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
共找到9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：
多特征提取逐步求精的高速移动目标跟踪算法 被引量：5
1
作者 孙俊 何发智 +1 位作者 陈晓 陈壹林 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2014年第10期1747-1752,共6页
传统的高速移动目标跟踪通常使用图像特征描述,不能够根据跟踪场景自适应地选择最优跟踪特征,导致功能模板很容易产生漂移问题.为此,提出一种基于特征融合和逐步求精的高速移动目标跟踪算法.该算法主要包括3个阶段:第1阶段为自适应多特... 传统的高速移动目标跟踪通常使用图像特征描述,不能够根据跟踪场景自适应地选择最优跟踪特征,导致功能模板很容易产生漂移问题.为此,提出一种基于特征融合和逐步求精的高速移动目标跟踪算法.该算法主要包括3个阶段:第1阶段为自适应多特征融合阶段,通过计算跟踪目标每一特征的前景及背景的区分度,获取目标特征的融合模型;第2阶段是基于多特征内核跟踪阶段,在Mean-Shift框架下,引入Epanechnikov函数作为内核函数提升目标区域中心的像素权重比值;第3阶段为目标模型的自适应更新,通过设计一种模板更新策略提高跟踪结果的准确度.仿真实验结果表明,该算法适用于高速目标跟踪. 展开更多
关键词 多特征提取 逐步求精 高速移动目标 跟踪
下载PDF
基于多尺度特征融合的由粗到精点云形状补全
2
作者 张德军 王杨 +3 位作者 谭雪峰 吴亦奇 陈壹林 何发智 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第4期523-532,共10页
为了以由粗到精的方式实现点云形状补全,提出一个端到端的两阶段多尺度特征融合网络,其中的每个阶段都是由一个编码器-解码器构成.第1阶段中,首先利用点集抽取模块提取残缺点云的全局特征,在获取不同分辨率点特征的同时能关注更多的局... 为了以由粗到精的方式实现点云形状补全,提出一个端到端的两阶段多尺度特征融合网络,其中的每个阶段都是由一个编码器-解码器构成.第1阶段中,首先利用点集抽取模块提取残缺点云的全局特征,在获取不同分辨率点特征的同时能关注更多的局部邻域特征,然后使用多层感知机作为解码器生成粗糙的点云骨架;第2阶段中,利用点云骨架和残缺点云提取多尺度局部特征,并通过注意力机制与第1阶段中的多尺度全局特征相互融合,使得每个点都包含全局和局部几何信息;最后将第2阶段中的全局特征和多尺度局部特征逐步进行上采样,并通过多层感知机生成精细的完整点云.采用倒角距离作为评价标准,在ShapeNet,MVP和Completion3D数据集上进行点云补全实验的结果表明,误差分别比基准网络降低17.1%,3.9%和13.9%,验证了所提网络的有效性. 展开更多
关键词 点云补全 多尺度特征融合 由粗到精 编码器-解码器
下载PDF
基于显著先验的图像前景分割方法 被引量：1
3
作者 孙俊 黄志勇 陈壹林 《计算机工程》 CAS CSCD 北大核心 2015年第5期224-227,共4页
为研究图像中物体的显著先验信息和外观信息对物体轮廓所造成的影响,提出一种图像前景分割方法。通过将频谱余量获得的显著概率先验与基于码书模型的外观先验结合,在一个概率框架下学习得到统一的图像前景概率分布。对于测试图像,通过... 为研究图像中物体的显著先验信息和外观信息对物体轮廓所造成的影响,提出一种图像前景分割方法。通过将频谱余量获得的显著概率先验与基于码书模型的外观先验结合,在一个概率框架下学习得到统一的图像前景概率分布。对于测试图像,通过基于频谱的显著性计算其不同位置处出现前景的概率,计算基于区域内外观模型为前景的概率,综合得到目标区域为前景的概率,该值超过一定阈值即可认为是前景。该方法仅需要较少量的学习,就能够得到一个近似于真值图像的分割结果。在图像分割标准库上进行测试,结果表明,该方法计算简单,速度快,图像分割效果较好。 展开更多
关键词 图像分割 显著性 码书模型 频谱显著性 概率模型 外观模型
下载PDF
