结合对象属性识别的图像场景图生成方法研究

场景图生成在视觉场景深度理解任务中发挥着重要的作用。现有的场景图生成方法主要关注场景中对象的位置、类别以及对象之间的关系,而忽略了对象属性蕴含的丰富场景语义信息。为了将图像属性语义融入场景图,提出了一种结合对象属性识别的图像场景图生成方法。首先针对属性识别的多标签分类问题,提出了一种基于混合分类器的属性分类损失函数来进行属性识别,通过结合二值交叉熵函数训练的二分类器和改进的团组交叉熵函数训练的多分类器来实现单个属性分类的查准率和多个属性预测的查全率全面提升。其次,通过将属性识别分支与原有场景图框架进行融合,将提取的属性信息作为额外的上下文语义与对象特征进行融合后辅助对象之间关系的识别。最后,模型在VG150数据集上与多个基准模型进行了对比实验,结果表明所提模型的对象属性预测和关系识别均取得了更优的结果。

基于图像与航迹信息融合的目标属性识别方法

针对单一雷达传感器目标属性识别能力低的问题,提出基于D-S证据理论的雷达航迹与光电图像信息融合的目标属性识别方法,对光电图像和雷达航迹特征分别使用ResNet网络和XGBoost网络进行目标属性识别,将得到的类别概率赋值通过D-S组合规则融合得到最终的目标属性识别结果。实验研究表明:无论是在远距离或近距离目标属性识别能力上,融合后模型的识别能力均比融合前单一模型的识别能力强,且融合后的模型能够矫正因为单一模型识别错误而导致最终识别结果错误的问题,融合后的模型在测试集上各类别的平均召回率比光电图像分类模型提高了3%,比雷达航迹分类模型提高了10%,融合后模型的平均召回率为95%。

基于LOFUnet深度卷积神经网络低序级断层多属性识别方法

低序级断层控制圈闭及油气富集,对油气勘探开发具有重要的意义。但其识别描述难度大、效率低,严重制约了该类油藏的勘探开发进程。随着人工智能的发展,深度学习为低序级断层识别提供了新的途径。这里在样本集构建及方法上都有创新之处:建立了同相轴错动、扭动、微扭动地震响应特征的低序级断层样本集,为智能识别奠定了良好的样本库;LOFUnet网络是在UNet基础上进行的改进,可以获取样本中更多低序级断层信息的特征。笔者通过方差属性、倾角属性和振幅属性融合获得新的断层体,用构建的LOFUnet网络进行低序级断层识别。网络通过残差块构建编码器端可以获取更多的低序级断层特征,解决梯度消失问题,提高模型的收敛速度,增强模型的稳定性以及低序级断层检测的精度和效率。选用正演模拟数据和实际地震数据分别对UNet模型、LOFUnet模型进行测试,结果表明,基于LOFUnet深度卷积神经网络低序级断层多属性识别方法提取的信息更加丰富,提高了低序级断层识别的准确度。

基于属性识别-组合赋权的大坝变形安全综合评价方法

针对大坝变形安全评价中的多属性有序分割问题,综合考虑最小代价原则、置信度准则与级别特征值,提出基于属性识别-组合赋权的大坝变形安全综合评价方法。根据大坝变形特点与成因,选取裂缝开合度、垂直位移和水平位移作为大坝变形的安全评价指标,运用K-S检验法确定评价指标数学分布,基于典型小概率法与3σ原则拟定安全监控指标,进一步应用层次分析法和熵权法分别确定评价指标的主客观权重,基于改进博弈论融合主客观权重,实现属性识别理论框架下的大坝变形安全综合评价。以工程实例检验该综合评价方法,并与工程实际情况、集对分析法进行对比,结果表明该方法具有较好的可行性与适用性。

基于图卷积神经网络的人脸属性识别

人脸图像的多属性识别和多标签之间的依赖性建模研究,是计算机视觉和机器学习领域备受关注的研究课题。为借助多标签间的依赖关系提升识别效率,提出了一种基于图卷积神经网络的多标签人脸属性识别模型。该模型通过数据驱动的方式构建人脸属性间的有向图,并由图卷积神经网络将每个属性映射到对应属性分类器,以此对类别间的依赖关系进行建模。模型对图卷积神经网络中的相关矩阵和特征矩阵等关键元素进行了深入分析,使其能够胜任多标签人脸属性识别问题。实验结果表明,该模型在多标签人脸属性识别权威数据集CelebA上表现良好并能保持有意义的语义结构。

