部分级联特征的离线手写体汉字识别方法

针对汉字类别多、风格多等识别难点,提出了一种基于LS-SVM的部分级联特征分类的离线手写体识别方法.具体包括霍夫空间加权采样和局部二值分布直方图两种新的特征提取算法,其可将任意大小的图像映射到固定长度的特征向量上,克服了已有特征提取算法的需要归一化、对笔画密度分布敏感等缺点;提出了基于部分级联特征的分类方式;提出了常见多分类方式的类别与正确率的关系,并给出了相应的数学证明.

基于级联特征的随机森林运动目标跟踪算法

在运动目标检测与跟踪的过程中,实际环境下的目标旋转、目标遮挡以及光照变化等因素时常出现,而目标检测与跟踪的性能对这些复杂环境因素极为敏感,甚至易导致目标跟踪丢失。为了提高复杂环境下运动目标跟踪的鲁棒性和稳定性,提出一种基于级联特征的随机森林运动目标跟踪算法。该算法首先在保留目标关键信息的ASIFT特征中级联目标轮廓信息作为正样本,训练正样本生成随机森林分类后续序列图像特征;在此基础上将CamShift算法确定的目标搜索窗口中的非目标特征作为负样本,训练负样本并更新随机森林以改善特征分类性能;最后通过对正负样本特征加权计算目标搜索窗口质心以改善跟踪性能。实验结果表明,该算法能够在光照突变、遮挡以及目标旋转等复杂环境下有效地实现运动目标跟踪。

街景图像中基于级联特征的行人检测方法

针对街景中的行人检测问题,提出了一种基于级联特征的行人检测方法。首先采用简单特征提取可能包含行人的潜在区域;然后采用基于概率接受的方法,结合方向梯度直方图(HOG)特征进行密集扫描分类;最后用非最大化抑制(NMS)过程聚合分类结果。实验结果表明一方面这种基于级联特征的方法使两类特征互补提高了检测精度;另一方面基于概率接受的方法进行密集扫描分类使得检测时间显著缩短。

基于级联特征分类器的行人检测算法

为进一步提升方向梯度直方图-局部二值模式(HOG-LBP)特征融合的行人算法在检测精度以及加快融合后的算法检测速度,提出了一种基于级联特征分类器的行人检测算法。计算样本集的方向梯度共生直方图(CoHOG)特征和鲁棒局部二值模式(RLBP)特征,使用这两种特征训练两种特征弱分类器,并将两种特征融合训练CoHOG-RLBP特征弱分类器。针对算法中存在的特征维数过高导致算法检测速度慢的问题,将各特征分类器以不同数量进行级联,构建一个6级特征弱分类器组成的级联特征分类器实现对行人目标的检测,同时使用soft-NMS算法对输出的检测窗口进行融合。在INRIA行人数据集上进行实验,实验结果表明本文算法有效提高了检测的精度与速度。

基于级联特征的嵌入式篮球运动视频目标跟踪算法

当前在使用目标跟踪算法跟踪嵌入式篮球运动视频时,由于误差累积导致跟踪漂移且无法处理目标遮挡,造成目标跟踪算法执行时间较长和成功跟踪标记目标数量较少等问题。为此,提出了基于级联特征的嵌入式篮球运动视频目标跟踪算法。实验结果表明,目标跟踪算法跟踪执行时间较短,具有较高的时效性且成功跟踪标记目标的数量较多,能够准确跟踪篮球运动视频的标记目标,跟踪效果较好。