基于特征通道和空间位置注意力的三维点云特征学习网络 被引量：1
4
作者 吴亦奇 韩放 +2 位作者 张德军 何发智 陈壹林 《计算机工程与科学》 CSCD 北大核心 2022年第7期1239-1246,共8页
点云模型的分类与部件分割是三维点云数据处理的基本任务,其核心在于获取可以有效表示三维模型的点云特征。提出一个引入注意力机制的三维点云特征学习网络。该网络采用多层次点云特征提取方法,首先使用特征通道注意力模块获取各通道间... 点云模型的分类与部件分割是三维点云数据处理的基本任务,其核心在于获取可以有效表示三维模型的点云特征。提出一个引入注意力机制的三维点云特征学习网络。该网络采用多层次点云特征提取方法,首先使用特征通道注意力模块获取各通道间的关联,增强关键通道信息;接着引入空间位置注意力机制,基于点的空间位置信息获取各点的注意力权重;然后结合以上2种注意力机制获取增强的点云特征;最后基于该特征继续进行多层次特征提取,获得面向下游任务的点云特征。分别在ModelNet40和ShapeNet数据集上进行形状分类与部件分割实验,结果表明,使用所提方法可以实现高精度、具有鲁棒性的三维点云形状分类与分割。 展开更多
关键词 点云模型 注意力机制 形状分类 部件分割
下载PDF
对人教版“肺炎链球菌的转化实验”内容的分析及教学建议 被引量：1
5
作者 陈壹林 李娘辉 《中学生物教学》 2020年第9期22-23,共2页
对比分析了2019年人教版普通高中教科书《生物学·必修2·遗传与进化》与2003年人教版《生物·必修2·遗传与进化》教材,指出2019年版生物学必修2中“肺炎链球菌的转化实验”中肺炎链球菌名称、转化因子的提出及艾弗里... 对比分析了2019年人教版普通高中教科书《生物学·必修2·遗传与进化》与2003年人教版《生物·必修2·遗传与进化》教材,指出2019年版生物学必修2中“肺炎链球菌的转化实验”中肺炎链球菌名称、转化因子的提出及艾弗里实验的过程3处内容的具体改动,分析了改动原因,并提出了教学建议。 展开更多
关键词 肺炎链球菌 转化因子 艾弗里实验
下载PDF
一种基于MLP的高效高精度三维视线估计方法
6
作者 吴志豪 张德军 +1 位作者 吴亦奇 陈壹林 《计算机工程与科学》 CSCD 北大核心 2023年第11期1982-1990,共9页
随着卷积神经网络(CNN)在计算机视觉领域的广泛应用,以及大量三维视线数据集的公开,基于表观和深度学习相结合的三维视线估计研究受到越来越多的关注。由于CNN结构复杂,这类方法在实时性要求较高的应用场景中还有待进一步改进。近来兴... 随着卷积神经网络(CNN)在计算机视觉领域的广泛应用,以及大量三维视线数据集的公开,基于表观和深度学习相结合的三维视线估计研究受到越来越多的关注。由于CNN结构复杂,这类方法在实时性要求较高的应用场景中还有待进一步改进。近来兴起的研究表明,网络结构更为简单的多层感知机(MLP)模型能够取得与当前最佳CNN、Transformer模型相当的性能。受此启发,提出了一种基于MLP的高效高精度三维视线估计方法,利用MLP模型对双眼、人脸图像提取特征,之后融合推导出三维视线。实验结果表明,对MPIIFaceGaze数据集和EyeDiap数据集中包含的31位不同相貌的受试者,使用提出的方法UM-Net进行视线估计,视线估计精度比肩基于CNN的,并且在视线估计速度上具有明显优势,在实时性要求较高的领域也有较好的应用前景。 展开更多
关键词 三维视线估计 表观 多层感知机 实时性
下载PDF
求解大规模软硬件划分问题的爬山淘汰粒子群算法 被引量：4
7
作者 鄢小虎 何发智 陈壹林 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第2期225-230,共6页
为了求解大规模软硬件划分问题,提出了一种爬山淘汰粒子群算法(EPSO-HC).首先,模拟达尔文进化论,淘汰群体中当前全局最差位置附近的个体,保持搜索种群的多样性,防止算法早熟收敛;其次,改进爬山法的搜索机制,以粒子自身经历的最优位置为... 为了求解大规模软硬件划分问题,提出了一种爬山淘汰粒子群算法(EPSO-HC).首先,模拟达尔文进化论,淘汰群体中当前全局最差位置附近的个体,保持搜索种群的多样性,防止算法早熟收敛;其次,改进爬山法的搜索机制,以粒子自身经历的最优位置为方向,在当前全局最优位置附近集中搜索,提升解的质量;然后,采用图形处理器并行计算软硬件通信代价,以减少EPSOHC算法的运行时间;最后,通过求解基准任务和特大规模任务来评价EPSO-HC算法的性能.试验结果表明,针对23个软硬件划分任务,与其他软硬件划分算法相比,所提算法解的质量更高,运行时间更少. 展开更多