监控场景下基于单帧与视频数据的行人属性识别方法综述及展望

行人属性识别旨在判断目标行人的预定义属性标签,从而生成关于该行人的结构化描述,包括年龄、性别、衣着、配饰等多种层次的语义信息.由于行人属性识别在视频监控领域具有极大的应用潜力,该任务广受研究者关注.随着深度学习的快速发展,研究者提出众多识别行人属性的方法,以获得更为精准的识别结果.针对当前复杂场景下,该任务面临的监控画面不清晰、行人状态变化、遮挡等问题,对监控场景下基于单帧与视频数据的行人属性识别方法进行综述,首先围绕行人属性识别这一任务,介绍其研究背景及任务概念,指出当前研究所面临的问题与挑战;其次根据“单帧图像”和基于视频数据的“序列图像”2种不同的样本类型,对行人属性识别方法进行分类,并依据属性识别过程中所采用的技巧和思路,归纳总结最新提出的行人属性识别方法,概述研究现状;再对当前主流使用的数据集进行分析比较,总结其特点;最后,从状态引导行人属性识别、立体属性、多任务融合、新数据集构建4个方面,思考该领域的未来发展方向并作出展望.

基于AL-Transformer的铁路客运站旅客属性识别方法

随着铁路运力的不断提升,旅客在铁路客运站内候车的频次和时间也在不断增加,为主动挖掘候车旅客的个性化需求,提出一种基于AL-Transformer(Attribute Localization-Transformer)模型的铁路客运站旅客属性识别方法。AL-Transformer模型基于Swin Transformer主干网络提取进站旅客的结构化信息,通过掩码对比学习(MCL,Mask Contrast Learning)框架抑制特征区域相关性,获取到更有辨识度的属性区域;通过属性空间记忆(ASM,Attribute Spatial Memory)模块选取更加可靠、稳定的属性相关区域。在中国铁路兰州局集团有限公司白银南站试用的效果表明,该方法可有效识别旅客属性,为客运站工作人员推送更有针对性的信息,提升客运站的旅客服务质量,保障旅客候车安全。

基于属性识别理论的四川县域城乡融合发展耦合协调关系研究

四川既是我国县域数量最多、县域发展情况复杂的省域,也是全国加快推动城乡融合发展的重难点区域。基于属性识别理论从经济、社会、空间3个融合属性构建四川县域城乡融合发展的指标评价体系,采用组合权重-TOPSIS法与耦合协调度模型,以2021年为研究时点,测度出四川省各县域的城乡融合发展水平以及其耦合协调关系。结果显示:四川县域城乡融合发展水平差距显著、两极分化严重,区域城乡融合发展水平在0.8~1.6水平的县域数量最多、分布最广;四川县域城乡融合发展的耦合协调度水平比较高,136个县域达到高级协调及以上水平,但部分县域也存在低水平高耦合现象。总体上看,四川县域城乡融合发展的不平衡不充分问题严重,建议从以县域为切入点和推进乡村全面振兴两个方面着手促进县域城乡融合发展。

基于改进YOLOv5的车辆多属性识别

车辆的多属性识别可以用于交通监控和智能卡口,对交通管理意义重大,为了提高在交通监控场景下车辆检测定位的准确性和可靠性,提出一种在YOLOv5算法的基础上加入注意力机制模块的方法,以增强网络提取特征的能力,将车辆的品牌、颜色和车型三种属性进行融合训练,充分考虑到属性之间的相关性。数据集使用网络公开的Cars Dataset,并对数据集进行扩充和预处理操作。实验结果表明,基于改进的YOLOv5模型,识别精度达到95.71%,比原始的YOLOv5模型检测精度提高2.61%,在保证检测速度的同时,有更高的识别准确率,可以满足视频实时性的要求。

基于熵权属性识别理论的城市埋地燃气输配管网事故可能性评估

在肯特法的基础上,结合城市埋地燃气管网安全风险特点,从设计与施工、腐蚀、第三方破坏、管理4个因素出发建立了事故可能性评估指标体系;为克服评估指标权重确定的主观偏向性,利用炳权理论客观的确定评估指标的摘权系数,同时,结合属性识别理论,建立了城市埋地燃气输配管网事故可能性评估模型;以某地区六段管道的数据为例,利用熵权理论计算了各评估指标的权重,依次计算了各管道各指标的属性测度和各管道的综合属性测度,并利用置信度准则对综合测度结果进行了置信度识别。研究结果表明:熵权属性识别理论模型能够有效应用于城市燃气管网事故可能性评估问题。

