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
基于二阶有效通道注意力网络的无约束人脸表情识别
被引量:
1
1
作者
周睿丽
钟福金
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2022年第5期792-802,共11页
现有基于卷积神经网络的无约束人脸表情识别方法侧重于网络结构的设计,对网络学习到的通道间深层特征相关性的研究较少,没有充分利用神经网络提取表达力较强的特征。为解决此问题,设计了一种基于二阶有效通道注意力网络(second-order ef...
现有基于卷积神经网络的无约束人脸表情识别方法侧重于网络结构的设计,对网络学习到的通道间深层特征相关性的研究较少,没有充分利用神经网络提取表达力较强的特征。为解决此问题,设计了一种基于二阶有效通道注意力网络(second-order efficient channel attention network,SECA-Net)的无约束人脸表情识别方法。该方法采用轻量级的网络提取表情图像的深层特征,使用二阶有效通道注意力模块统计深层特征的二阶信息并捕捉跨通道特征间的依赖关系来自适应地缩放通道特征,进而获得更具判别力的表情特征。SECA-Net利用Softmax损失和中心损失联合优化模型进行表情分类,该模块具有较少的参数量、较低的显存需求和计算量,并且没有使用额外的数据预训练模型。同时,所提出的模块还能提取到人脸表情微小变化的局部特征。在RAF-DB和FER-2013无约束人脸表情数据集上的实验结果表明,提出的方法是有效的。
展开更多
关键词
人脸表情识别
无约束环境
卷积神经网络(CNN)
二阶
有效
通道
注意力
下载PDF
职称材料
基于深度学习的快速长时视觉跟踪算法
2
作者
侯志强
马靖媛
+3 位作者
韩若雪
马素刚
余旺盛
范九伦
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024年第8期2391-2403,共13页
在目标尺寸变化、遮挡和出视场等复杂长时视觉跟踪环境下,现有基于深度学习的视觉跟踪算法很难对目标进行实时准确的跟踪。针对该问题,提出一种快速的长时视觉跟踪算法,该算法由一个快速短时视觉跟踪算法和一个快速全局重检测模块组成...
在目标尺寸变化、遮挡和出视场等复杂长时视觉跟踪环境下,现有基于深度学习的视觉跟踪算法很难对目标进行实时准确的跟踪。针对该问题,提出一种快速的长时视觉跟踪算法,该算法由一个快速短时视觉跟踪算法和一个快速全局重检测模块组成。在基准算法SiamRPN中加入二阶通道与区域空间融合的注意力模块作为短时视觉跟踪算法,在保证快速性的同时,提高算法的短时视觉跟踪精确度和成功率;为使改进后的短时视觉跟踪算法具有快速的长时视觉跟踪能力,在算法中加入提出的基于模板匹配的全局重检测模块,该模块使用轻量级网络和快速的相似度判断方法,加快重检测速率。在OTB100、LaSOT、UAV20L、VOT2018-LT、VOT2020-LT等5个数据集上进行测试,实验结果表明,所提算法在长时视觉跟踪中具有优越的跟踪性能,平均速度达104帧/s。
展开更多
关键词
长时视觉跟踪
深度学习
二阶通道注意力
区域空间
注意力
全局重检测
下载PDF
职称材料
题名
基于二阶有效通道注意力网络的无约束人脸表情识别
被引量:
1
1
作者
周睿丽
钟福金
机构
重庆邮电大学计算机科学与技术学院
重庆邮电大学计算智能重庆市重点实验室
出处
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2022年第5期792-802,共11页
基金
国家自然科学基金(61876027,61751312)
重庆市基础科学与前沿技术研究项目(cstc2017jcyjAX0406)。
文摘
现有基于卷积神经网络的无约束人脸表情识别方法侧重于网络结构的设计,对网络学习到的通道间深层特征相关性的研究较少,没有充分利用神经网络提取表达力较强的特征。为解决此问题,设计了一种基于二阶有效通道注意力网络(second-order efficient channel attention network,SECA-Net)的无约束人脸表情识别方法。该方法采用轻量级的网络提取表情图像的深层特征,使用二阶有效通道注意力模块统计深层特征的二阶信息并捕捉跨通道特征间的依赖关系来自适应地缩放通道特征,进而获得更具判别力的表情特征。SECA-Net利用Softmax损失和中心损失联合优化模型进行表情分类,该模块具有较少的参数量、较低的显存需求和计算量,并且没有使用额外的数据预训练模型。同时,所提出的模块还能提取到人脸表情微小变化的局部特征。在RAF-DB和FER-2013无约束人脸表情数据集上的实验结果表明,提出的方法是有效的。
关键词
人脸表情识别
无约束环境
卷积神经网络(CNN)
二阶
有效
通道
注意力
Keywords
facial expression recognition
unconstrained environments
convolutional neural network(CNN)
second-order efficient channel attention
分类号
TN929 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于深度学习的快速长时视觉跟踪算法
2
作者
侯志强
马靖媛
韩若雪
马素刚
余旺盛
范九伦
机构
西安邮电大学计算机学院
西安邮电大学陕西省网络数据分析与智能处理重点实验室
空军工程大学信息与导航学院
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024年第8期2391-2403,共13页
基金
国家自然科学基金(62072370)。
文摘
在目标尺寸变化、遮挡和出视场等复杂长时视觉跟踪环境下,现有基于深度学习的视觉跟踪算法很难对目标进行实时准确的跟踪。针对该问题,提出一种快速的长时视觉跟踪算法,该算法由一个快速短时视觉跟踪算法和一个快速全局重检测模块组成。在基准算法SiamRPN中加入二阶通道与区域空间融合的注意力模块作为短时视觉跟踪算法,在保证快速性的同时,提高算法的短时视觉跟踪精确度和成功率;为使改进后的短时视觉跟踪算法具有快速的长时视觉跟踪能力,在算法中加入提出的基于模板匹配的全局重检测模块,该模块使用轻量级网络和快速的相似度判断方法,加快重检测速率。在OTB100、LaSOT、UAV20L、VOT2018-LT、VOT2020-LT等5个数据集上进行测试,实验结果表明,所提算法在长时视觉跟踪中具有优越的跟踪性能,平均速度达104帧/s。
关键词
长时视觉跟踪
深度学习
二阶通道注意力
区域空间
注意力
全局重检测
Keywords
long-term visual tracking
deep learning
second-order channel attention
regional spatial attention
global re-detection
分类号
TP391.4 [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
基于二阶有效通道注意力网络的无约束人脸表情识别
周睿丽
钟福金
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2022
1
下载PDF
职称材料
2
基于深度学习的快速长时视觉跟踪算法
侯志强
马靖媛
韩若雪
马素刚
余旺盛
范九伦
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024
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