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
应用小波变换和PCA进行车辆的静态图像检测
被引量:
4
1
作者
吴珺文
张学工
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2002年第11期1560-1564,共5页
提出了一种基于小波变换和主成分分析(PCA)方法实现的车辆静态图像检测方法。利用选定的车辆和背景训练样本集,用小波变换对样本进行特征提取,通过主成分分析来设计适当的分类器,把待检测图像在多分辨率下逐块进行分类,以此来判断某区...
提出了一种基于小波变换和主成分分析(PCA)方法实现的车辆静态图像检测方法。利用选定的车辆和背景训练样本集,用小波变换对样本进行特征提取,通过主成分分析来设计适当的分类器,把待检测图像在多分辨率下逐块进行分类,以此来判断某区域内是否有车辆,完成车辆检测的任务。实验结果表明,这种方法实现简单、应用效果良好,具有较好的应用前景。
展开更多
关键词
PCA
静态图像检测
模式识别
背景训练样本集
车辆
检测
主成分分析
小波变换
图像
处理
原文传递
面部动作单元检测方法进展与挑战
被引量:
2
2
作者
李勇
曾加贝
+1 位作者
刘昕
山世光
《中国图象图形学报》
CSCD
北大核心
2020年第11期2293-2305,共13页
人脸动作编码系统从人脸解剖学的角度定义了一组面部动作单元(action unit,AU),用于精确刻画人脸表情变化。每个面部动作单元描述了一组脸部肌肉运动产生的表观变化,其组合可以表达任意人脸表情。AU检测问题属于多标签分类问题,其挑战...
人脸动作编码系统从人脸解剖学的角度定义了一组面部动作单元(action unit,AU),用于精确刻画人脸表情变化。每个面部动作单元描述了一组脸部肌肉运动产生的表观变化,其组合可以表达任意人脸表情。AU检测问题属于多标签分类问题,其挑战在于标注数据不足、头部姿态干扰、个体差异和不同AU的类别不均衡等。为总结近年来AU检测技术的发展,本文系统概述了2016年以来的代表性方法,根据输入数据的模态分为基于静态图像、基于动态视频以及基于其他模态的AU检测方法,并讨论在不同模态数据下为了降低数据依赖问题而引入的弱监督AU检测方法。针对静态图像,进一步介绍基于局部特征学习、AU关系建模、多任务学习以及弱监督学习的AU检测方法。针对动态视频,主要介绍基于时序特征和自监督AU特征学习的AU检测方法。最后,本文对比并总结了各代表性方法的优缺点,并在此基础上总结和讨论了面部AU检测所面临的挑战和未来发展趋势。
展开更多
关键词
面部动作单元(AU)
静态
图像
面部动作单元
检测
动态视频面部动作单元
检测
弱监督学习
标注数据不足
原文传递
题名
应用小波变换和PCA进行车辆的静态图像检测
被引量:
4
1
作者
吴珺文
张学工
机构
清华大学自动化系
出处
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2002年第11期1560-1564,共5页
文摘
提出了一种基于小波变换和主成分分析(PCA)方法实现的车辆静态图像检测方法。利用选定的车辆和背景训练样本集,用小波变换对样本进行特征提取,通过主成分分析来设计适当的分类器,把待检测图像在多分辨率下逐块进行分类,以此来判断某区域内是否有车辆,完成车辆检测的任务。实验结果表明,这种方法实现简单、应用效果良好,具有较好的应用前景。
关键词
PCA
静态图像检测
模式识别
背景训练样本集
车辆
检测
主成分分析
小波变换
图像
处理
Keywords
vehicle detection
principal component analysis (PCA)
wavelet transform
image processing
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
原文传递
题名
面部动作单元检测方法进展与挑战
被引量:
2
2
作者
李勇
曾加贝
刘昕
山世光
机构
中国科学院计算技术研究所
中国科学院大学
中科视拓(北京)科技有限公司
出处
《中国图象图形学报》
CSCD
北大核心
2020年第11期2293-2305,共13页
基金
国家重点研发计划项目(2017YFA0700804)
国家自然科学基金项目(61702481)。
文摘
人脸动作编码系统从人脸解剖学的角度定义了一组面部动作单元(action unit,AU),用于精确刻画人脸表情变化。每个面部动作单元描述了一组脸部肌肉运动产生的表观变化,其组合可以表达任意人脸表情。AU检测问题属于多标签分类问题,其挑战在于标注数据不足、头部姿态干扰、个体差异和不同AU的类别不均衡等。为总结近年来AU检测技术的发展,本文系统概述了2016年以来的代表性方法,根据输入数据的模态分为基于静态图像、基于动态视频以及基于其他模态的AU检测方法,并讨论在不同模态数据下为了降低数据依赖问题而引入的弱监督AU检测方法。针对静态图像,进一步介绍基于局部特征学习、AU关系建模、多任务学习以及弱监督学习的AU检测方法。针对动态视频,主要介绍基于时序特征和自监督AU特征学习的AU检测方法。最后,本文对比并总结了各代表性方法的优缺点,并在此基础上总结和讨论了面部AU检测所面临的挑战和未来发展趋势。
关键词
面部动作单元(AU)
静态
图像
面部动作单元
检测
动态视频面部动作单元
检测
弱监督学习
标注数据不足
Keywords
facial action unit(AU)
image-based AU detection
video-based AU detection
weakly-supervised learning
insufficient annotations
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
应用小波变换和PCA进行车辆的静态图像检测
吴珺文
张学工
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2002
4
原文传递
2
面部动作单元检测方法进展与挑战
李勇
曾加贝
刘昕
山世光
《中国图象图形学报》
CSCD
北大核心
2020
2
原文传递
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