-
题名基于多传感器融合的无人机生命搜寻方法
被引量：2
- 1
-
-
作者
李明辉
马文凯
周翊民
叶玲见
-
机构
陕西科技大学机电工程学院
中国科学院深圳先进技术研究院
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2023年第2期61-67,共7页
-
基金
国家自然科学基金资助项目(61973296)
深圳市科创委资助项目(JCYJ20170818153635759)
咸阳市重点研发计划(S2021ZDYF-GY-0244)。
-
文摘
为应对单个生命探测传感器在野外、灾区生命搜寻时的不稳定状况,提出了一种基于多传感器信息融合的无人机(UVA)生命搜寻方法。首先,构建不同结构的ResNeXt网络以提取不同维度信息的特征,利用一维ResNeXt网络提取音频梅尔频谱系数的深层特征,利用二维ResNeXt网络提取红外图像的深层特征;其次,使用判别相关分析(DCA)对2种高维特征进行降维融合,兼顾不同特征的相关性和类别性,以获得更丰富的环境信息,从而提高生命搜寻的准确性;最后,将融合特征输入支持向量机分类器以进行生命识别的决策,建立具有相关性的音频和图像双模态数据集,并将所提方法在该数据集上进行实验比较和分析,对其性能进行有效评估。实验结果表明:所提方法在特征提取和特征融合方面效果优于其他传统方法,且多传感器融合识别准确率可达98.7%,证明该方法能有效提高特殊场景下人体检测的准确性,多传感器融合检测效果优于单传感器。
-
关键词
数据融合
红外图像特征
音频特征
判别相关分析(dca)
无人机生命搜寻方法
-
Keywords
data fusion
infrared image features
audio features
discriminant correlation analysis(dca)
UAV life search methods
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名多尺度特征DCA融合的海上船舶检测算法研究
被引量：4
- 2
-
-
作者
潘慧
段先华
罗斌强
-
机构
江苏科技大学计算机学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第4期177-185,共9页
-
基金
国家自然科学基金(61772244)
江苏省研究生创新计划项目(SJCX20_1475)。
-
文摘
为了加强海上交通的安全性,以常见的民用船和军用船为研究对象,针对原始YOLOV3算法在船舶数据集上检测精度不高、目标框出现误检和小目标漏检的问题,提出了改进的船舶检测算法MS-YOLOV3。构建船舶图像数据集Shipdataset,包括数据采集、增强和标签标注,使用维度聚类算法在该数据集中找出合适尺寸的先验框,并应用于相对应的尺度特征图。以Darknet-53的网络框架为基础特征提取网络,增加网络预测尺度,在多尺度特征融合中加入DCA融合策略,提高模型对船舶的检测能力。以MS-YOLOV3为算法框架,采用GIOU作为边框损失函数的参数,提升模型对边界框位置信息的预测准确度。结果MS-YOLOV3与YOLOV3检测算法的对比实验表明,前者在船舶数据集上的精度有7.9个百分点的提升。同时加入的GIOU边框损失,拉低了模型的平均损失,加强了模型的鲁棒性,使得目标框的定位误差大大减小。根据Pascal VOC2007数据集上的训练效果,MS-YOLOV3的平均精度相较于YOLO系列算法、SSD300和Faster-RCNN,精确度优势更加明显。提出的MS-YOLOV3检测模型使得船舶的位置信息和类别精度更加准确。
-
关键词
深度学习
卷积神经网络(CNN)
船舶检测
多尺度特征
YOLOV3
判别相关分析(dca)
广义交并比(GIOU)
-
Keywords
deep learning
convolutional neural network(CNN)
ship detection
multiscale features
YOLOV3
discriminant correlation analysis(dca)
generalized intersection over union(GIOU)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合多模态数据的人体动作识别方法研究
被引量：2
- 3
-
-
作者
马亚彤
王松
刘英芳
-
机构
兰州交通大学电子与信息工程学院
甘肃省人工智能与图形图像处理工程研究中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第9期180-188,共9页
-
基金
国家自然科学基金(62067006)
甘肃省自然科学基金(21JR7RA291)
+1 种基金
甘肃省教育科技创新项目(2021jyjbgs-05)
甘肃省高校产业支撑计划项目(2020C-19)。
-
文摘