基于级联特征融合的遥感图像目标检测技术研究

针对高分辨率遥感图像中目标尺度不一且排列分布密集导致检测漏检率高精度低的问题,提出一种基于级联特征融合的检测算法,用于遥感图像目标检测。首先,提出级联并行扩张卷积结构,并结合特征金字塔应用在主干网络的76×76、19×19尺度特征层,丰富网络浅层深层图像细节特征,使网络能够在把握特征图全局重要特征信息的同时,提高模型对小目标的感知能力;其次,利用k-means++聚类算法对遥感图像数据集进行分析,生成适合遥感图像目标的锚框,减少锚框配准时间,提高模型的检测效率;最后,后处理机制利用Soft-nms算法来抑制冗余检测框,减少密集分布目标的漏检率。通过在RSOD数据集上测试,在检测效率达到实时性的同时,mAP达到了95.20%,比YOLOv4提高了2.02%,证明了所提算法的有效性。

基于特征级联融合的图像篡改检测方法

针对图像篡改检测领域中不能有效处理不同尺度特征问题,提出一种特征级联融合检测网络.网络采用特征级联融合模块结合U型分割网络结构,有效融合不同尺度的特征信息.通过在每个网络块融合浅层特征信息、瓶颈层和深层特征信息,以弥补深层语义信息的不足,并抑制背景信息干扰,提升了浅层网络的检测能力,实现了对篡改区域的精准定位.实验结果表明,与现有的图像篡改检测方法相比,特征级联融合检测网络显示出更高的准确性和稳定性,在CASIA数据集上F-measure提高了3%,在COLUMB数据集上提高了4%,证明了其在图像篡改检测任务中的有效性.

基于双注意力引导特征级联的显微影像深度估计方法

深度估计在医学显微影像中具有重要应用价值,可以弥补外科医生在手术过程中由于观察目镜感官受限而难以获得精确深度信息的不足。针对手术场景动态多变、软组织和手术器械尺度微小等原因导致深度估计精度不高的问题,提出了一种改进稠密回归中跨层级特征级联的深度估计方法。通过利用多层次特征聚合模块,将编码器中的上下文信息传递到解码器中,同时基于通道选择和分支优化的双重注意力特征融合机制来优化解码的精度。为了获得密集的深度真值,提出了一种迭代式配准策略,结合自动化的机械臂扫描实现由粗到精优化多视角点云配准,并从模拟场景中重建高精度深度数据。结果表明,本文提出的深度估计方法实现了0.001 51的均方误差值(root mean squared error,RMSE)和0.030 39的尺度不变对数误差值(scale-invariant log,SILog),超越了以往最先进的方法,并对细小手术器械的尖端产生了更精准的深度估计。

面向活体人脸检测的时空纹理特征级联方法

为了解决身份认证中的安全问题,通常采用活体人脸检测方法.为提高活体人脸检测的鲁棒性,文中提出时空纹理特征级联方法.首先采用局部二值模式(LBP)计算韦伯局部描述符(WLD)的差分激励,利用Prewitt算子计算WLD的方向角,提取时空域的纹理特征.再将3个正交时空平面XY、XT、YT的纹理特征直方图进行级联,得到动态纹理特征即时空纹理级联特征,并对真实人脸和伪装人脸做出判定.在公开活体人脸数据库上的实验表明,相比现有主流局部纹理特征方法,文中方法识别率更高.

基于级联宽度学习与麻雀算法的非侵入式负荷分解方法

深度学习被广泛应用于非侵入式负荷分解中,其分解精度高但存在网络结构复杂、训练过程极度耗时等问题,并且对计算资源有一定要求,难以与嵌入式设备集成使用。对此,面向低频数据,提出一种基于级联宽度学习与麻雀算法的非侵入式负荷分解方法。首先,改进宽度学习特征节点的连接方式,构建各目标设备的级联宽度学习负荷分解网络。然后,通过麻雀搜索算法确定各目标设备分解网络的最优特征节点和增强节点数,实现负荷的高效分解。最后,基于实际数据集UK-DALE进行了仿真实验,通过与常用的非侵入式负荷分解方法进行比较,验证了所提方法的优越性。

