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
3
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
样本优化选择的高光谱图像分类
被引量：
8
1
作者
方帅
祝凤娟
+1 位作者
董张玉
张晶
《中国图象图形学报》
CSCD
北大核心
2019年第1期135-148,共14页
目的高光谱分类问题中,由于类内光谱特性存在差异性,导致常规的随机样本选择策略无法保证训练样本均匀覆盖样本空间。针对这一问题,提出基于类内再聚类的样本空间优化策略。同时为了进一步提高分类精度,针对低置信度分类结果,提出基于...
目的高光谱分类问题中,由于类内光谱特性存在差异性,导致常规的随机样本选择策略无法保证训练样本均匀覆盖样本空间。针对这一问题,提出基于类内再聚类的样本空间优化策略。同时为了进一步提高分类精度,针对低置信度分类结果,提出基于邻域高置信信息的修正策略。方法采用FCM(fuzzy C-means)聚类算法对每类样本进行类内再聚类,在所聚的每个子类内选择适当样本。利用两个简单分类器SVM(support vector machine)和SRC(sparse representation-based classifier),对分类结果进行一致性检测,确定高、低置信区域,对低置信区域,利用主成分图作为引导图对置信度图进行滤波,使得高置信信息向低置信区域传播,从而修正低置信区域分类结果。以上策略可以保证即便在较少的训练样本的情况下,也能够训练出较高的分类器,大幅度提高分类精度。结果使用3组实验数据,根据样本比例设置两组实验与经典以及最新分类算法进行对比。实验结果表明,本文算法均取得很大改进,尤其在样本比例较小的实验中效果显著。在小比例(一般样本选取比例的十分之一)训练样本实验中,对于India Pines数据集,OA(overall accuracy)值高达90. 48%;在Salinas数据集上能达到99. 68%;同样,Pavia U数据集的OA值为98. 54%。3组数据集的OA值均比其他算法高出4%～6%。结论综上表明,本文算法通过样本空间优化策略选取有代表性、均衡性的样本,保证小比例样本下分类精度依然显著;基于邻域高置信信息的修正策略起到很好的优化效果。同时,本文算法适应多种数据集,具有很好的鲁棒性。
展开更多
关键词
遥感
高光谱分类
光谱特性
样本空间优化
类内再聚类
置信区域
边缘保护滤波
原文传递
基于融合边界框高置信度区域信息的超声胎儿头围测量算法
被引量：
1
2
作者
汪金婷
杨丰
陈琪
《自动化与信息工程》
2021年第1期7-11,共5页
为有效克服胎儿头部超声图像中存在的干扰问题,实现对胎儿头围的精确测量,提出一种基于融合边界框高置信度区域信息的超声胎儿头围测量算法。首先,通过U-Net分割网络提取胎儿头部图像感兴趣区域;其次,利用YOLOv3检测网络获取胎儿头部边...
为有效克服胎儿头部超声图像中存在的干扰问题,实现对胎儿头围的精确测量,提出一种基于融合边界框高置信度区域信息的超声胎儿头围测量算法。首先,通过U-Net分割网络提取胎儿头部图像感兴趣区域;其次,利用YOLOv3检测网络获取胎儿头部边界框,结合边界框高置信度区域信息,筛选头部感兴趣区域高置信度边缘点;最后,采用直接最小二乘法对高置信度边缘点进行椭圆拟合,计算胎儿头围结果。实验结果表明:该算法可有效克服图像质量的干扰,提高超声胎儿头围测量精度。
展开更多
关键词
胎儿头围测量
超声图像
高置信度区域筛选算法
U-Net
YOLOv3
下载PDF
职称材料
基于高置信局部特征的车辆重识别优化算法
被引量：
7
3
作者
窦鑫泽
盛浩
+4 位作者
吕凯
刘洋
张洋
吴玉彬
柯韦
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020年第9期1650-1659,共10页
根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置...
