公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于局部细化多分支与全局特征共享的无监督行人重识别方法被引量：2: 2023年; 无监督行人重识别因其在真实监控场景中具备良好的可扩展性而备受关注。现有的无监督行人重识别方法主要通过基础骨干网络获取粗略的全局特征来训练网络,很少利用局部细化分支与全局特征共享来形成更具有鉴别性的特征描述符。本文提出一种基于局部细化多分支与全局特征共享的特征提取网络,该网络融合了粗略的全局特征和局部细化分支中的细腻特征来获取行人多样化的特征表达。另外,为了提升分支网络对潜在关键区域信息的捕获能力,在分支操作前放置通道细化信息融合的注意力块来增强网络对行人特征的关注力度,执行细化特征的专注学习。通过在Market-1501、DukeMTMC-reID和MSMT17数据集上的实验结果验证了所提方法的有效性,平均精度(mAP)分别提升了4.4%、3.2%、6.4%,其中在Market-1501数据集上的平均精度达到了83.3%。; 钱亚萍王凤随熊磊

联合实例深度的多尺度单目3D目标检测算法被引量：2: 2023年; 针对单目3D目标检测算法中存在图像缺乏深度信息以及检测精度不佳的问题,提出一种联合实例深度的多尺度单目3D目标检测算法。首先,为了增强模型对不同尺度目标的处理能力,设计基于空洞卷积的多尺度感知模块,同时考虑到不同尺度特征图之间的不一致性,从空间和通道两个方向对包含多尺度信息的深度特征进行重新精炼。其次,为了使模型获得更好的3D感知,将实例深度信息作为辅助学习任务来增强3D目标的空间深度特征,并使用稀疏实例深度来监督该辅助任务。最后,在KITTI测试集以及评估集上对所提算法进行验证。实验结果表明,所提算法相较于基线算法在汽车类别的平均精度提升了5.27%,有效提升了单目3D目标检测算法的检测性能。; 王凤随熊磊熊磊; 关键词：多尺度

基于特征融合的自适应多尺度无锚框目标检测算法被引量：3: 2022年; 为了提高CenterNet无锚框目标检测网络的目标检测能力,提出一种基于注意力特征融合和多尺度特征提取网络的改进CenterNet目标检测网络。首先,为了提升网络对多尺度目标的表达能力,设计了自适应多尺度特征提取网络,利用空洞卷积对特征图进行重采样获取多尺度特征信息,并在空间维度上进行融合;其次,为了更好地融合语义和尺度不一致的特征,提出了一种基于通道局部注意力的特征融合模块,自适应地学习浅层特征和深层特征之间的融合权重,保留不同感受域的关键特征信息。最后,通过在VOC 2007测试集上对本文算法进行验证,实验结果表明,最终算法的检测精度达到80.94%,相较于基线算法CenterNet提升了3.82%,有效提升了无锚框目标检测算法的最终性能。; 熊磊熊磊钱亚萍; 关键词：目标检测

基于不规则四面体的矿床三维体视化模型被引量：5: 2006年; 根据插值得到的矿床规则体数据的品位空间分布,将体数据分为若干段.对不同品位段内部进行三维Delaunay划分并抽取其表面,形成了以不规则四面体为体元的体模型.把各品位段模型进行整合,实现对矿床的仿真.用“局部建模,整合显示”的思想解决了绘制速度和细节表现的矛盾,给出了体模型的矿床储量计算方法.整个模型用OOA分析,建立了模型的基础类数据结构,有良好的应用性和扩展性.; 熊磊杨鹏李贺英; 关键词：体视化

联合特征细化和耐噪声对比学习的无监督行人重识别: 2023年; 针对无监督行人重识别(person re-identification,ReID)中行人特征表达不充分以及聚类过程产生噪声标签的问题,提出一种联合特征细化和耐噪声对比学习的无监督ReID方法。首先,为丰富无标记的行人表征,设计了非局部通道细化模块(non-local channel refinement module,NCRM)对关键特征信息进行加权强化,其融合了非局部通道的重要特征来捕获无标记数据的类间区别表征,形成更具有鉴别度的特征描述符。其次,考虑到特征的充分表达,采用广义均值(generalized mean,GEM)池化自适应调整参数来增强不同细粒度区域信息的提取能力。再次,为了减轻噪声标签对网络的负面影响,设计了耐噪声的动态对比均衡(dynamic contrastive equilibrium,DCE)损失函数进行无监督联合学习。最终,在两个公共数据集上的实验结果验证了所提方法的有效性和先进性,mAP分别达到了83.1%和71.9%,优于其他先进方法。; 钱亚萍王凤随熊磊熊磊

全选清除导出

共1页<1>

熊磊