基于多特征级联的目标跟踪算法研究

为了增强目标跟踪的有效性,提出了一种以粒子滤波作为跟踪框架,基于多特征级联的目标跟踪算法。以log-Gabor滤波器作为粒子判别级,滤除一定数量的无效粒子以提高粒子滤波的性能;再级联融合了log-Gabor特征、局部二值模式(LBP)特征和方向梯度直方图(HOG)特征的粒子加权级,实现目标跟踪。应用log-Gabor滤波器良好的频率响应对粒子做出总体评估以决定其有效性,同时以log-Gabor滤波器输出张成的频域特征。配合LBP和HOG局部特征,处理目标总体信息和细节信息,利用混合高斯模型突出后验概率分布中的峰值状态。实验结果表明,该文算法能快速去除无效粒子,实现目标的鲁棒跟踪。

基于分组卷积和特征图级联的轻量级目标检测

针对Pelee轻量级目标检测网络中参数量和计算量较多、检测精度较差等缺陷,提出了基于分组卷积和特征图级联的轻量级目标检测网络GCPelee。首先,利用分组卷积替换检测模块中的标准卷积形式以减少模型参数量和计算量;其次,在检测模块上应用特征图级联,将感受野较大的特征图包含的信息传递至感受野较小的特征图,提升后者的感受野大小。实验结果表明,优化后的GCPelee模型参数量和计算量均得到减少,检测精度得到了提升。

从行为动力学五大特征探索钢琴演奏行为和演奏法规律

职业钢琴家和普通钢琴演奏者的练琴行为与行为动力学有密切的联系,了解练琴规律性特征对科学指导钢琴教学和钢琴艺术演奏具有重要作用。本文从行为动力学的“级联特征”“周期特征”“波动特征”“自相似特征”与“兴趣特征”分析探讨职业钢琴家和普通钢琴演奏者的练琴行为,以期促进习琴者技术的提高。

基于特征级联的肺炎咳嗽声识别

针对识别肺炎咳嗽声方面现有特征组合方法单一的问题,提出了实现级联浅层和深层特征的SELeNet-5网络模型。首先对咳嗽声使用6层小波包分解得到相对小波包能量作为浅层特征,同时,对咳嗽声预处理生成语谱图,使用改进的LeNet-5网络作为特征提取模型,从语谱图提取出深层特征;其次通过特征级联网络层结合浅层和深层两种不同层次的特征,形成新的特征向量;最终输入到注意力机制网络模块并通过全连接网络层输出肺炎咳嗽声的识别结果。对比实验结果表明,使用特征级联方法的SELeNet-5网络模型方法得到了79.81%的准确率,相比使用单一浅层特征准确率提高了6.81%,与使用单一深层特征相比准确率提高了2.92%。实验结果表明级联特征在肺炎咳嗽声识别上比单一的浅层或深层特征具有更好的效果,有效提高了肺炎咳嗽声识别准确率。

基于混合编码的皮肤病变图像分割

皮肤镜图像中的皮肤病变分割是计算机辅助诊断皮肤癌的关键。现有的卷积神经网络(CNNs)通常由于卷积操作的固有限制而忽视全局上下文信息。因此,提出了一种具有Transformer和CNN优点的混合编码器的皮损分割网络。首先,使用极坐标变换对原始图像进行预处理。接着利用CNN对不同尺度特征进行预提取,并将其作为Transformer编码器的输入序列,实现对序列数据的全局上下文建模,更好地捕获特征之间的长程依赖关系。最后,在解码器中加入了多级特征融合模块和注意力机制,解码不同尺度和编码块内的分层语义特征。提出的HET-Net网络在ISIC 2018数据集上JSI、DSC和ACC值分别达到了85.09%、91.43%和96.90%,在ISIC 2016+PH2数据集上分别达到了87.44%、93.02%和95.68%。与其他模型相比,所提模型取得了显著的结果,验证了模型的有效性。

