期刊导航
期刊开放获取
cqvip
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
6
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
增强单目视觉的标定与避障实验分析
被引量:
1
1
作者
王庆渠
党淑雯
史瀚海
《实验室科学》
2019年第4期43-45,49,共4页
基于单目视觉的导航需要通过平移产生视差才能获取物体深度,且精度偏低。采用单目摄像机和激光雷达融合,将激光雷达和单目相机坐标映射统一后,然后运用罗德里格矩阵联合加之选权迭代的方法形成三维彩色图像模型,通过微分修正得到了无缝...
基于单目视觉的导航需要通过平移产生视差才能获取物体深度,且精度偏低。采用单目摄像机和激光雷达融合,将激光雷达和单目相机坐标映射统一后,然后运用罗德里格矩阵联合加之选权迭代的方法形成三维彩色图像模型,通过微分修正得到了无缝的深度图像,并设计了camlidar算法作局部避障。在完成摄像机相关标定后,对采用增强单目视觉的小车和采用单一传感器的小车做实际使用实验对比,验证camlidar算法的可行性,提高了对障碍物的识别能力。
展开更多
关键词
单目
视觉
增强
视觉
标定
避障
下载PDF
职称材料
采用DETR与先验知识融合的输电线路螺栓缺陷检测方法
被引量:
2
2
作者
李刚
张运涛
+1 位作者
汪文凯
张东阳
《图学学报》
CSCD
北大核心
2023年第3期438-447,共10页
为了解决深度学习模型无法学习螺栓目标的先验知识、仅通过视觉特征难以快速准确定位其缺陷以及螺栓缺陷样本数量有限、类别不平衡的问题,提出了将深度学习模型与螺栓先验知识相结合的方法。选取端到端目标检测(DETR)为基线模型,设计并...
为了解决深度学习模型无法学习螺栓目标的先验知识、仅通过视觉特征难以快速准确定位其缺陷以及螺栓缺陷样本数量有限、类别不平衡的问题,提出了将深度学习模型与螺栓先验知识相结合的方法。选取端到端目标检测(DETR)为基线模型,设计并实现了一种采用DETR与先验知识融合的改进DETR模型。首先,利用视觉-知识注意力模块将螺栓图像的视觉特征与螺栓先验知识有机融合,获得螺栓对应的增强视觉特征;然后,将增强视觉特征送入基于Transformer编码-解码结构的DETR模型框架中对螺栓目标进行识别与分类;最后,针对螺栓危急缺陷样本少及样本不平衡的问题,引入类增量学习损失函数(CILLF)来增强模型的鉴别能力,缓解螺栓缺陷样本间长尾分布问题。仿真实验结果表明:改进DETR模型在输电线路螺栓缺陷样本上的mAP相较于基线模型DETR提升了2.8个百分点;相较于主流Faster R-CNN,YOLOv5l模型,改进DETR模型在长尾分布下螺栓缺陷样本少的类别图像上的检测效果提升尤为显著。
展开更多
关键词
螺栓缺陷检测
TRANSFORMER
DETR
先验知识
增强
视觉
特征
类增量学习损失函数
下载PDF
职称材料
混合增强视觉认知架构及其关键技术进展
被引量:
4
3
作者
王培元
关欣
《中国图象图形学报》
CSCD
北大核心
2021年第11期2619-2629,共11页
智能视觉系统虽然在大规模信息的特征检测、提取与匹配等处理上具备一定优势,但是在深层次认知上仍存在不确定性和脆弱性,尤其是针对视觉感知基础上的视觉认知任务,相关数理逻辑和图像处理方法并未实现质的突破,智能算法难以取代人类执...
