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
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
面向场景解析的空间结构化编码深度网络
被引量：
2
1
作者
张国印
王泽宇
+1 位作者
吴艳霞
布树辉
《哈尔滨工程大学学报》
EI
CAS
CSCD
北大核心
2017年第12期1928-1936,共9页
为了研究有效的特征提取和精确的空间结构化学习对提升场景解析效果的作用,本文提高出基于全卷积神经网络空间结构化编码深度网络,网络内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法,算法能够比较准确地描述物体所处...
为了研究有效的特征提取和精确的空间结构化学习对提升场景解析效果的作用,本文提高出基于全卷积神经网络空间结构化编码深度网络,网络内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法,算法能够比较准确地描述物体所处空间的物体分布以及物体间的空间位置关系。通过空间结构化编码深度网络,网络不仅能够提取包含多层形状信息的多维视觉特征,而且可以生成包含结构化信息的空间关系特征,从而得到更为准确表达图像语义信息的混合特征。实验结果表明:在SIFT FLOW和PASCAL VOC 2012标准数据集上,空间结构化编码深度网络较现有方法能够显著地提升场景解析的准确率。
展开更多
关键词
场景解析
全卷积神经网络
图模型
空间结构
化
编码
算法
多维视觉特征
空间
关系特征
混合特征
下载PDF
职称材料
面向RGB-D场景解析的三维空间结构化编码深度网络
被引量：
1
2
作者
王泽宇
吴艳霞
+1 位作者
张国印
布树辉
《计算机应用》
CSCD
北大核心
2017年第12期3458-3466,共9页
有效的RGB-D图像特征提取和准确的3D空间结构化学习是提升RGB-D场景解析结果的关键。目前,全卷积神经网络(FCNN)具有强大的特征提取能力,但是,该网络无法充分地学习3D空间结构化信息。为此,提出了一种新颖的三维空间结构化编码深度网络...
有效的RGB-D图像特征提取和准确的3D空间结构化学习是提升RGB-D场景解析结果的关键。目前,全卷积神经网络(FCNN)具有强大的特征提取能力,但是,该网络无法充分地学习3D空间结构化信息。为此,提出了一种新颖的三维空间结构化编码深度网络,内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法。该算法能够比较准确地学习和描述物体所处3D空间的物体分布。通过该深度网络,不仅能够提取包含多层形状和深度信息的分层视觉特征(HVF)和分层深度特征(HDF),而且可以生成包含3D结构化信息的空间关系特征,进而得到融合上述3类特征的混合特征,从而能够更准确地表达RGB-D图像的语义信息。实验结果表明,在NYUDv2和SUNRGBD标准RGB-D数据集上,该深度网络较现有先进的场景解析方法能够显著提升RGB-D场景解析的结果。
展开更多
关键词
全卷积神经网络
图模型
空间结构
化
编码
算法
分层视觉特征
分层深度特征
空间
关系特征
混合特征
下载PDF
职称材料
题名
面向场景解析的空间结构化编码深度网络
被引量：
2
1
作者
张国印
王泽宇
吴艳霞
布树辉
机构
哈尔滨工程大学计算机科学与技术学院
西北工业大学航空学院
出处
《哈尔滨工程大学学报》
EI
CAS
CSCD
北大核心
2017年第12期1928-1936,共9页
基金
国家重点研发计划(2016YFB1000400)
国家自然科学基金项目(61573284)
中央高校自由探索基金项目(HEUCF100606)
文摘
为了研究有效的特征提取和精确的空间结构化学习对提升场景解析效果的作用,本文提高出基于全卷积神经网络空间结构化编码深度网络,网络内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法,算法能够比较准确地描述物体所处空间的物体分布以及物体间的空间位置关系。通过空间结构化编码深度网络,网络不仅能够提取包含多层形状信息的多维视觉特征,而且可以生成包含结构化信息的空间关系特征,从而得到更为准确表达图像语义信息的混合特征。实验结果表明:在SIFT FLOW和PASCAL VOC 2012标准数据集上,空间结构化编码深度网络较现有方法能够显著地提升场景解析的准确率。
关键词
场景解析
全卷积神经网络
图模型
空间结构
化
编码
算法
多维视觉特征
空间
关系特征
混合特征
Keywords
scene parsing
fully eonvolutional neural networks （FCNNs）
graphical model
spatial structure enco- ded algorithm
hierarchical visual features
spatial relationship features
hybrid features
分类号
TP391.413 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
面向RGB-D场景解析的三维空间结构化编码深度网络
被引量：
1
2
作者
王泽宇
吴艳霞
张国印
布树辉
机构
哈尔滨工程大学计算机科学与技术学院
西北工业大学航空学院
出处
《计算机应用》
CSCD
北大核心
2017年第12期3458-3466,共9页
基金
国家重点研发计划项目(2016YFB1000400)
国家自然科学基金资助项目(60903098)
中央高校自由探索基金资助项目(HEUCF100606)~~
文摘
有效的RGB-D图像特征提取和准确的3D空间结构化学习是提升RGB-D场景解析结果的关键。目前,全卷积神经网络(FCNN)具有强大的特征提取能力,但是,该网络无法充分地学习3D空间结构化信息。为此,提出了一种新颖的三维空间结构化编码深度网络,内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法。该算法能够比较准确地学习和描述物体所处3D空间的物体分布。通过该深度网络,不仅能够提取包含多层形状和深度信息的分层视觉特征(HVF)和分层深度特征(HDF),而且可以生成包含3D结构化信息的空间关系特征,进而得到融合上述3类特征的混合特征,从而能够更准确地表达RGB-D图像的语义信息。实验结果表明,在NYUDv2和SUNRGBD标准RGB-D数据集上,该深度网络较现有先进的场景解析方法能够显著提升RGB-D场景解析的结果。
关键词
全卷积神经网络
图模型
空间结构
化
编码
算法
分层视觉特征
分层深度特征
空间
关系特征
混合特征
Keywords
Fully Convolutional Neural Network （FCNN）
graphical model
spatial structured encoding algorithm
Hierarchical Visual Feature （HVF）
Hierarchical Depth Feature （HDF）
spatial structure feature
hybrid feature
分类号
TP391.413 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向场景解析的空间结构化编码深度网络
张国印
王泽宇
吴艳霞
布树辉
《哈尔滨工程大学学报》
EI
CAS
CSCD
北大核心
2017
2
下载PDF
职称材料
2
面向RGB-D场景解析的三维空间结构化编码深度网络
王泽宇
吴艳霞
张国印
布树辉
《计算机应用》
CSCD
北大核心
2017
1
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
