赵海涛
- 作品数：39 被引量：146H指数：8
- 供职机构：华东理工大学更多>>
- 发文基金：国家自然科学基金上海市基础研究重大（重点）项目中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术电子电信化学工程石油与天然气工程更多>>
- 基于机器视觉的废旧电力电缆类型识别方法及系统
- 本发明提供基于机器视觉的废旧电力电缆类型识别方法及系统，方法包括：采集电力电缆截面图像，构建电缆截面数据集，标注出所有电缆截面图像，划分电缆截面数据集得到训练集、测试集，数据增强训练集及测试集；构建深度视觉电力电缆截面检...
- 姚传洪邓嘉行赵海涛姚璐键彭竞超
- 基于深度特征增广的跨域小样本人脸欺诈检测算法被引量：5
- 2021年
- 随着人脸识别技术的发展,人脸欺诈攻击已经成为一项实际的安全问题,人脸欺诈检测算法用于及早发现该类攻击,保护系统安全。文中将一种经典域自适应算法扩展到深度神经网络中,首先定义了基于深度特征增广的域自适应层,提出了一种基于深度特征增广的跨域小样本人脸欺诈检测算法。该算法在已有的基于全卷积神经网络的人脸欺诈检测深度神经网络的中部嵌入域自适应层将卷积特征图增广,来适配源域和目标域的差异,随后根据增广后的特征图进行像素级分类,最后将像素级概率图从空间上融合为帧级决策。文中在CASIA-FASD,Replay-Attack和OULU-NPU 3个数据集和6个常见测评协议(2个CASIA-FASD与Replay-Attack跨库协议和4个OULU-NPU标准协议)下进行实验,验证了算法在不同背景、不同攻击设备、不同相机等跨域情况下的性能。实验表明,基准FCN人脸欺诈检测算法已经能够达到较好的性能,在此基础上,借助小样本目标域数据学习域自适应模型,可进一步显著提升性能,将错误率减半(CASIA-FASD训练+Replay-Attack测试的HTER指标从27.31%降至11.23%,Replay-Attack训练+CASIA-FASD测试的HTER指标从37.33%降至21.83%,OULU-NPU标准协议IV的ACER指标从9.45%降至5.56%),实验结果验证了基于深度特征增广的跨域小样本人脸欺诈检测算法的有效性。
- 孙文赟金忠赵海涛陈昌盛
- 关键词：模式识别系统安全
- 基于小波变换和Lasso函数的工业过程故障检测方法
- 本发明涉及一种基于小波变换和Lasso函数的工业过程故障检测方法，步骤包括：1)从田纳西-伊斯曼工业过程模型中获得正常数据和故障数据，并对获得的数据进行标准化处理；2)对正常数据进行小波变换，压缩数据，对小波变换后的训练...
- 江晓栋赵海涛沙钰杰
- 文献传递
- 基于红外和可见光图像逐级自适应融合的场景深度估计被引量：5
- 2020年
- 从图像中恢复场景的深度是计算机视觉领域中的一个关键问题。考虑到单一类型图像在深度估计中受场景不同光照的限制,提出了基于红外和可见光图像逐级自适应融合的场景深度估计方法(PF-CNN)。该方法包括双流滤波器部分耦合网络、自适应多模态特征融合网络以及自适应逐级特征融合网络。在双流卷积中红外和可见光图像的滤波器部分耦合使两者特征得到增强;自适应多模态特征融合网络学习红外和可见光图像的残差特征并将两者自适应加权融合,充分利用两者的互补信息;逐级特征融合网络学习多层融合特征的结合,充分利用不同卷积层的不同特征。实验结果表明:PF-CNN在测试集上获得了较好的效果,将阈值指标提高了5%,明显优于其他方法。
- 李宇琦赵海涛
- 关键词：图像融合自适应加权融合
- 基于随机森林和超像素分割优化的车载红外图像彩色化算法被引量：2
- 2015年
- 为了将红外图像中所包含的信息更加友好、直观地呈现给用户,改善用户对于红外图像的理解效果,针对车载红外图像的特点,提出了一种基于随机森林分类器和超像素分割算法相结合的车载红外图像彩色化算法。首先对原图的各个像素点进行特征提取,然后训练随机森林分类器,使它能够对待测试图像的各个像素点进行正确的分类。再使用超像素分割与直方图统计相结合的方法对分类结果图像进行优化。最后将优化后的分类结果图像转换到HSV色彩空间进行对应的色彩传递。通过实验证明该方法能够在很好的对红外图像进行彩色化处理的同时,保证色彩传递的正确性和实时性。
- 沈振一孙韶媛侯俊杰赵海涛
- 关键词：图像彩色化
- 横流式纳滤微通道分离器及其应用
- 本公开涉及横流式纳滤微通道分离器及其应用，提供了一种横流式纳滤微通道分离器，包括：筒体(1)、封头(2)、进水管(3)、出水管(4)、反洗液进水管(5)、反洗液出水管(6)、排气口(7)、挡板(8)、水帽(9)、约翰逊网...