智能视觉系统虽然在大规模信息的特征检测、提取与匹配等处理上具备一定优势,但是在深层次认知上仍存在不确定性和脆弱性,尤其是针对视觉感知基础上的视觉认知任务,相关数理逻辑和图像处理方法并未实现质的突破,智能算法难以取代人类执行较为复杂的理解、推理、决策和学习等操作。为助力智能视觉感知和认知技术的进一步发展,本文总结了混合增强智能在视觉认知领域的应用现状,给出了混合增强视觉认知的基本架构,并对可纳入该架构下的应用领域及关键技术进行了综述。首先,在分析智能视觉感知内涵和基本范畴的基础上,融合人的视觉感知与心理认知,探讨混合增强视觉认知的定义、范畴及其深化过程,对不同的视觉信息处理阶段进行对比,进而在分析相关认知模型发展现状的基础上,构建混合增强视觉认知的基本框架。该架构不仅可依靠智能算法进行快速地检测、识别、理解等处理,最大限度地挖掘“机”的计算潜能,而且可凭借适时、适当的人工推理、预测和决策有效增强系统认知的准确性和可靠性,最大程度地发挥人的认知优势。其次,分别从混合增强的视觉监测、视觉驾驶、视觉决策以及视觉共享等4个领域探讨可纳入该架构的代表性应用及存在的问题,指出混合增强视觉认知架构是现有技术条件下能够更好地发挥计算机效能、减轻人处理信息压力的方式。最后,基于高、中、低计算机视觉处理技术体系,分析混合增强视觉认知架构中部分中高级视觉处理技术的宏观、微观关系,重点综述可视化分析、视觉增强、视觉注意、视觉理解、视觉推理、交互式学习以及认知评估等关键技术。混合增强视觉认知架构有助于突破当前视觉信息认知“弱人工智能”的瓶颈,将有力促进智能视觉系统向人机深度融合方向发展。下一步,还需在�
展开更多
关键词
视觉
认知
视觉
感知
智能
视觉
感知
混合
增强
视觉
认知
人机融合
原文传递
用于EVS的改进小波变换图像融合算法
被引量:
1
4
作者
冯仕财
冯子亮
杨红雨
《计算机工程与设计》
CSCD
北大核心
2012年第3期1013-1016,共4页
为增强小波变换图像融合算法的实时性,提高视觉增强系统(EVS)可见光图像与红外图像实时融合的效率,提出了一种基于矩阵QR分解和小波变换的图像融合算法。该算法对原始图像的像素矩阵进行QR分解,再利用正交矩阵的性质,根据小波变换图像...
为增强小波变换图像融合算法的实时性,提高视觉增强系统(EVS)可见光图像与红外图像实时融合的效率,提出了一种基于矩阵QR分解和小波变换的图像融合算法。该算法对原始图像的像素矩阵进行QR分解,再利用正交矩阵的性质,根据小波变换图像融合算法对QR分解得到的上三角矩阵进行分解融合,利用QR分解得到的正交矩阵逆变换得到融合图像。实验结果表明,该算法能获得较好的实时性,同时保证较好的融合效果。
展开更多
关键词
图像融合
QR分解
小波分析
增强
视觉
系统
红外图像
图像质量
下载PDF
职称材料
基于增强型视觉密码的光学信息隐藏系统
被引量:
3
5
作者
于韬
杨栋宇
+2 位作者
马锐
祝玉鹏
史祎诗
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2020年第14期90-97,共8页
提出了一种基于增强型视觉密码的光学信息隐藏系统.该系统可将秘密图像分解为多幅有实际意义的分享图像,然后将这些分享图像隐藏在相位密钥中,相位密钥可以制成衍射光学元件,以实体的形式保存和传输,扩展了视觉密码的应用范围.在提取过...
提出了一种基于增强型视觉密码的光学信息隐藏系统.该系统可将秘密图像分解为多幅有实际意义的分享图像,然后将这些分享图像隐藏在相位密钥中,相位密钥可以制成衍射光学元件,以实体的形式保存和传输,扩展了视觉密码的应用范围.在提取过程中,只需要使用激光照射衍射光学元件,再现分享图像,然后只需要将一定数量的分享图像进行非相干叠加即可提取秘密图像,不需要额外掌握光学和密码学的知识,其简单性让任何人都可以使用.仿真实验和光学实验结果表明,该系统可应用于实际,并且具有良好的安全性.