关键词 软硬件划分 粒子群优化算法 爬山法 通信代价 并行计算
下载PDF
一种基于从众和声粒子群算法的并行软硬件划分方法 被引量：4
8
作者 鄢小虎 何发智 陈壹林 《中国科学：信息科学》 CSCD 北大核心 2016年第9期1321-1338,共18页
软硬件划分是软硬件协同设计中关键步骤之一,并且随着设计复杂度的增加,逐步成为一个具有挑战性的优化问题.提出一种基于从众和声粒子群算法(conformity particle swarm optimization with harmony search,CPSO-HS)的并行软硬件划分方法... 软硬件划分是软硬件协同设计中关键步骤之一,并且随着设计复杂度的增加,逐步成为一个具有挑战性的优化问题.提出一种基于从众和声粒子群算法(conformity particle swarm optimization with harmony search,CPSO-HS)的并行软硬件划分方法.按生物行为学理论,个体粒子具有从众行为,趋向于靠近群体粒子聚集的安全地点,以避免被捕食者袭击.CPSO-HS算法通过模拟这种从众行为,能够保持搜索种群的多样性,以避免陷入局部最优,有利于逼近全局最优点.通过改进和声搜索算法(harmony search,HS)的初始化策略,将HS集成到CPSO-HS中,在当前全局最优解附近提高算法的搜索精度,有利于提升解的质量.以上两步的有机结合,增强了CPSO-HS算法搜索的多样性和集中性.进一步考虑软硬划分方法的特殊性,其中最耗时的过程是计算软硬件的通讯代价,因此在常用的PC平台上采用并行策略加速该过程,以便在大规模的软硬件划分问题中有效减少整体运行时间.最后,通过基准任务测试集验证了本文方法的有效性. 展开更多
关键词 软硬件划分 粒子群算法 和声搜索 背包问题 通讯代价 并行计算
原文传递
基于GPU的自适应邻域压缩禁忌搜索的软硬件划分算法 被引量：2
9
作者 侯能 何发智 +1 位作者 周毅 陈壹林 《中国科学：信息科学》 CSCD 北大核心 2018年第8期978-999,共22页
软硬件划分是软硬件协同设计中的关键步骤,决定了哪些功能由硬件执行,哪些功能由软件执行.软硬件划分属于NP难问题.现代嵌入式系统的复杂性提高,造成软硬件划分问题规模变大,需要采用启发式方法求解.禁忌搜索是求解软硬件划分的有效方法... 软硬件划分是软硬件协同设计中的关键步骤,决定了哪些功能由硬件执行,哪些功能由软件执行.软硬件划分属于NP难问题.现代嵌入式系统的复杂性提高,造成软硬件划分问题规模变大,需要采用启发式方法求解.禁忌搜索是求解软硬件划分的有效方法.然而,算法的求解过程非常耗时.已有的禁忌搜索求解软硬件划分是串行实现,要折中考虑解的质量和算法的运行时间.这种考虑牺牲了解的质量.本文提出基于GPU的自适应邻域压缩(compacting neighborhood)禁忌搜索的软硬件划分算法.首先,提出自适应策略.自适应策略能够增强算法的搜索集中性,提高解的质量.GPU的大规模并行特性可以降低算法的运行时间.其次,为了使算法在GPU上高效地执行,提出基于GPU的任务图表达、线程–候选解映射、数据布局和访存等一系列优化策略.最后,实验采用统一设备架构(CUDA)编程,并根据相关基准任务图,通过不同的计算–通信比和实时约束条件,对提出的方法进行验证.结果表明,本文方法的解质量要优于已有的方法.对比将自适应邻域压缩禁忌搜索自然移植到GPU后的运行时间,提出的GPU上的执行优化策略明显地降低了求解时间.另外,在更大规模的软硬件划分上验证了基于GPU的方法在时间上的优势. 展开更多
关键词 软硬件协同设计 启发式方法 图形处理单元 禁忌搜索 自适应算法
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
使用帮助 返回顶部