联合全局与局部外观特征的无人机行人属性识别

针对无人机航拍图像下行人属性识别任务特征提取效率低问题,提出一种联合全局与局部外观特征学习的行人属性识别算法。首先为了提升算法的局部区域定位能力,提出一种新颖的基于注意力的属性定位模块,模块通过矩阵乘法来建模不同通道间的空间依赖关系,并利用全局平均池化产生的特征进一步增强提取到的局部区域信息,实现了更好的局部特征表达能力;其次,为了防止生成的局部区域信息出现冗余,设计一种注意力多样性损失,通过最小化特征通道的相似性来约束各个局部区域互不重叠;最后,在两个公开的行人属性识别数据集上的实验结果表明,上述设计可以有效提高属性识别准确率并且参数量仅轻微增加。

非煤系地层隧道瓦斯突出风险属性识别体系

非煤系地层瓦斯产生源相对难以确定,瓦斯释放具有随机性、不均匀性的特点,使瓦斯突出的防治更加困难。基于属性识别理论建立了非煤系地层隧道瓦斯突出的风险评价体系。根据典型性和可操作性原则,选取8个因素作为非煤地层瓦斯突出的风险评价指标,构造属性测度函数计算评价指标的属性测度,采用模糊层次分析法确定评价指标的权重,再根据计算得到的多指标综合属性测度,应用置信度准则对隧道的瓦斯突出风险进行识别。运用所提出的属性评估系统对某隧道施工前的瓦斯突出风险进行了评价,评价结果与实际情况的一致性验证了所建立的风险评价体系的适用性。该评价体系对非煤层隧道瓦斯突出的风险评估及灾害防治具有重要意义。

基于属性识别模型的铜仁市空气质量评价

为行政部门有效治理城市环境和生态保护,科学客观评价空气质量极为重要。本研究以铜仁市为对象,统计分析了2015-2020年铜仁市空气污染物变化动态特征,同时利用属性识别模型综合评价了铜仁市空气质量水平。研究结果表明:1)铜仁市主要污染物是PM_(2.5)、PM_(10)和O_(3),其污染程度为PM_(2.5)>PM_(10)≈O_(3),PM_(2.5)和PM_(10)浓度水平处于Ⅱ级标准,PM_(2.5)在冬季处于不达标水平,PM_(10)于2020年达Ⅰ级以下标准,有显著好转,O_(3)浓度2016年以来显著增加,存在污染风险。2)铜仁市近几年空气综合质量均为Ⅰ级标准,但空气质量综合水平呈下降趋势,主要原因在于PM_(2.5)作为首要的空气污染物,污染水平一直没有得到有效控制。此外,O_(3)污染程度风险增加。因此,PM_(2.5)和O_(3)是以后污染物控制的重点。

结合语义与图像信息的行人属性识别算法

为提升行人属性的识别精度,充分利用行人属性间自然语义关联并解决不同属性相关图像信息的提取差问题,提出结合语义与图像信息的行人属性识别算法。通过自注意力机制的关系建模能力挖掘行人属性间的内在联系,利用交叉注意力机制建立属性间语义信息与图像特征信息的关系。在此基础上,依靠卷积融合图像的高阶与低阶特征并为模块增加局部特征信息,提升模型的泛化能力,通过设计属性预测模块,使模型可与任意骨干网络相拼接,进一步提升识别性能。实验结果显示,该算法的平均精度、准确率、F1值在PA-100K和PETA数据集上分别为84.04%、79.71%、88.03%和89.04%、82.39%、89.06%,与ALM、JLAC等算法相比,能够充分利用属性语义与图像特征信息,在多项评价指标上有明显提升。

结合特征融合和任务分组的人脸属性识别

针对现有人脸属性识别模型存在的特征提取不足、划分属性组时未充分考虑属性相关性强弱等问题,为了实现对多个人脸属性的同时识别,建立一种结合特征融合和任务分组的人脸属性识别模型。在参数共享部分,通过多尺度特征融合模块将不同尺度的特征进行融合增强特征相关性,同时设计基于中心核对齐和谱聚类的属性分组策略进行属性识别,通过中心核对齐方法度量属性的相关程度,并以此为基础使用谱聚类算法得到属性的合理分组,使同一组内的属性相关性尽可能大,提高属性识别准确率。在分支部分,使用注意力机制加强对目标区域的关注,并通过不确定性加权方法表示任务间的相对难度,自动调整每组任务损失之间的相对权重,进一步优化模型性能。在CelebA公开数据集上的实验结果表明,所提模型的分类准确率相较于MOON、GNAS和DMM-CNN模型提升了0.78、0.09和0.02个百分点,参数量仅为上述对比模型的1.10%、17.08%和0.37%。