展开更多
关键词
光学隐藏
增强
型
视觉
密码
傅里叶光学
相位密钥
下载PDF
职称材料
探讨初中生物课堂教学个性化导入技巧
6
作者
周国燕
《电脑乐园》
2021年第5期0318-0318,共1页
初中的生物课应强调学生作为基础学习的地位,教师应在领导和服务方面做得很好。在课堂导入中,巧妙的教师设计不仅可以激发学生对学习的兴趣,还可以激发学生的思维,快速接触课堂学习的基础,并提高课堂学习的效率。科学的课堂导入可以激...
初中的生物课应强调学生作为基础学习的地位,教师应在领导和服务方面做得很好。在课堂导入中,巧妙的教师设计不仅可以激发学生对学习的兴趣,还可以激发学生的思维,快速接触课堂学习的基础,并提高课堂学习的效率。科学的课堂导入可以激发学生的学习兴趣,营造教室氛围,发展学生的观察能力,激发学生的思维能力,激发学生的思维能力,为顺利进行课堂教学打下坚实的基础。在初中生物学课程中,教师通常会对旧知识进行复习,以将其引入课堂。这样的导入方法不是问题,但是如果老师在每个教室中使用相同的导入方法,则会使学生感到无聊。实际上,课堂上有很多演讲方式:教师应根据学习内容和学生的实际入学情况选择正确的方式。
展开更多
关键词
输入疑问并引起学生的兴趣
演示导入
增强
直观的
视觉
效果
下载PDF
职称材料
题名
增强单目视觉的标定与避障实验分析
被引量:
1
1
作者
王庆渠
党淑雯
史瀚海
机构
上海工程技术大学航空运输学院
出处
《实验室科学》
2019年第4期43-45,49,共4页
基金
上海工程技术大学研究生科研创新项目基金(项目编号:18KY0802)
文摘
基于单目视觉的导航需要通过平移产生视差才能获取物体深度,且精度偏低。采用单目摄像机和激光雷达融合,将激光雷达和单目相机坐标映射统一后,然后运用罗德里格矩阵联合加之选权迭代的方法形成三维彩色图像模型,通过微分修正得到了无缝的深度图像,并设计了camlidar算法作局部避障。在完成摄像机相关标定后,对采用增强单目视觉的小车和采用单一传感器的小车做实际使用实验对比,验证camlidar算法的可行性,提高了对障碍物的识别能力。
关键词
单目
视觉
增强
视觉
标定
避障
Keywords
monocular
enhanced vision
calibration
obstacle avoidance
分类号
G482 [文化科学—教育学]
下载PDF
职称材料
题名
采用DETR与先验知识融合的输电线路螺栓缺陷检测方法
被引量:
2
2
作者
李刚
张运涛
汪文凯
张东阳
机构
华北电力大学计算机系
复杂能源系统智能计算教育部工程研究中心
出处
《图学学报》
CSCD
北大核心
2023年第3期438-447,共10页
基金
国家自然科学基金项目(51407076)
中央高校基本科研业务费专项资金项目(2020MS119)。
文摘
为了解决深度学习模型无法学习螺栓目标的先验知识、仅通过视觉特征难以快速准确定位其缺陷以及螺栓缺陷样本数量有限、类别不平衡的问题,提出了将深度学习模型与螺栓先验知识相结合的方法。选取端到端目标检测(DETR)为基线模型,设计并实现了一种采用DETR与先验知识融合的改进DETR模型。首先,利用视觉-知识注意力模块将螺栓图像的视觉特征与螺栓先验知识有机融合,获得螺栓对应的增强视觉特征;然后,将增强视觉特征送入基于Transformer编码-解码结构的DETR模型框架中对螺栓目标进行识别与分类;最后,针对螺栓危急缺陷样本少及样本不平衡的问题,引入类增量学习损失函数(CILLF)来增强模型的鉴别能力,缓解螺栓缺陷样本间长尾分布问题。仿真实验结果表明:改进DETR模型在输电线路螺栓缺陷样本上的mAP相较于基线模型DETR提升了2.8个百分点;相较于主流Faster R-CNN,YOLOv5l模型,改进DETR模型在长尾分布下螺栓缺陷样本少的类别图像上的检测效果提升尤为显著。
关键词
螺栓缺陷检测
TRANSFORMER
DETR
先验知识
增强
视觉
特征
类增量学习损失函数
Keywords
bolt defect detection
Transformer
DETR
prior knowledge
augmented visual features
incremental learning-like loss function
