黄雅平
- 作品数：58 被引量：228H指数：7
- 供职机构：北京交通大学计算机与信息技术学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术理学文化科学机械工程更多>>
- 一种对图像、视频进行维数约简的方法
- 本发明利用人类视觉感知的时间一致性准则来解决非线性维数约简问题。时间一致性准则的基本思想是从快速变化的外界刺激中寻找变化缓慢的特征，这些特征位于在低维空间光滑流形上。因此，利用时间一致性准则研究流形学习问题就成为可能。本...
- 黄雅平
- 文献传递
- 基于有先验的曲线演化的目标检测算法
- 在复杂背景下的目标检测目前仍是计算机视觉领域尚未解决的难题。本文提出一种基于轮廓编组的检测算法。算法分为两个阶段：首先根据一种新的距离变换将待测图像与模板进行匹配和对齐，以获得目标的位置和尺寸信息；然后通过带形状先验的曲...
- Zo(u) Qi邹琪Li Yan李燕Luo Siwei罗四维Huang Yaping黄雅平
- 关键词：目标检测图像识别
- 一种高速铁路声屏障缺损检测方法及装置
- 本发明提供一种高速铁路声屏障缺损检测方法及装置，方法包括：通过综合巡检车挂载数码摄像机和惯性组件，拍摄高速铁路运行环境视频数据和车体姿态数字信号模拟数据；基于多源数据配准的车体姿态补偿方法，对采集得到的高速铁路运行环境视...
- 赵宏伟李浥东刘俊博裴艳婷黄雅平蒋欣兰武斯全田震廖开沅
- 文献传递
- 人脸识别的半监督邻域判别分析方法
- 本发明公开了属于图像处理技术范围的一种人脸识别的半监督邻域判别分析方法。该方法能够保留数据的局部结构而且具有判别能力。半监督邻域判别分析(SSNDA)方法是针对人脸的图像数据，利用谱图理论作为工具，充分利用已标记的数据类...
- 赵嘉莉黄雅平田媚王文秀罗四维
- 基于列车前向运动视频的全景图拼接算法
- 近年来高速铁路在中国高速发展，随之而来也伴随着更严重的安全问题。与视频相比，全景图具有占用存储空间小，便于快速浏览等许多优势，具有很大的发展空间。在本文中，我们首先设计一个基于前向运动视频的高速铁路运行环境全景图成像框架...
- 高大龙黄雅平李清勇王胜春罗四维
- 关键词：全景图高速铁路三维重建
- 基于词袋模型的迁移学习算法被引量：2
- 2014年
- 在分类新类别图像时,词袋模型总需要重新学习视觉词典及分类器,而不能充分利用已经学习好的视觉词典。运用迁移学习的思想,提出一种视觉短语的迁移学习算法。这种视觉短语不仅包含图像的局部不变特征,而且包含特征间的空间结构信息,能更有效地描述不同类别图像之间的共同特征。在分类新类别图像时,算法通过迁移视觉短语而不是重新学习视觉词典,来完成图像分类任务。实验结果证明这种迁移算法能有效地利用已有知识,在分类新类别图像时取得很好的效果,而且还能适用于仅有少量训练样本的图像分类任务。
- 吴丽娜黄雅平郑翔
- 关键词：图像分类
- 一种折线式扫描高分辨率成像系统和方法
- 本发明公开了一种折线式扫描高分辨率成像系统和方法，涉及成像领域，能够实现高分辨率成像。折线式扫描高分辨率成像系统包括：图像采集装置，由两个线阵CCD相机组成，所述两个线阵CCD相机与水平分别以倾斜θ和-θ角度对待成像物体...
- 黄雅平王胜春罗四维
- 文献传递
- 基于子任务学习的双分支个性化视线估计网络
- 2022年
- 针对视线估计任务中个性化信息处理难的问题,提出了一种基于子任务学习的双分支个性化视线估计网络(EbPN)。首先,该网络包含表观信息感知分支和个性化信息感知分支,以分别刻画用户丰富的表观信息以及个性化信息;然后,构造一系列子任务以替代独立样本对模型进行训练优化,其中各子任务均模仿了一个小样本视线估计任务。该网络充分获取了用户的表观信息及个性化信息,可有效减小个性化偏差,提高视线估计模型的精度,且在没有任何校准样本的情况下,仍然具有很好的泛化性能。在GazeCapture和MPIIGaze数据集上开展的大量实验证明了EbPN的有效性。
- 赵晓瑜黄雅平田艺田媚
- 关键词：人工智能
- 一种对图像、视频进行维数约简的方法
- 本发明利用人类视觉感知的时间一致性准则来解决非线性维数约简问题。时间一致性准则的基本思想是从快速变化的外界刺激中寻找变化缓慢的特征，这些特征位于在低维空间光滑流形上。因此，利用时间一致性准则研究流形学习问题就成为可能。本...
- 黄雅平
- 文献传递
- 基于草图纹理和形状特征融合的草图识别
- 2022年
- 人类具有很强的草图识别能力.然而,由于草图具有稀疏性和缺少细节的特点,目前的深度学习模型在草图分类任务上仍然面临挑战.目前的工作只是将草图看作灰度图像而忽略了不同草图类别间的形状表示差异.提出一种端到端的手绘草图识别模型,简称双模型融合网络,它可以通过相互学习策略获取草图的纹理和形状信息.具体地,该模型由2个分支组成:一个分支能够从图像表示(即原始草图)中自动提取纹理特征,另一个分支能够从图形表示(即基于点的草图)中自动提取形状特征.此外,提出视觉注意一致性损失来度量2个分支之间视觉显著图的一致性,这样可以保证2个分支关注相同的判别性区域.最终将分类损失、类别一致性损失和视觉注意一致性损失结合完成双模型融合网络的优化.在两个具有挑战性的数据集TU-Berlin数据集和Sketchy数据集上进行草图分类实验,评估结果说明了双模型融合网络显著优于基准方法并达到最佳性能.
- 张兴园黄雅平邹琪裴艳婷
- 关键词：图像识别
