Hermite(GH)矩,构造了一组由5个对旋转变换和旋转运动模糊保持不变性的GH矩不变量组成的特征向量(rotational motion blur Gaussian-Hermite moment invariants, RMB_GHMI-5),可从旋转变换和旋转运动模糊的图像中直接进行目标检索和识别,无需前置复杂的“去模糊”预处理过程。结果 在USC-SIPI(University of Southern California—Signal and Image Processing Institute)数据集上进行不变性实验,对原图进行不同程度的旋转变换叠加旋转运动模糊处理,证明RMB_GHMI-5对于旋转变换和旋转运动模糊具有良好的稳定性和不变性。在两个数据集上与同类4种方法进行图像检索实验比较,在80%召回率下,本文方法维数更少,相比性能第2的特征向量,在Flavia数据集中,高斯噪声、椒盐噪声、泊松噪声和乘性噪声干扰下的准确率分别提高25.89%、39.95%、22.79%和35.80%;在Butterfly Image数据集中,高斯噪声、椒盐噪声、泊松噪声和乘性噪声干扰下的准确率分别提高4.79、7.63%、5.65%和18.31%。同时,在上述8个测试数据集中进行对比实验以验证融合算法的有效性,结果表明本文提出的GH矩和几何矩相融合算法显著改善了图像检索效果。结论 本文提出的RMB_GHMI-5特征向量在旋转变换和旋转运动模糊下具有良好的不变性与稳定性,在图像检索抗噪性能方面�
- 郭锐贾丽郝宏翔墨瀚林李华
- 关键词：图像检索GAUSSIAN-HERMITE矩不变量
- 具有旋转运动模糊不变性的卷积神经网络:RMBI-Net被引量：1
- 2022年
- 针对高速旋转的相机拍摄图像产生的旋转运动模糊带来的目标分类较为困难的问题,本文主要研究手工特征与卷积神经网络(CNN)的结合,在网络结构底层赋予卷积神经网络不变性,提升网络在分类任务中的准确率。本文基于Gaussian-Hermite(GH)矩旋转运动模糊不变量(RMB_GHMI),通过计算卷积神经网络隐藏层特征图上的RMB GHMI来实现将旋转运动模糊不变性引入到卷积神经网络中,使网络本身具有一定的旋转运动模糊不变性,并使网络可从受到严重噪声干扰的旋转运动模糊的图像中直接进行目标分类。实验结果表明,在旋转运动模糊后的MNIST数据集上,相对于经典卷积神经网络,本文方法可以将图像分类准确率提升30%左右;在旋转运动模糊后的CIFAR-10数据集上,图像分类准确率可以提升4%~16%。
- 郭锐郝优许溟贾丽李华
- 关键词：不变量
- 针对非均衡数据的人脸识别算法
- 2023年
- 目前在基于深度学习的人脸识别领域面临数据不均衡的问题,这使得样本少的类别精度难以提升。常见的通过对损失函数的改进,或是简单的数据增强难以从根本上解决这一问题。为此,论文将隐式数据增强的方法引入基于角距离度量函数,构建人脸识别算法:通过对样本在特征空间中的特征向量沿某个特定方向做相关改变来增加此类样本的多样性,使样本较少的类别在特征空间中尽可能地产生更多相似却不相同的特征向量来减轻不均衡数据集对识别算法所造成的负面影响。在通用人脸识别数据集LFW,IJB-A,MegaFace上的测试结果表明,该方法能有效提高人脸识别的精度。
- 周辉
- 关键词：神经网络人脸识别
- 基于双Kinect传感器的三维人体姿态跟踪方法被引量：10
- 2020年
- 三维人体姿态估计与跟踪是机器视觉中的热点问题。为了提高人体姿态跟踪的稳定性,以人体关节点自由度向量的方法表示人体运动姿态,使用无迹卡尔曼滤波方法对人体姿态进行跟踪,并搭建了一套基于双Kinect传感器的人体姿态跟踪系统。对比于传统的人体运动捕捉系统,该系统可实现在简单动作下准确稳定的三维人体姿态跟踪,在复杂动作下反映运动过程的特殊性质,并用于运动生物力学的性能评估。
- 李琪王向东李华
- 关键词：无迹卡尔曼滤波运动生物力学
- 基于Siamese网络的精准目标跟踪
- 2022年
- 近年来,孪生追踪器在许多基准上取得了最先进的表现。论文提出了一个新的更为精准的ASiamRPN算法,针对遮挡问题引入Cutout数据增强。特征层面:使用增加了空间感知模块和可变形卷积多层特征融合的ResNet50网络,充分利用深层网络的浅层和深层信息并缓解RPN网络两个分支的不匹配问题。其次,在模板分支和搜索分支增加了权重共享的自适应模块。在VOT2016和VOT2018数据集上均取得了不错的性能,Accuracy达到最优。
- 秦广乾
- 关键词：自适应
- 结合全卷积网络的无监督视频目标分割被引量：1
- 2019年
- 对视频中的目标进行像素级分割是计算机视觉领域的研究热点,完全没有用户标注的无监督视频分割对分割算法提出了更高的要求。近几年在分割中常使用基于帧间运动信息进行建模的方法,即用光流等运动信息预测目标轮廓,再结合颜色等特征建立模型进行分割。针对这些方法产生的前景背景混淆以及边缘粗糙等问题,本文提出结合全卷积网络的视频目标分割方法。首先通过全卷积网络预测视频序列中显著目标的轮廓,结合光流获得的运动显著性标签进行修正,然后建立时间-空间图模型,运用图割的方法获得最终的预测标签。在SegTrack v2以及DAVIS这2个通用数据集上进行评估,结果表明本文方法较基于帧间运动信息的方法在分割效果上有明显的提高。
- 霍达马诗源
- 关键词：视频分割