- 李剑平单敏杰赵伟张桐汪华林杨云峰赵海涛余泽进
- 基于属性描述的多单元过程零样本故障诊断
- 2023年
- 传统的基于数据驱动的故障诊断方法依赖于大量带标签的故障样本,但在化工过程中没有目标故障样本可供训练的情形十分普遍。针对该问题,引入零样本学习(Zero-shot learning,ZSL)的思想,提出了基于属性描述的多单元自注意力机制(Attribute description based multi-unit self-attention mechanism, AMSM)的故障诊断方法。首先,语义自编码器提取样本中包含故障属性的语义信息;其次,自注意力机制利用语义信息自适应地调节各个单元特征间的相关关系进行属性学习;最后,通过比较属性矩阵的相似度实现故障诊断。基于田纳西-伊斯曼(Tennessee-Eastman, TE)过程设计了零样本故障诊断实验,结果表明AMSM能在没有目标故障样本的情况下实现故障诊断。
- 易永率赵海涛
- 关键词：故障诊断
- 基于深度学习的无人车夜视图像语义分割被引量：29
- 2017年
- 为了增强无人车对夜视图像的场景理解,在夜间模式下更快更精确地探测和识别周围环境,将深度学习应用于夜视图像的场景语义分割,提出了一种基于卷积-反卷积神经网络的无人车夜视图像语义分割方法。在传统的卷积神经网络中加入反卷积网络,构建卷积-反卷积神经网络,无需手工选取特征。通过像素到像素的学习和训练,得到图像语义分割模型,可直接用该模型预测夜视图像中每个像素所属的场景语义类别,实现无人车夜间行驶时的环境感知。实验结果表明,该方法具有较好的准确性和实时性,平均IU达到68.47。
- 高凯珺孙韶媛姚广顺赵海涛
- 关键词：夜视图像反卷积
- 基于Bag-of-Features算法的车辆检测研究被引量：1
- 2016年
- 车辆检测已成为交通运输工程(ACC)和先进辅助驾驶系统(ADAS)中的核心技术之一。该算法利用车辆的边缘特征与Bag-of-Features(BoF)模型的融合对前方运动车辆进行实时检测,主要包含车辆假设存在区域生成和假设区域验证两部分。首先,对图像进行预处理后利用Sobel边缘检测处理得到车辆假设存在的区域;然后,利用Bag-of-Features的K最近邻域算法对假设存在区域进行验证。该算法与其他算法最大的区别在于将边缘和Bag-of-Features相结合来提高检测率。通过对实际道路视频进行测试,结果表明,该方法能够实时准确地检测出道路上前方运动车辆。
- 梁炳春孙韶媛彭宝赵海涛
- 关键词：SOBEL边缘检测车辆检测
- 基于自适应像素级注意力模型的场景深度估计被引量：4
- 2020年
- 深度估计是传统的计算机视觉任务,在理解三维场景中起着至关重要的作用。基于单目图像的深度估计任务的困难在于如何提取图像特征中大范围依赖的上下文信息,提出了自适应的上下文聚合网络(adaptive context aggregation network,ACANet)用于解决该问题。该方法基于有监督的自注意力模型(supervised self-attention,SSA),能够自适应地学习任意像素之间的具有任务特性的相似性以模拟连续的上下文信息,并通过模型学习的注意力权重分布用来聚合提取的图像特征。将单目深度估计任务设计为像素级的多分类问题,经过设计的注意力损失函数减少RGB图像和深度图的语义不一致性,通过生成的像素级注意力权重对由位置索引的特征进行全局池化。最后提出一种软性有序推理算法(soft ordinal inference,SOI),充分利用网络的预测置信度,将离散的深度标签转化为平滑连续的深度图,并且提高了准确率(rmse下降了3%)。在公开的单目深度估计基准数据集NYU Depth V2上的实验结果表明:rmse指标为0.490,阈值指标为82.8%,取得了较好的结果,证明了本文提出的算法的优越性。
- 陈裕如赵海涛
- 关键词：注意力模型上下文信息