基于多模态融合的人体动作识别技术被广泛研究与应用,其中基于特征级或决策级的融合是在单一级别阶段下进行的,无法将真正的语义信息从数据映射到分类器。提出一种多级多模态融合的人体动作识别方法,使其更适应实际的应用场景。在输入端将深度数据转换为深度运动投影图,并将惯性数据转换成信号图像,通过局部三值模式分别对深度运动图和信号图像进行处理,使每个输入模态进一步转化为多模态。将所有的模态通过卷积神经网络训练进行提取特征,并把提取到的特征通过判别相关分析进行特征级融合。利用判别相关分析最大限度地提高两个特征集中对应特征的相关性,同时消除每个特征集中不同类之间的特征相关性,将融合后的特征作为多类支持向量机的输入进行人体动作识别。在UTD-MHAD和UTD Kinect V2 MHAD两个多模态数据集上的实验结果表明,多级多模态融合框架在两个数据集上的识别精度分别达到99.8%和99.9%,具有较高的识别准确率。
-
关键词
人体动作识别
深度运动图
惯性传感器
局部三值模式
判别相关分析
-
Keywords
human action recognition
Depth Motion Maps(DMM)
inertial sensor
Local Ternary Patterns(LTP)
discriminant correlation analysis(dca)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名结合判别相关分析与特征融合的遥感图像检索
被引量：3
- 4
-
-
作者
葛芸
马琳
储珺
-
机构
南昌航空大学软件学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2020年第12期2665-2676,共12页
-
基金
国家自然科学基金项目(41801288,61663031,41261091,61762067,61866028)
江西省自然科学基金项目(20202BAB212011)
南昌航空大学博士科研启动金项目(EA201920276)。
-
文摘
目的高分辨率遥感图像检索中,单一特征难以准确描述遥感图像的复杂信息。为了充分利用不同卷积神经网络(convolutional neural networks,CNN)的学习参数来提高遥感图像的特征表达提出一种基于判别相关分析的方法融合不同CNN的高层特征。方法将高层特征作为特殊的卷积层特征处理,为了更好地保留图像的原始空间信息在图像的原始输入尺寸下提取不同高层特征再对高层特征进行最大池化来获得显著特征;计算高层特征的类间散布矩阵,结合判别相关分析来增强同类特征的联系,并突出不同类特征之间的差异,从而提高特征的判别力;选择串联与相加两种方法来对不同特征进行融合,用所得融合特征来检索高分辨率遥感图像。结果在UC-Merced、RSSCN7和WHU-RS19数据集上的实验表明与单一高层特征相比绝大多数融合特征的检索准确率和检索时间都得到有效改进。其中,在3个数据集上的平均精确率均值(mean average precision,mAP)分别提高了10.4%~14.1%、5.7%~9.9%和5.9%~17.6%。以检索能力接近的特征进行融合时,性能提升更明显。在UC-Merced数据集上融合特征的平均归一化修改检索等级(average normalized modified retrieval rank,ANMRR)和mAP达到13.21%和84.06%与几种较新的遥感图像检索方法相比有一定优势。结论本文提出的基于判别相关分析的特征融合方法有效结合了不同CNN高层特征的显著信息在降低特征冗余性的同时,提升了特征的表达能力,从而提高了遥感图像的检索性能。
-
关键词
遥感图像检索
卷积神经网络
高层特征融合
判别相关分析
最大池化
-
Keywords
remote sensing image retrieval
convolutional neural network(CNN)
high-level feature fusion
discriminant correlation analysis(dca)
max pooling
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于心电与光电容积脉搏波特征层融合的身份识别方法
被引量：2
- 5
-
-
作者
肖剑
李思卓
董威
李清华
胡芳
-
机构
长安大学电子与控制工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2021年第10期3010-3017,共8页
-
基金
陕西省重点研发计划项目(2021GY-054)
西安市科技创新引导项目(20180504YD23CG29(1))。
-
文摘
针对单模态的心电信号(ECG)或光电容积脉搏波信号(PPG)识别技术中存在的精度不高,未考虑类内相关性等问题,该文提出基于判别相关分析法(DCA)对ECG与PPG组合特征矩阵进行特征层融合以及对K-最近邻(KNN)和支持向量机(SVM)分类器在决策层融合的识别方法。实验结果表明,使用融合特征(ECG-PPG)与融合分类器(KNN-SVM)的方法对23名受试者进行分类识别的准确率可以达到98.2%,识别精度在常规环境下优于单模态识别。为多模生物特征身份识别提供了一种有效模型。
-
关键词
心电信号
光电容积脉搏波信号
多生物特征识别
特征融合
判别相关分析
-
Keywords
ElectroCardioGraph(ECG)
PhotoPlethysmoGraph(PPG)
Multimodal biometric recognition
Feature fusion
discriminant correlation analysis(dca)
-
分类号
TP911.7
[自动化与计算机技术]
-