根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。
展开更多
关键词
车辆重识别
高置信局部特征
特征优化
区域检测
神经网络
下载PDF
职称材料
题名
样本优化选择的高光谱图像分类
被引量：
8
1
作者
方帅
祝凤娟
董张玉
张晶
机构
合肥工业大学计算机与信息学院
工业安全与应急技术安徽省重点实验室
出处
《中国图象图形学报》
CSCD
北大核心
2019年第1期135-148,共14页
基金
国家自然科学基金项目(61472380)
中央高校基本科研业务费专项基金项目(JD2017JGPY0011
JZ2017HGBZ0930)~~
文摘
目的高光谱分类问题中,由于类内光谱特性存在差异性,导致常规的随机样本选择策略无法保证训练样本均匀覆盖样本空间。针对这一问题,提出基于类内再聚类的样本空间优化策略。同时为了进一步提高分类精度,针对低置信度分类结果,提出基于邻域高置信信息的修正策略。方法采用FCM(fuzzy C-means)聚类算法对每类样本进行类内再聚类,在所聚的每个子类内选择适当样本。利用两个简单分类器SVM(support vector machine)和SRC(sparse representation-based classifier),对分类结果进行一致性检测,确定高、低置信区域,对低置信区域,利用主成分图作为引导图对置信度图进行滤波,使得高置信信息向低置信区域传播,从而修正低置信区域分类结果。以上策略可以保证即便在较少的训练样本的情况下,也能够训练出较高的分类器,大幅度提高分类精度。结果使用3组实验数据,根据样本比例设置两组实验与经典以及最新分类算法进行对比。实验结果表明,本文算法均取得很大改进,尤其在样本比例较小的实验中效果显著。在小比例(一般样本选取比例的十分之一)训练样本实验中,对于India Pines数据集,OA(overall accuracy)值高达90. 48%;在Salinas数据集上能达到99. 68%;同样,Pavia U数据集的OA值为98. 54%。3组数据集的OA值均比其他算法高出4%～6%。结论综上表明,本文算法通过样本空间优化策略选取有代表性、均衡性的样本,保证小比例样本下分类精度依然显著;基于邻域高置信信息的修正策略起到很好的优化效果。同时,本文算法适应多种数据集,具有很好的鲁棒性。
关键词
遥感
高光谱分类
光谱特性
样本空间优化
类内再聚类
置信区域
边缘保护滤波
Keywords
remote
sensing
hyperspectral
classification
spectral
characteristic
sample
space
optimization
class
reclustering
high
confidence
region
edge
protection
filtering
分类号
TP751.2 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
基于融合边界框高置信度区域信息的超声胎儿头围测量算法
被引量：
1
2
作者
汪金婷
杨丰
陈琪
机构
南方医科大学生物医学工程学院
出处
《自动化与信息工程》
2021年第1期7-11,共5页
基金
国家自然科学基金项目(61771233)。
文摘
为有效克服胎儿头部超声图像中存在的干扰问题,实现对胎儿头围的精确测量,提出一种基于融合边界框高置信度区域信息的超声胎儿头围测量算法。首先,通过U-Net分割网络提取胎儿头部图像感兴趣区域;其次,利用YOLOv3检测网络获取胎儿头部边界框,结合边界框高置信度区域信息,筛选头部感兴趣区域高置信度边缘点;最后,采用直接最小二乘法对高置信度边缘点进行椭圆拟合,计算胎儿头围结果。实验结果表明:该算法可有效克服图像质量的干扰,提高超声胎儿头围测量精度。
关键词
胎儿头围测量
超声图像
高置信度区域筛选算法
U-Net
YOLOv3
Keywords
fetal
head
circumference
measurement
ultrasound
image
high
confidence
region
screening
algorithm
U-Net
YOLOv3
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
基于高置信局部特征的车辆重识别优化算法
被引量：
7
3
作者
窦鑫泽
盛浩
吕凯
刘洋
张洋
吴玉彬
柯韦
机构
北京航空航天大学计算机学院软件开发环境国家重点实验室
北京航空航天大学大数据与脑机智能高精尖创新中心
澳门理工学院应用科学高等学校
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020年第9期1650-1659,共10页
基金
国家重点研发计划(2018YFB2100500)
国家自然科学基金(61861166002,61872025,61635002)
+1 种基金
澳门特别行政区科学技术发展基金(0001/2018/AFJ)
软件开发环境国家重点实验室开放基金(SKLSDE2019ZX-04)。
文摘
根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。
关键词
车辆重识别
高置信局部特征
特征优化
区域检测
神经网络
Keywords
vehicle
re-identification
high
-
confidence
local
features
feature
optimization
region
detection
neural
network
分类号
TP399 [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
作者
出处
发文年
被引量
操作
1
样本优化选择的高光谱图像分类
方帅
祝凤娟
董张玉
张晶
《中国图象图形学报》
CSCD
北大核心
2019
8
原文传递
2
基于融合边界框高置信度区域信息的超声胎儿头围测量算法
汪金婷
杨丰
陈琪
《自动化与信息工程》
2021
1
下载PDF
职称材料
3
基于高置信局部特征的车辆重识别优化算法
窦鑫泽
盛浩
吕凯
刘洋
张洋
吴玉彬
柯韦
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020
7
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
