公共文化服务平台

史劲亭: 作品数：13 被引量：202H指数：5; 供职机构：江西农业大学职业师范技术学院更多>>; 发文基金：国家自然科学基金江西省教育厅科学技术研究项目江西省科技支撑计划项目更多>>; 相关领域：自动化与计算机技术文化科学经济管理农业科学更多>>

合作作者

两阶段特征提取策略的图像去雾被引量：5: 2021年; 目的传统以先验知识为基础的去雾算法,如最大化饱和度、暗通道等,在某些特定场景下效果非常不稳定,会出现色彩扭曲和光晕等现象。由于标注好的训练数据严重不足、特征的冗余性等原因,传统基于学习的去雾算法容易导致模型过拟合。为克服这些问题,本文提出一种基于两阶段特征提取的场景透射率回归去雾方法。方法在第1阶段,提取图像在颜色空间上的饱和度、最小通道、最大通道以及灰度图的盖博响应等43维特征作为初始雾的特征,并在提取的特征图像局部窗口内,进一步提取最小值、最大值、均值、方差、偏度、峰度、高斯均值等7维特征。在第2阶段,将提取的43×7=301个维度特征组成表征雾的二阶段特征向量。最后采用支持向量机进行训练,得到雾的特征向量和场景透射率的回归模型。结果实验结果表明,本文算法取得了非常好的去雾效果。平均梯度值为4.475,高于所有对比算法;峰值信噪比为18.150 d B,仅次于多尺度卷积神经网络去雾算法;结构相似性为0.867,处于较高水平;去雾后的亮度和对比度,也均排于前列。本文算法的去雾测试性能接近甚至超过了已有的基于深度学习的去雾算法,表明本文提出的两阶段特征能够很好地对雾进行表征,实现了小样本学习的高效去雾。结论本文通过两阶段的特征提取策略,极大提升了算法的鲁棒性,仅需要极少量样本就能训练得到性能很好的去雾模型,具有很好的泛化性能。; 袁非牛袁非牛史劲亭史劲亭李雅; 关键词：图像去雾图像增强特征提取

某市电子口岸两区信息化平台整合技术方案的设计研究: 史劲亭; 关键词：电子口岸 SOA 信息化平台

林火烟雾语义分割检测方法及系统: 本发明提出一种林火烟雾语义分割检测方法及系统，该方法包括：根据林火烟雾先验知识和林火背景中类烟目标先验知识合成数据集；基于对抗自编码器模型对数据集进行两阶段的数据增强；将数据增强后的数据集输入到林火深度语义分割模型中进行...; 史劲亭施燕王睿林冠辰

面向烟雾识别与纹理分类的Gabor网络被引量：19: 2019年; 目的通过烟雾检测能够实现早期火灾预警,但烟雾的形状、色彩等属性对环境的变化敏感,使得烟雾特征容易缺乏辨别力与鲁棒性,最终导致图像烟雾识别、检测的误报率与错误率较高。为解决以上问题,提出一种基于Gabor滤波的层级结构,可视为Gabor网络。方法首先,构建一个Gabor卷积单元,包括基于Gabor的多尺度、多方向局部响应提取和跨通道响应浓缩;然后,将Gabor卷积单元输出的浓缩响应图进行跨通道编码并统计出直方图特征,以上Gabor卷积单元与编码层构成了一个Gabor基础层,用于提取多尺度、多方向的基础特征,对基础层引入最大响应索引编码和全局优化能生成扩展特征;最后,将基础和扩展特征首尾相连形成完整烟雾特征,通过堆叠上述Gabor基础层能形成一个前馈网络结构,将每一层特征首尾相连即可获得烟雾的多层级特征。结果实验结果表明,此Gabor网络泛化性能好,所提烟雾特征的辨别力在对比实验中综合排名第一,所提纹理特征的辨别力在两个纹理数据集上分别排名第一与第二。结论所提Gabor网络能够实现多尺度、多方向的多层级纹理特征表达,既能提高烟雾识别的综合效果,也可提高纹理分类的准确率。未来可进一步研究如何降低特征的冗余度,探索不同层特征之间的关系并加以利用,以期在视频烟雾实时识别中得到实际应用。; 袁非牛夏雪李钢章琳李钢; 关键词：纹理分类特征提取 GABOR滤波层级结构

我国城乡居民消费结构分析被引量：2: 2008年; 改革开放以来,我国城乡居民收入和消费水平不断提高,消费结构逐步改善,但城乡居民消费结构的改善不同步,影响了国民经济的运行和社会生活的安定。本文通过分析城乡居民消费结构,找出了消费结构中存在问题,并为其合理化提出相应对策。; 姬钰史劲亭; 关键词：城乡居民消费结构

自编码神经网络理论及应用综述被引量：131: 2019年; 自编码器是深度学习中的一种非常重要的无监督学习方法,能够从大量无标签的数据中自动学习,得到蕴含在数据中的有效特征.因此,自编码方法近年来受到了广泛的关注,已成功应用于很多领域,例如数据分类、模式识别、异常检测、数据生成等.该文对传统自编码基础理论、自编码方法、改进技术以及应用领域进行了比较全面的综述.首先,该文介绍传统自编码基础理论与实现方法,分析自编码器的一般处理框架.然后,讨论现有各种改进的自编码器,分析这些方法的创新点、所要达成的目的和可能存在的问题.随后,该文介绍自编码器的实际应用领域,分析这些领域的代表性自编码算法,并详细地分析、比较和总结这些方法的特点.最后,总结现有方法存在的问题,并探讨了自编码器的将来发展趋势和可能挑战.; 袁非牛章琳章琳夏雪李钢; 关键词：无监督学习