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
混合增强视觉认知架构及其关键技术进展
被引量:
4
3
作者
王培元
关欣
机构
海军航空大学
出处
《中国图象图形学报》
CSCD
北大核心
2021年第11期2619-2629,共11页
文摘
智能视觉系统虽然在大规模信息的特征检测、提取与匹配等处理上具备一定优势,但是在深层次认知上仍存在不确定性和脆弱性,尤其是针对视觉感知基础上的视觉认知任务,相关数理逻辑和图像处理方法并未实现质的突破,智能算法难以取代人类执行较为复杂的理解、推理、决策和学习等操作。为助力智能视觉感知和认知技术的进一步发展,本文总结了混合增强智能在视觉认知领域的应用现状,给出了混合增强视觉认知的基本架构,并对可纳入该架构下的应用领域及关键技术进行了综述。首先,在分析智能视觉感知内涵和基本范畴的基础上,融合人的视觉感知与心理认知,探讨混合增强视觉认知的定义、范畴及其深化过程,对不同的视觉信息处理阶段进行对比,进而在分析相关认知模型发展现状的基础上,构建混合增强视觉认知的基本框架。该架构不仅可依靠智能算法进行快速地检测、识别、理解等处理,最大限度地挖掘“机”的计算潜能,而且可凭借适时、适当的人工推理、预测和决策有效增强系统认知的准确性和可靠性,最大程度地发挥人的认知优势。其次,分别从混合增强的视觉监测、视觉驾驶、视觉决策以及视觉共享等4个领域探讨可纳入该架构的代表性应用及存在的问题,指出混合增强视觉认知架构是现有技术条件下能够更好地发挥计算机效能、减轻人处理信息压力的方式。最后,基于高、中、低计算机视觉处理技术体系,分析混合增强视觉认知架构中部分中高级视觉处理技术的宏观、微观关系,重点综述可视化分析、视觉增强、视觉注意、视觉理解、视觉推理、交互式学习以及认知评估等关键技术。混合增强视觉认知架构有助于突破当前视觉信息认知“弱人工智能”的瓶颈,将有力促进智能视觉系统向人机深度融合方向发展。下一步,还需在�
关键词
视觉
认知
视觉
感知
智能
视觉
感知
混合
增强
视觉
认知
人机融合
Keywords
visual cognition
visual perception
intelligent visual perception
hybrid enhanced visual cognition
man-machine fusion
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
用于EVS的改进小波变换图像融合算法
被引量:
1
4
作者
冯仕财
冯子亮
杨红雨
机构
四川大学计算机学院
四川大学视觉合成图形图像技术国防重点学科实验室
出处
《计算机工程与设计》
CSCD
北大核心
2012年第3期1013-1016,共4页
基金
国家自然科学重点基金项目(60736046)
文摘
为增强小波变换图像融合算法的实时性,提高视觉增强系统(EVS)可见光图像与红外图像实时融合的效率,提出了一种基于矩阵QR分解和小波变换的图像融合算法。该算法对原始图像的像素矩阵进行QR分解,再利用正交矩阵的性质,根据小波变换图像融合算法对QR分解得到的上三角矩阵进行分解融合,利用QR分解得到的正交矩阵逆变换得到融合图像。实验结果表明,该算法能获得较好的实时性,同时保证较好的融合效果。
关键词
图像融合
QR分解
小波分析
增强
视觉
系统
红外图像
图像质量
Keywords
image fusion QR decomposition
wavelet analysis EVS infrared image image quality
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于增强型视觉密码的光学信息隐藏系统
被引量:
3
5
作者
于韬
杨栋宇
马锐
祝玉鹏
史祎诗
机构
中国科学院大学光电学院
出处
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2020年第14期90-97,共8页
基金
国家自然科学基金(批准号:61575197)
中国科学院青年创新促进会(批准号:2017489)资助的课题.
