熊永平
- 作品数：2 被引量：1H指数：1
- 供职机构：北京邮电大学网络技术研究院更多>>
- 发文基金：国家电网公司科技项目国家重点基础研究发展计划国家科技重大专项更多>>
- 相关领域：自动化与计算机技术更多>>
- 融合边缘语义信息的单目深度估计被引量：1
- 2022年
- 单目深度估计研究是许多视觉任务的基础,从图像中得到边缘清晰,细节丰富的深度图对于后续任务具有重要的作用。针对当前单目深度估计模型中不能深度融合图像语义信息以及不能较好地利用图像对象的边缘信息问题,首先构建了超像素拓扑关系图,使用图神经网络提取局部边缘信息之间的相互关系,得到以超像素为节点的拓扑关系图,其次构建了基于编解码结构的深度估计与语义分割的联合模型,通过优化联合目标函数,使模型能够融合边缘语义信息,从而提高模型提取局部结构信息的能力。通过在NYU-Depth V2数据集中进行实验验证,结果表明模型能够构建细节丰富边缘清晰的深度图,提高了单目深度视觉估计的质量,与其他模型相比,该模型具有一定的优越性。
- 张玉亮赵智龙付炜平刘洪吉熊永平尹子会
- 基于混合高斯分布的传感器网络主观信任模型
- 2012年
- 在传感器网络中,节点可信度常受到节点性能和环境的影响而呈现周期性变化,针对现有信任模型对这种情况的动态适应性不足,提出了一种基于混合高斯分布的传感器网络主观信任模型(MGSRM).该模型通过建立多个高斯分布函数对应被评价节点的多个可信度"状态",提高了信任值计算的动态适应能力.使用当前信任值和综合信任值分别评测被评价节点的短期行为和长期行为,具有针对性和实用性.仿真分析表明,与已有信任模型相比,MGSRM模型在准确性、动态适应能力和学习记忆能力等方面具有优势.
- 巩思亮邢涛熊永平马建
- 关键词：传感器网络主观信任模型混合高斯分布