基于HSA注意力模块和关联规则的行人属性识别算法

针对先前研究工作对行人属性相关性分析不足和行人图像中细粒度属性特征难以捕获的问题,首先基于关联规则寻找属性之间的相关性,然后根据相关性改变网络结构,提升有较强相关性属性的准确率并嵌入改进的HSA(hierarchy split attention)注意力模块,将特征图中的潜在信息进行深度挖掘.HSA注意力模块将特征图进行分组和在子特征图之间增加通道交互操作,整合后的特征图输入挤压激励(squeeze and excitation,SE)模块中,提取图像在通道上的信息.在PA100K、Market-1501和PETA数据集上的实验结果表明,本算法的精确率、召回率、F1值与其他算法相当,但是准确率有较大提升.

基于属性识别理论的隧道突涌水危险性评价

岩溶突水是隧道建设面临的主要地质灾害问题,在西南地区尤为严重,为确保隧道修建顺利,实现对其的专项突涌水危险性评估,依托西南地区某隧道工程实际,结合突涌水致灾因素的统计分析成果,根据该隧道工程的水文地质情况,以围岩分级、岩石可溶性、地质构造、地形地貌等参数作为一级评价指标及其相关表征参数作为二级指标,并采用层次分析法确定对应指标的权重,建立了基于属性识别理论的隧道突涌水危险性评价模型,通过进行单指标属性测度分析、多指标属性测度分析和属性识别,实现了对该隧道突涌水的危险性评估。评估结果可为后续设计排水及施工进度安排提供理论支持。

属性识别法在装配式建筑施工中的风险评价

根据装配式建筑施工安全风险评估具有复杂性和模糊性的特点,引入属性识别模型,建立了组合赋权—属性识别的综合评价模型。首先,基于装配式建筑施工的特点,从“人、机、料、法、环”等5个方面,选取了24个因素构建了装配式建筑施工安全风险综合评价指标体系,并对指标进行了等级划分;其次,采用层次分析法,根据指标分级情况构建单指标属性测度函数,并计算综合属性测度,基于属性识别准则判断风险等级。结果表明:该模型评估结果合理,与实际情况相符,验证了属性识别模型在装配式建筑安全风险评估方面的适应性,为评估工作提供了思路和理论遵循。

基于残差注意和非对称损失的行人属性识别

针对目前行人属性识别存在着复杂样本识别精度较低和属性数据集中属性分布不平衡的问题,本文提出一种基于残差注意的行人属性识别网络。该网络采用Resnet50作为骨干网络提取出具有语义信息的行人属性特征,并采用属性类别残差注意网络结构关注属性存在的关键区域且挖掘不同属性类别之间的内部联系。同时采用归一化和非对称的加权损失策略降低行人属性样本分布不平衡的影响,加快模型收敛速度并提高属性识别精度。在行人属性公共数据集PETA和PA100K上进行实验,实验结果表明,该方法在公共数据集PETA上获得的平均识别精度为87.32%,在公共数据集PA100K上可以获得79.75%的识别精度,与其他行人属性识别方法相比具有明显优势。

基于属性识别理论的降雨诱发尾矿坝失稳动态评价模型研究

考虑到不同降雨条件对尾矿库坝体稳定性影响的差异性,为提高尾矿库坝体稳定性评估的可靠性和准确度,引入属性识别理论,建立了不同降雨条件下尾矿库坝体稳定性动态评估模型。首先,从工程、管理、地质、降雨4个方面选取了13个典型指标,构建了尾矿库坝体稳定性综合评价指标体系,并确定了指标分级标准;其次,应用G1法确定了5种降雨条件下的动态指标权重,根据指标分级情况建立了单指标属性测度函数,并计算综合属性测度值,基于属性识别准则评估稳定性等级;最后,以广东省云浮市某尾矿库为例,运用所建立的综合评价模型进行尾矿库坝体稳定性动态评估。结果显示:随着降雨强度增大,各指标权重呈现非线性动态变化特征,尾矿坝稳定性等级也随之降低,数学评价模型与专家讨论结论相一致,表明建立的动态评价模型可适应于尾矿坝稳定性评价。