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
复杂场景下结合SIFT与核稀疏表示的交通目标分类识别
被引量:
9
1
作者
王瑞
杜林峰
+1 位作者
孙督
万旺根
《电子学报》
EI
CAS
CSCD
北大核心
2014年第11期2129-2134,共6页
针对复杂场景下的交通目标分类识别难点,提出一种基于尺度不变特征转换(SIFT)与核稀疏表示的分类识别算法.该算法首先利用SIFT分别提取训练样本和待测目标局部特征信息,通过核方法将特征样本映射到核空间,构建过完备字典,最后通过待测...
针对复杂场景下的交通目标分类识别难点,提出一种基于尺度不变特征转换(SIFT)与核稀疏表示的分类识别算法.该算法首先利用SIFT分别提取训练样本和待测目标局部特征信息,通过核方法将特征样本映射到核空间,构建过完备字典,最后通过待测目标在字典中的稀疏度与重构误差对交通目标类别进行判定.同时,分析了随机投影下的核稀疏表示分类与特征维数之间的关系.实验结果表明,与SVM、稀疏表示分类(SRC)相比,该方法增强了交通目标特征层的类判别能力,具有较好的识别率和鲁棒性.
展开更多
关键词
核稀疏表示
尺度不变特征转换
交通目标识别
压缩感知
随机投影
下载PDF
职称材料
基于无监督深度估计的带雾图像生成方法
2
作者
王向军
刘灵皓
+1 位作者
倪育博
王霖
《Journal of Measurement Science and Instrumentation》
CAS
CSCD
2021年第1期44-52,共9页
基于卷积神经网络的雾霾环境视觉目标检测,通常直接利用无雾条件下清晰的数据集对网络进行训练,网络无法通过训练集获取雾霾图像下目标的特征权重配置,因而检测效果不佳。为了提高雾霾环境下目标检测效果,从数据集构建角度入手,提出了...
基于卷积神经网络的雾霾环境视觉目标检测,通常直接利用无雾条件下清晰的数据集对网络进行训练,网络无法通过训练集获取雾霾图像下目标的特征权重配置,因而检测效果不佳。为了提高雾霾环境下目标检测效果,从数据集构建角度入手,提出了一种在无雾图像上生成带雾图像的方法。首先以KITTI-objection数据集作为原始无雾图像,利用改进的Monodepth无监督深度估计方法生成原始图像的深度图像。然后构造几何先验深度模板,以图像熵为权值与深度图进行融合,并根据大气散射模型,由深度图像得到雾图像。最后,采用基于二阶的Faster-RCNN和基于一阶的YOLOv4两种典型的目标检测架构,对原始数据集、雾数据集、混合数据集进行训练,并对室外自然雾霾场景数据集RESIDE-OTS进行检测。实验结果表明,使用混合数据集训练下的模型检测效果最好,在YOLOv4模型下mAP值提升了5.6%,在Faster R-CNN网络下mAP值提升了5.0%,从而有效提升了雾霾环境下卷积神经网络的目标识别能力。
展开更多
关键词
交通目标识别
雾霾图像生成
无监督深度估计
YOLOv4模型
Faster
R-CNN
下载PDF
职称材料
题名
复杂场景下结合SIFT与核稀疏表示的交通目标分类识别
被引量:
9
1
作者
王瑞
杜林峰
孙督
万旺根
机构
上海大学通信与信息工程学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2014年第11期2129-2134,共6页
基金
国家自然科学基金(No.61301027
No.61375015
No.11274226)
文摘
针对复杂场景下的交通目标分类识别难点,提出一种基于尺度不变特征转换(SIFT)与核稀疏表示的分类识别算法.该算法首先利用SIFT分别提取训练样本和待测目标局部特征信息,通过核方法将特征样本映射到核空间,构建过完备字典,最后通过待测目标在字典中的稀疏度与重构误差对交通目标类别进行判定.同时,分析了随机投影下的核稀疏表示分类与特征维数之间的关系.实验结果表明,与SVM、稀疏表示分类(SRC)相比,该方法增强了交通目标特征层的类判别能力,具有较好的识别率和鲁棒性.
关键词
核稀疏表示
尺度不变特征转换
交通目标识别
压缩感知
随机投影
Keywords
kernel sparse representation
scale-invariant feature transform(SIFT)
traffic object recognition
compressive sensing
random projection.
分类号
TN911.23 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于无监督深度估计的带雾图像生成方法
2
作者
王向军
刘灵皓
倪育博
王霖
机构
天津大学精密测试技术及仪器国家重点实验室
天津大学微光机电系统技术教育部重点实验室
出处
《Journal of Measurement Science and Instrumentation》
CAS
CSCD
2021年第1期44-52,共9页
文摘
基于卷积神经网络的雾霾环境视觉目标检测,通常直接利用无雾条件下清晰的数据集对网络进行训练,网络无法通过训练集获取雾霾图像下目标的特征权重配置,因而检测效果不佳。为了提高雾霾环境下目标检测效果,从数据集构建角度入手,提出了一种在无雾图像上生成带雾图像的方法。首先以KITTI-objection数据集作为原始无雾图像,利用改进的Monodepth无监督深度估计方法生成原始图像的深度图像。然后构造几何先验深度模板,以图像熵为权值与深度图进行融合,并根据大气散射模型,由深度图像得到雾图像。最后,采用基于二阶的Faster-RCNN和基于一阶的YOLOv4两种典型的目标检测架构,对原始数据集、雾数据集、混合数据集进行训练,并对室外自然雾霾场景数据集RESIDE-OTS进行检测。实验结果表明,使用混合数据集训练下的模型检测效果最好,在YOLOv4模型下mAP值提升了5.6%,在Faster R-CNN网络下mAP值提升了5.0%,从而有效提升了雾霾环境下卷积神经网络的目标识别能力。
关键词
交通目标识别
雾霾图像生成
无监督深度估计
YOLOv4模型
Faster
R-CNN
Keywords
traffic object detection
foggy images generation
unsupervised depth estimation
YOLOv4 model
Faster region-based convolutional neural network(Faster-RCNN)
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
复杂场景下结合SIFT与核稀疏表示的交通目标分类识别
王瑞
杜林峰
孙督
万旺根
《电子学报》
EI
CAS
CSCD
北大核心
2014
9
下载PDF
职称材料
2
基于无监督深度估计的带雾图像生成方法
王向军
刘灵皓
倪育博
王霖
《Journal of Measurement Science and Instrumentation》
CAS
CSCD
2021
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