期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于VRML构建虚拟校园场景中纹理映射技术的应用
1
作者
施贵刚
程效军
《微型电脑应用》
2007年第10期36-39,5,共4页
在基于VRML构建的某虚拟校园实践中,纹理映射技术使三维虚拟现实环境达到了良好的逼真效果。在VRML中表面纹理映射技术中主要有纹理元素、纹理坐标系统、纹理映射切割器、纹理贴图的控制。在阐述它们原理过程中,首先分析了纹理坐标系院...
在基于VRML构建的某虚拟校园实践中,纹理映射技术使三维虚拟现实环境达到了良好的逼真效果。在VRML中表面纹理映射技术中主要有纹理元素、纹理坐标系统、纹理映射切割器、纹理贴图的控制。在阐述它们原理过程中,首先分析了纹理坐标系院的建立与纹理映射切割器的形成;其次着重探讨了纹理贴图控制的技术,对纹理映射的实现,纹理坐标的回旋、锁定、变换作了深入的研究。并分别附以丰富的实例且编程实现。最后,以构建某虚拟校园三维场景为实例,验证了纹理映射技术的实用性和优越性,总结了纹理映射的一般步骤和一些实践经验。
展开更多
关键词
VRML
纹理坐标
纹理映射
贴图控制
虚拟校园场景
下载PDF
职称材料
基于单标注样本的多损失学习与联合度量视频行人重识别
2
作者
殷雨昌
王洪元
+2 位作者
陈莉
冯尊登
肖宇
《计算机应用》
CSCD
北大核心
2022年第3期764-769,共6页
为解决行人重识别标注成本巨大的问题,提出了基于单标注样本的多损失学习与联合度量视频行人重识别方法。针对标签样本数量少,得到的模型不够鲁棒的问题,提出了多损失学习(MLL)策略:在每次训练过程中,针对不同的数据,采用不同的损失函...
为解决行人重识别标注成本巨大的问题,提出了基于单标注样本的多损失学习与联合度量视频行人重识别方法。针对标签样本数量少,得到的模型不够鲁棒的问题,提出了多损失学习(MLL)策略:在每次训练过程中,针对不同的数据,采用不同的损失函数进行优化,提高模型的判别力。其次,在标签估计时,提出了一个联合距离度量(JDM),该度量将样本距离和近邻距离结合,进一步提升伪标签预测的精度。JDM改善了无标签数据标签估计的准确率低、未标记的数据没有被充分利用导致训练过程不稳定的问题。实验结果表明,和单标注样本渐进学习方法PL相比,当每次迭代增加的伪标签样本的比率为0.10时,在MARS和DukeMTMC-VideoReID两个数据集上的rank-1准确度达到了65.5%和76.2%,分别提升了7.6和5.2个百分点。
展开更多
关键词
视频行人重识别
单标注样本学习
半监督学习
标签估计
距离度量
下载PDF
职称材料
题名
基于VRML构建虚拟校园场景中纹理映射技术的应用
1
作者
施贵刚
程效军
机构
同济大学测量与国土信息工程系
出处
《微型电脑应用》
2007年第10期36-39,5,共4页
文摘
在基于VRML构建的某虚拟校园实践中,纹理映射技术使三维虚拟现实环境达到了良好的逼真效果。在VRML中表面纹理映射技术中主要有纹理元素、纹理坐标系统、纹理映射切割器、纹理贴图的控制。在阐述它们原理过程中,首先分析了纹理坐标系院的建立与纹理映射切割器的形成;其次着重探讨了纹理贴图控制的技术,对纹理映射的实现,纹理坐标的回旋、锁定、变换作了深入的研究。并分别附以丰富的实例且编程实现。最后,以构建某虚拟校园三维场景为实例,验证了纹理映射技术的实用性和优越性,总结了纹理映射的一般步骤和一些实践经验。
关键词
VRML
纹理坐标
纹理映射
贴图控制
虚拟校园场景
Keywords
VRML
Texture coordinate
Texture mapping
Map control
Virtual campus scene
分类号
TP391.10 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于单标注样本的多损失学习与联合度量视频行人重识别
2
作者
殷雨昌
王洪元
陈莉
冯尊登
肖宇
机构
常州大学计算机与人工智能学院阿里云大数据学院
常州工程职业技术学院
出处
《计算机应用》
CSCD
北大核心
2022年第3期764-769,共6页
基金
国家自然科学基金资助项目(61976028)。
文摘
为解决行人重识别标注成本巨大的问题,提出了基于单标注样本的多损失学习与联合度量视频行人重识别方法。针对标签样本数量少,得到的模型不够鲁棒的问题,提出了多损失学习(MLL)策略:在每次训练过程中,针对不同的数据,采用不同的损失函数进行优化,提高模型的判别力。其次,在标签估计时,提出了一个联合距离度量(JDM),该度量将样本距离和近邻距离结合,进一步提升伪标签预测的精度。JDM改善了无标签数据标签估计的准确率低、未标记的数据没有被充分利用导致训练过程不稳定的问题。实验结果表明,和单标注样本渐进学习方法PL相比,当每次迭代增加的伪标签样本的比率为0.10时,在MARS和DukeMTMC-VideoReID两个数据集上的rank-1准确度达到了65.5%和76.2%,分别提升了7.6和5.2个百分点。
关键词
视频行人重识别
单标注样本学习
半监督学习
标签估计
距离度量
Keywords
video-based person re-identification
one-shot learning
semi-supervised learning
label estimation
distance metric
分类号
TP391.10 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于VRML构建虚拟校园场景中纹理映射技术的应用
施贵刚
程效军
《微型电脑应用》
2007
0
下载PDF
职称材料
2
基于单标注样本的多损失学习与联合度量视频行人重识别
殷雨昌
王洪元
陈莉
冯尊登
肖宇
《计算机应用》
CSCD
北大核心
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部