-
题名基于视差和帧差的图割优化运动目标分割算法
被引量:3
- 1
-
-
作者
朱秋煜
李琦铭
陈岳川
-
机构
上海大学通信与信息工程学院
-
出处
《电视技术》
北大核心
2012年第13期135-139,共5页
-
基金
上海市教委重点学科资助项目(J50104)
-
文摘
提出一种基于视差和帧差的图割优化运动目标分割算法,在运动目标分割过程中,利用能量函数优化方法得到较为准确的区域视差,同时在此基础上将视差和帧差特征采用图割算法的能量函数进行融合,以此提高前景目标分割的准确性。实验结果表明该方法当区域视差的优化受到灰度因素的影响时,利用图割结合视差和帧差特征能够有效地减少视差优化不够准确的区域被检测为前景目标的可能性,同时也能填补大多数帧差分割的空洞,增强了分割结果的稳定性。
-
关键词
目标分割
图割
视差
帧差
-
Keywords
objects segmentation
graph cut
disparity
frame difference
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进多尺度残差网络的行人检测方法
被引量:3
- 2
-
-
作者
孙佩珺
张仲荣
李琦铭
李俊
-
机构
兰州交通大学数理学院
中国科学院海西研究院泉州装备制造研究中心
-
出处
《计算机工程与设计》
北大核心
2023年第3期762-769,共8页
-
基金
泉州市科技计划基金项目(2020C052)
甘肃省科技计划基金项目(20YF3GA013)
甘肃省科技型中小企业技术创新基金项目(20CX9JA128)。
-
文摘
针对行人检测的尺度变化问题,提出一种基于改进多尺度残差网络无锚检测算法(IMSNet)。将Res2Net残差模块中多尺度特征提取融入ResNeXt,将改进后的网络作为主干网络(Res2NeXt*),使主干网络包含不同数量、不同组合的感受野;利用多个较小卷积核等效替代单个较大卷积核,增加网络深度并减少网络参数量;对细化的多尺度卷积特征级联融合做卷积运算,将行人检测简化为中心点和尺度预测任务。实验结果表明,IMSNet对CityPersons和Caltech数据集Reasonable设置分别实现了10.6%和2.6%的平均漏检率,检测每张图像仅需0.28 s。
-
关键词
机器视觉
行人检测
深度学习
尺度变化
多尺度残差网络
特征融合
级联融合
感受野
-
Keywords
machine vision
pedestrian detection
deep learning
scale variation
multi-scale residual network
feature fusion
concatenation
receptive fields
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名移动多媒体广播接收系统单芯片解调器的设计
- 3
-
-
作者
沈晨
朱秋煜
傅双英
李琦铭
-
机构
上海大学通信与信息工程学院
-
出处
《电视技术》
北大核心
2011年第7期4-6,14,共4页
-
文摘
介绍了中国移动多媒体广播(CMMB)的网络体系和接收系统。针对CMMB的传输技术STiMi的特点,提出了一种适合CMMB接收系统的基于单芯片解调器的设计方案,对芯片的总体设计思路和主要模块进行了描述。
-
关键词
中国移动多媒体广播
接收系统
单芯片
解调器
-
Keywords
CMMB
receiving system
single chip
demodulator chip
-
分类号
TN948
[电子电信—信号与信息处理]
-
-
题名基于自校准卷积网络的行人检测方法
- 4
-
-
作者
强华
李琦铭
周勇军
高骁
李波
李俊
-
机构
中国科学院福建物质结构研究所泉州装备制造研究所
中北大学电气与控制工程学院
闽南科技大学
九江武警总队
-
出处
《计算机工程与设计》
北大核心
2022年第4期1008-1015,共8页
-
基金
福建省自然科学基金青年创新基金项目(2020J05083)。
-
文摘
针对已有行人检测算法存在的小尺度行人信息描述不充分的问题,提出一种基于自校准卷积网络的行人检测算法。通过将CSP算法的主干网络更换为SCNet自校准卷积网络,有效扩大了网络的感受野范围;将主干网络的低层特征像素信息和高层特征语义信息进行融合,有效促进小尺度行人的检测;对精细的多尺度卷积特征进行多层连接,将行人检测简化为直接的中心和尺度预测任务。实验结果表明,所提算法在数据集CityPersons和Caltech上的平均漏检率为10.97%和4.3%。算法可以增强小尺度行人的信息描述能力,在检测速度方面也有一定的优势。
-
关键词
行人检测
深度学习
自校准卷积网络
检测器头部
特征融合
-
Keywords
pedestrian detection
deep learning
self-calibration convolution network
detection head
feature fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-