深度特征选择网络在雷达信号识别中的应用

在现有的雷达辐射源信号识别研究中,传统人工提取到的特征虽具有较为良好的物理表征,但特征中还存在冗余、噪声特征,而通过深度神经网络虽可以挖掘到对信号更深层次的表达,但其特征存在的"黑箱"难以解释性无法避免.结合人工特征良好的物理表征性和深度学习强大的学习能力,本文提出将一种深度特征选择网络(DFS,Deep Feature Selection)应用到雷达信号识别技术中. DFS通过在深度神经网络的输入层和第一隐藏层之间增添一对一层,获取针对每维特征与分类相关性度量得到的权值,以此权值作为衡量标准,加强敏感特征的输入影响,削弱冗余、噪声特征的输入影响,提高分类准确率.方法先对雷达信号提取复杂度特征、小波脊频级联特征、信息熵特征,合并建立原始特征集,利用DFS进行学习训练,以达到在输入级别实现特征选择的目的.本文已利用上述方法对5类辐射源信号进行仿真实验,识别效果良好,验证了方法有效.

基于超像素提取和级联匹配的灰度图像自动彩色化

论文提出了一种新的基于参考图像的方法来彩色化一张灰度图像。作为输入,用户只需要提供一张在语义上与目标图像相似的图片。论文致力于从图片中提取超像素的特征,利用这些特征来引导彩色化过程。论文采用了一种快速的级联特征匹配方案来自动地寻找参考图像与目标图像之间的特征匹配。实验结果表明:该方法能够产生很好的彩色化结果。

融合RCS-OSA结构的PCB缺陷检测算法

针对当前印制电路板(Printed Circuit Board,PCB)检测参数庞大、人工误检率高等问题,文章研究了一种改进的YOLOv5检测模型。首先使用实时控制系统(Real-Time Control Systems,RCS)模块替换三卷积跨阶段局部瓶颈模块(Cross Stage Partial Bottle Neck Mudule,C3)结构,通过重参数化卷积增强网络的特征提取能力;其次添加One-Shot聚合(One-Shot Aggregation,OSA)结构,一次性聚合多个特征级联;最后堆叠RCS-OSA模块,确保特征复用并加强不同层之间的信息流通。实验结果表明,改进后的算法检测精度达到94.6%,比原模型提高了2.2个百分点。该算法能够高效检测PCB的多种缺陷类型,对PCB质量检测有实际应用价值。

基于自适应特征融合的红外与可见光图像融合算法

当下流行的基于自编码网络的图像融合算法不仅需要对提取到的特征设计复杂的融合规则以解码出融合图像,设计的融合策略也无法适用于多样化的场景。针对以上问题,提出了一种自适应特征融合的红外与可见光图像融合算法以端到端的方式输出融合图像,避免了复杂融合规则的设计且具有较好的鲁棒性。网络利用自编码模块提取出图像的特征,对特征级联后解码出图像,由于联合损失函数的约束,融合图像得以保留源图像的细节并具有良好的结构信息和梯度信息,图像整体结构分明。在公开的TNO数据集上与当下流行的五种融合算法相比较,所提出的方法在主观效果和客观评价上都取得了好的成绩。

基于关键面纹理特征提取的自动人脸微表情识别

微表情是一种短暂且微弱的面部表情,它揭露了一个人试图隐藏的真实情感,在公安、心理治疗等各个领域都有很好的应用前景。目前多数微表情的识别研究是对整个面部区域的运动特征进行提取,实际上,微表情表现最丰富的部分位于人脸眉毛和嘴巴附近,针对此问题,提出了一种基于12分块组合特征的降维LBP-TOP微表情识别方法,从微表情发生的关键部位选取分块,通过级联分块特征及特征降维处理实现微表情的特征提取。为验证方法的有效性,进行了两类实验,第一类是与基线的比较,第二类是与其他经典微表情分类方法的比较,等价模式下SAMM数据集的3分类准确率达到72.93%,F1分数达到0.66,优于现有方法。