期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于多期区域似大地水准面的自动化正常高转换方法及应用研究
1
作者 武瑞宏 靳鑫洋 +3 位作者 张占忠 刘晓云 郭鑫伟 齐文 《测绘技术装备》 2023年第1期1-4,共4页
为了提高正常高转换的效率,减少人为因素对转换结果的影响,降低质量风险,本文提出一种基于多期区域似大地水准面的自动化正常高转换方法。首先,将多期区域似大地水准面模型进行拼接,实现水准面模型自动化选取;其次,提出一种文本格式泛... 为了提高正常高转换的效率,减少人为因素对转换结果的影响,降低质量风险,本文提出一种基于多期区域似大地水准面的自动化正常高转换方法。首先,将多期区域似大地水准面模型进行拼接,实现水准面模型自动化选取;其次,提出一种文本格式泛化识别思路,实现多种源文件的数据格式统一。实际应用表明,该方法功能全面,可实现自动化监控式作业,既能大幅提高工作效率,又能确保质量,可在生产中推广应用。 展开更多
关键词 正常高转换 似大地水准面 水准面拼接 泛化识别
下载PDF
行人再识别技术研究进展 被引量:4
2
作者 张永飞 杨航远 +8 位作者 张雨佳 豆朝鹏 廖胜才 郑伟诗 张史梁 叶茫 晏轶超 李俊杰 王生进 《中国图象图形学报》 CSCD 北大核心 2023年第6期1829-1862,共34页
行人再识别通过大时空范围内跨摄像机目标行人图像的检索与匹配,可实现人脸等生物特征失效情况下的行人关联,已成为智能视频监控系统的关键环节和支撑技术,并在智慧公安、智慧城市等国民经济建设中发挥了重要作用。近年行人再识别技术... 行人再识别通过大时空范围内跨摄像机目标行人图像的检索与匹配,可实现人脸等生物特征失效情况下的行人关联,已成为智能视频监控系统的关键环节和支撑技术,并在智慧公安、智慧城市等国民经济建设中发挥了重要作用。近年行人再识别技术吸引了越来越多的关注,并取得了快速发展与进步。本文在对行人再识别技术进行简介的基础上,面向行人再识别的技术发展和落地应用需求与挑战,总结分析遮挡行人再识别、无监督行人再识别、虚拟数据生成、域泛化行人再识别、换装行人再识别、跨模态行人再识别和行人搜索等热点方向的前沿进展,归纳其发展现状和存在问题,最后对行人再识别技术的发展趋势进行展望。希望通过总结和分析,能够为研究人员开展行人再识别相关研究、推动行人再识别技术进步提供参考。 展开更多
关键词 智能视频监控 遮挡行人再识别 无监督行人再识别 虚拟数据生成 行人再识别 换装行人再识别 跨模态行人再识别 行人搜索
原文传递
A NEW HYPERSPHERE SUPPORT VECTOR MACHINE ALGORITHM 被引量:2
3
作者 Zhang Xinfeng Shen Lansun 《Journal of Electronics(China)》 2006年第4期614-617,共4页
The hypersphere support vector machine is a new algorithm in pattern recognition. By studying three kinds of hypersphere support vector machines, it is found that their solutions are identical and the margin between t... The hypersphere support vector machine is a new algorithm in pattern recognition. By studying three kinds of hypersphere support vector machines, it is found that their solutions are identical and the margin between two classes of samples is zero or is not unique. In this letter, a new kind of hypersphere support vector machine is proposed. By introducing a parameter n(n>1), a unique solution of the margin can be obtained. Theoretical analysis and experimental results show that the proposed algorithm can achieve better generaliza-tion performance. 展开更多
关键词 Hypersphere support vector machine MARGIN Generalization performance
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部