适应鄱阳湖生态经济区建设需求的高教自考制度创新研究: 2012年; 高教自考是我国独具特色的高等教育形式,创立30年来有力地促进了我国的改革开放和经济社会的发展。随着江西鄱阳湖生态经济区建设全面实施,人才智力支持是其关键助推器。本文通过对高教自考服务鄱阳湖生态经济区建设制度创新的研究,提出了高教自学考试发展创新以适应鄱阳湖生态经济区建设的对策与建议。; 陈丽霞史劲亭; 关键词：鄱阳湖生态经济区高教自考

多层次特征融合网络的语义分割算法: 2023年; 目标多尺度性质、高层语义信息不足等造成现有算法很难在目标边界取得非常准确的分类精度。为此,提出了一种基于多层次特征融合的语义分割算法。在解码阶段,设计了三个特征提取分支,分别为空间细节分支、语义补充分支和上下文信息分支。空间细节分支采用浅层较高分辨率特征图来生成最终分割图,主要用于保留大量空间细节信息。语义补充分支用于增加更多的高层语义抽象信息。上下文信息分支主要负责提取多尺度全局信息。在语义补充分支中,设计了一种特征融合指导模块(FFGM),建模不同特征图之间像素的对应关系,从而有效地融合不同层次的特征。在空间细节分支中,提出一种自增强特征模块(SEM),对低层次特征进行精调细化,旨在得到清晰的目标边界。在上下文信息分支中,采用金字塔池化模块(PPM)获得多尺度上下文信息,解决目标多尺度性带来的像素错分问题。最后,采用注意力机制融合三个分支提取的特征图,从而强化重要特征,抑制非显著特征。在主流的语义分割数据集PASCAL VOC2012与Cityscapes上,该网络模型获得了81.12%的平均交并比和74.56%的平均交并比,明显优于实验比较算法。; 祁欣袁非牛史劲亭王贵黔; 关键词：上下文信息

视频烟雾检测研究进展被引量：30: 2018年; 目的视频烟雾检测具有响应速度快、不易受环境因素影响、适用面广、成本低等优势,为及早预警火灾提供有力保障。近年涌现大量视频检测方法,尽管检测率有所提升,但仍受到高误报率和高漏报率的困扰。为了全面反映视频烟雾检测的研究现状和最新进展,本文重点针对2014年至2017年国内外公开发表的主要文献,进行全面的梳理和分析。方法该工作建立在广泛文献调研的基础上,立足于视频烟雾检测的基本框架,围绕视频图像预处理、疑似烟区提取、烟雾特征描述、烟雾分类识别等处理阶段,系统地对最新文献进行分析和总结。此外,对区别于传统框架的深度学习检测方法亦进行了相关归纳。结果重点依据烟雾运动特征和烟雾静态特征这两类,对疑似烟区提取方法进行梳理;从统计量特征、变换域特征和局部模式特征3个方面对烟雾特征描述方法进行梳理,并从颜色、形状等七个角度进行总结;从基于规则和基于学习这两个视角,梳理烟雾识别和决策方法;最后,对于基于深度学习的方法单独进行了阐述。文献通过系统地梳理,凝练出视频烟雾检测近几年取得的进展和尚存在的不足,并对视频烟雾检测发展前景进行展望。结论针对视频烟雾检测的研究一直备受青睐,越来越多性能优秀的检测算法不断涌现。通过对现有研究进行全面梳理和系统分析,期望视频烟雾检测能取得更大的进展并更好地应用于工业领域,为火灾预警提供更有力的保障。; 史劲亭袁非牛袁非牛; 关键词：视频烟雾检测特征提取

从传统到深度:视觉烟雾识别、检测与分割被引量：16: 2019年; 在烟雾检测系统中,采用机器学习的视觉技术暂未广泛替代传感器的主要原因在于其误报与漏报较高。计算力度的提高、存储设备的发展,使得传统视觉技术中存在的问题逐渐得到改善或解决,但也迎来了新的挑战。为反映用于森林火灾预警的烟雾识别、检测等技术的最新研究进展,本文重点对2017—2019年国内外公开发表的相关文献进行梳理和分析。从监控角度出发,基于对此领域的长期研究与广泛文献调研,将利用烟雾的森林火灾预警任务分为烟雾识别、检测、分割这3类不同的粒度,分别介绍实现这些任务的传统方法及深度方法。依照当前研究热度,主要关注视频烟雾检测与分割这两个细粒度任务。其中烟雾区域的粗提取与二次提取方法是检测与分割的关键,因此将探索这些方法如何提取、利用烟雾的动态与静态特征。此外,由于深度学习框架主要实现端对端的任务,无法分离出关键步骤,故对基于深度学习的烟雾监控任务进行单独梳理,不关注单步细节,主要体现文献思路。最后,对实现烟雾识别、检测、分割任务具体方法中的优缺点、烟雾监控任务中常用的指标、研究常用的数据库进行总结,并对发展前景进行展望。为基于烟雾的森林火灾预警技术提供更多的发展方向。; 夏雪袁非牛章琳章琳史劲亭

史劲亭

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

史劲亭

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