文摘
提出了一种基于增强型视觉密码的光学信息隐藏系统.该系统可将秘密图像分解为多幅有实际意义的分享图像,然后将这些分享图像隐藏在相位密钥中,相位密钥可以制成衍射光学元件,以实体的形式保存和传输,扩展了视觉密码的应用范围.在提取过程中,只需要使用激光照射衍射光学元件,再现分享图像,然后只需要将一定数量的分享图像进行非相干叠加即可提取秘密图像,不需要额外掌握光学和密码学的知识,其简单性让任何人都可以使用.仿真实验和光学实验结果表明,该系统可应用于实际,并且具有良好的安全性.
关键词
光学隐藏
增强
型
视觉
密码
傅里叶光学
相位密钥
Keywords
optical hiding
extended visual cryptography
Fourier optics
phase-only keys
分类号
TP309.7 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
探讨初中生物课堂教学个性化导入技巧
6
作者
周国燕
机构
云南昭通巧家县炉房乡九年一贯制学校
出处
《电脑乐园》
2021年第5期0318-0318,共1页
文摘
初中的生物课应强调学生作为基础学习的地位,教师应在领导和服务方面做得很好。在课堂导入中,巧妙的教师设计不仅可以激发学生对学习的兴趣,还可以激发学生的思维,快速接触课堂学习的基础,并提高课堂学习的效率。科学的课堂导入可以激发学生的学习兴趣,营造教室氛围,发展学生的观察能力,激发学生的思维能力,激发学生的思维能力,为顺利进行课堂教学打下坚实的基础。在初中生物学课程中,教师通常会对旧知识进行复习,以将其引入课堂。这样的导入方法不是问题,但是如果老师在每个教室中使用相同的导入方法,则会使学生感到无聊。实际上,课堂上有很多演讲方式:教师应根据学习内容和学生的实际入学情况选择正确的方式。
关键词
输入疑问并引起学生的兴趣
演示导入
增强
直观的
视觉
效果
分类号
TP [自动化与计算机技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
增强单目视觉的标定与避障实验分析
王庆渠
党淑雯
史瀚海
《实验室科学》
2019
1
下载PDF
职称材料
2
采用DETR与先验知识融合的输电线路螺栓缺陷检测方法
李刚
张运涛
汪文凯
张东阳
《图学学报》
CSCD
北大核心
2023
2
下载PDF
职称材料
3
混合增强视觉认知架构及其关键技术进展
王培元
关欣
《中国图象图形学报》
CSCD
北大核心
2021
4
原文传递
4
用于EVS的改进小波变换图像融合算法
冯仕财
冯子亮
杨红雨
《计算机工程与设计》
CSCD
北大核心
2012
1
下载PDF
职称材料
5
基于增强型视觉密码的光学信息隐藏系统
于韬
杨栋宇
马锐
祝玉鹏
史祎诗
《物理学报》
SCIE
EI
CAS
CSCD
北大核心
2020
3
下载PDF
职称材料
6
探讨初中生物课堂教学个性化导入技巧
周国燕
《电脑乐园》
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