-
题名线卷积网络在二维线检测和三维线框重建中的应用
- 1
-
-
作者
戴锡笠
龚海刚
刘明
-
机构
电子科技大学计算机科学与工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第1期192-198,共7页
-
基金
国家自然科学基金项目(61572113)资助
中央高校基金项目(XGBDFZ09)资助.
-
文摘
本文提出了一个线卷积网络,可以从图像中检测线段.通过预测每条线段的中心位置、长度和角度,该网络能够以端到端的方式检测线段.此外,根据线中心检测的特点,本文设计了一维旋转卷积模块,并通过分析,证明其满足等变性质.在实现上,本文采用改进的数据增强和非极大值抑制方法,有效的提高了线检测的性能.通过大量消融实验以及对比实验,本文提出的线卷积网络相比于当前最优算法HAWP,在精度上高出3个百分点,达到了当前最优.最后,将该方法应用于单张图三维线框重建任务,从可视化结果上看,明显优于之前的方法.
-
关键词
线检测
线卷积网络
等变性
三维线框重建
-
Keywords
line detection
line convolutional network
equivariant
3D wireframe reconstruction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名面向多姿态点云目标的在线类增量学习
- 2
-
-
作者
张润江
郭杰龙
俞辉
兰海
王希豪
魏宪
-
机构
福州大学电气工程与自动化学院
中国科学院福建物质结构研究所
中国科学院海西研究院泉州装备制造研究中心
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2023年第11期1542-1553,共12页
-
基金
福建省科技计划(No.2021T3003)
泉州市科技计划(No.2021C065L)。
-
文摘
针对目前增量学习中所面向目标都是固定姿态这一现象,本文考虑了更严格的设定,即面向多姿态目标的在线类增量学习,并提出了无视姿态重放方法来缓解在线类增量学习中面对多姿态目标时的灾难性遗忘。首先,将2D/3D目标进行点云化处理,以方便提取目标的有效几何信息;其次,基于SE(d)(d=2,3)群对网络进行平移旋转等变性改进,使网络能够提取更丰富的几何信息,从而降低模型在每个任务中受目标姿态的影响;最后,根据损失变化采样特定样本用于重放来缓解灾难性遗忘。实验结果表明,在面对固定姿态目标MNIST、CIFAR-10时,本文方法的最终平均精度分别达到了88%和42.6%,与对比方法结果相近,但最终平均遗忘率明显优于对比方法,分别降低了约3%和15%。在面对多姿态目标RotMNIST、trCIFAR-10时,本文方法依旧能很好地保持在固定姿态目标中的表现,基本不受目标姿态的影响。此外,在3D数据集ModelNet40中的表现也依旧稳定。本文所提方法在在线类增量学习中能够不受目标姿态的影响,同时能缓解灾难性遗忘,具有很好的稳定性和可塑性。
-
关键词
在线类增量学习
灾难性遗忘
无视姿态重放
等变性
点云分类
-
Keywords
online class-incremental learning
catastrophic forgetting
ignoring pose replay
equivariance
point cloud classification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名一种具有等变性的自适应盲源分离算法
- 3
-
-
作者
崔艳
-
机构
西安财经学院统计学院
-
出处
《科技视界》
2016年第15期85-86,共2页
-
基金
国家自然科学基金项目(61573014)
-
文摘
本文关注的是自适应盲源分离算法。首先介绍了白化算法,然后将白化规则和非线性主成分分析规则结合起来,得到了一种新的具有等变性的自适应盲源分离算法。最后,通过仿真实验验证了算法的有效性。
-
关键词
盲源分离
非线性主成分
白化
等变性
-
Keywords
Blind source separation
Nonlinear principle component analysis
Whitened
Equivariance
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双对数谱和卷积网络的船舶辐射噪声分类
被引量：4
- 4
-
-
作者
徐源超
蔡志明
孔晓鹏
-
机构
海军工程大学电子工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第6期1947-1955,共9页
-
文摘
卷积层平移等变性与线性谱不适配,卷积网络对高维特征的长距离依赖建模能力不足。该文提出一种双对数谱特征用于船舶辐射噪声分类。双对数谱通过重新排列对数谱频点,保证高频端分辨率的同时,规避使用太深的卷积网络。利用双对数谱各行表征同一目标的先验知识,构建卷积网络和目标函数。DeepShip数据集上的试验结果表明,特征维数相同情况下,提出的算法分类正确率比以线性谱为输入的卷积网络提高2.4%以上。
-
关键词
船舶辐射噪声分类
卷积神经网络
对数谱
低频分析记录
平移等变性
-
Keywords
Classification of ship radiated noise
Convolutional Neural Network(CNN)
Logarithmic scale spectrum
LOw Frequency Analysis Record(LOFAR)
Translation equivariance
-
分类号
TN911.7
[电子电信—通信与信息系统]
TP181
[电子电信—信息与通信工程]
-
-
题名基于孪生网络融合多模板的目标跟踪算法
被引量：2
- 5
-
-
作者
杨哲
孙力帆
付主木
张金锦
常家顺
-
机构
河南科技大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第4期212-220,共9页
-
基金
国家自然科学基金(U1504619)
国家“十三五”装备预研领域基金(61403120207)
+4 种基金
航空科学基金(20185142003)
教育部产学合作协同育人项目(201902139016,201902139018)
河南省高校科技创新人才资助项目(21HASTIT030)
河南省高等学校青年骨干教师资助项目(2020GGJS073)
中原科技创新领军人才资助项目(194200510012)。
-
文摘
基于全卷积孪生网络的视频目标跟踪算法由于在跟踪过程中使用单一模板,在运动目标外观发生变化时容易出现跟踪漂移并导致精度下降。因此,提出了一种基于孪生网络融合多模板的目标跟踪算法。该算法可在特征级上建立模板库,并使用平均峰值相关能量和模板相似度来保证模板库中各个模板的有效性,从而对多个响应图进行融合以获得更高的跟踪精度。OTB2015和VOT2016数据集上的测试结果表明,在运动目标外观发生变化的复杂环境下,所提算法不但具有较快的跟踪速度,而且相比现有的其他算法能取得更为优异的跟踪性能。
-
关键词
目标跟踪
孪生网络
模板更新
平移等变性
模板库
-
Keywords
object tracking
siamese network
template update
translation equivariance
template library
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
