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
多尺度时空特征聚合的全参考视频质量评价
1
作者
张威
赵世灵
+2 位作者
刘银豪
王鸿奎
殷海兵
《计算机工程与应用》
CSCD
北大核心
2023年第18期154-162,共9页
视频质量得分是观测者在多个时间尺度下对视频进行感知的结果,而当前质量评价模型普遍在某个固定尺度下对失真进行描述,单一粒度的特征对全局信息表征并不充足。为充分提取并聚合多粒度信息来刻画人类复杂的感知机制,提出一种基于多尺...
视频质量得分是观测者在多个时间尺度下对视频进行感知的结果,而当前质量评价模型普遍在某个固定尺度下对失真进行描述,单一粒度的特征对全局信息表征并不充足。为充分提取并聚合多粒度信息来刻画人类复杂的感知机制,提出一种基于多尺度时空特征聚合的全参考视频质量评价方法。为解决传统质量评价算法中固定间隔采样丢失关键帧的痛点,通过结合图像结构失真度与感知运动能量对序列自适应采样;为提取不同粒度特征对失真进行表征,并探究聚合多粒度特征的有效方式,利用堆叠的长短时记忆层对序列进行特征提取,模拟视觉神经的正反向感知迭代机制,对网络层特征融合;结合多通道自注意力网络回归预测得分。模型在多个数据集中的SRCC指标均达到0.93以上,取得最优或次优的性能。
展开更多
关键词
视频质量评价
自适应采样
视觉神经感知
特征金字塔
多尺度时空域特征
长短时记忆网络
下载PDF
职称材料
时空多尺度关联特征融合的二维卷积网络细粒度动作识别模型
2
作者
胡正平
王昕宇
+2 位作者
董佳伟
赵艳霜
刘洋
《高技术通讯》
CAS
北大核心
2024年第6期590-601,共12页
针对传统二维(2D)卷积网络提取时空特征尺度单一以及对细粒度动作数据集中帧与帧之间的远程时间关联信息利用不足的问题,本文提出时空多尺度关联特征融合的2D卷积网络细粒度动作识别模型。首先,为建模视频多尺度空间关联以加强对细粒度...
针对传统二维(2D)卷积网络提取时空特征尺度单一以及对细粒度动作数据集中帧与帧之间的远程时间关联信息利用不足的问题,本文提出时空多尺度关联特征融合的2D卷积网络细粒度动作识别模型。首先,为建模视频多尺度空间关联以加强对细粒度视频数据的空间表征能力,模型使用多尺度“特征压缩、特征激发”方式,使网络所提取空间特征更加丰富有效。然后,为充分利用细粒度视频数据时间维度上的运动信息,本文引入时间窗口自注意力机制,利用自注意力机制强大的远程依赖建模能力同时只在时间维度上进行自注意力操作,以较低计算成本建模远程时间依赖关系。最后,考虑到所提取时空特征对不同类型动作分类的贡献不均等,本文引入自适应特征融合模块,为特征动态赋予不同权重实现自适应特征融合。模型在2个细粒度动作识别数据集Diving48和Something-somethingV1上识别准确率分别达到86.0%和46.9%,分别使原始主干网络识别准确率提升3.8%和1.3%。实验结果表明,在只使用视频帧信息作为输入的情况下,本模型达到与现有基于Transformer和三维卷积神经网络(3D CNN)算法相当的识别准确率。
展开更多
关键词
细粒度动作识别
多尺度时空关联特征
远程依赖建模
自注意力机制
下载PDF
职称材料
题名
多尺度时空特征聚合的全参考视频质量评价
1
作者
张威
赵世灵
刘银豪
王鸿奎
殷海兵
机构
杭州电子科技大学通信工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2023年第18期154-162,共9页
基金
浙江省尖兵研发攻关计划项目(2022C01068)。
文摘
视频质量得分是观测者在多个时间尺度下对视频进行感知的结果,而当前质量评价模型普遍在某个固定尺度下对失真进行描述,单一粒度的特征对全局信息表征并不充足。为充分提取并聚合多粒度信息来刻画人类复杂的感知机制,提出一种基于多尺度时空特征聚合的全参考视频质量评价方法。为解决传统质量评价算法中固定间隔采样丢失关键帧的痛点,通过结合图像结构失真度与感知运动能量对序列自适应采样;为提取不同粒度特征对失真进行表征,并探究聚合多粒度特征的有效方式,利用堆叠的长短时记忆层对序列进行特征提取,模拟视觉神经的正反向感知迭代机制,对网络层特征融合;结合多通道自注意力网络回归预测得分。模型在多个数据集中的SRCC指标均达到0.93以上,取得最优或次优的性能。
关键词
视频质量评价
自适应采样
视觉神经感知
特征金字塔
多尺度时空域特征
长短时记忆网络
Keywords
video
quality
assessment
adaptive
sampling
visual
neural
perception
feature
pyramid
multi
-
scale
spatio
-
temporal
feature
long
short-term
memory
network
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
时空多尺度关联特征融合的二维卷积网络细粒度动作识别模型
2
作者
胡正平
王昕宇
董佳伟
赵艳霜
刘洋
机构
燕山大学信息科学与工程学院
燕山大学河北省信息传输与信号处理重点实验室
出处
《高技术通讯》
CAS
北大核心
2024年第6期590-601,共12页
基金
国家自然科学基金面上项目(61771420)
国家自然科学基金(62001413)资助项目。
文摘
针对传统二维(2D)卷积网络提取时空特征尺度单一以及对细粒度动作数据集中帧与帧之间的远程时间关联信息利用不足的问题,本文提出时空多尺度关联特征融合的2D卷积网络细粒度动作识别模型。首先,为建模视频多尺度空间关联以加强对细粒度视频数据的空间表征能力,模型使用多尺度“特征压缩、特征激发”方式,使网络所提取空间特征更加丰富有效。然后,为充分利用细粒度视频数据时间维度上的运动信息,本文引入时间窗口自注意力机制,利用自注意力机制强大的远程依赖建模能力同时只在时间维度上进行自注意力操作,以较低计算成本建模远程时间依赖关系。最后,考虑到所提取时空特征对不同类型动作分类的贡献不均等,本文引入自适应特征融合模块,为特征动态赋予不同权重实现自适应特征融合。模型在2个细粒度动作识别数据集Diving48和Something-somethingV1上识别准确率分别达到86.0%和46.9%,分别使原始主干网络识别准确率提升3.8%和1.3%。实验结果表明,在只使用视频帧信息作为输入的情况下,本模型达到与现有基于Transformer和三维卷积神经网络(3D CNN)算法相当的识别准确率。
关键词
细粒度动作识别
多尺度时空关联特征
远程依赖建模
自注意力机制
Keywords
fine-grained
action
recognition
multi
-
scale
spatio
-
temporal
correlation
feature
long-range
de-pendency
modeling
self-attention
mechanism
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP183 [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
多尺度时空特征聚合的全参考视频质量评价
张威
赵世灵
刘银豪
王鸿奎
殷海兵
《计算机工程与应用》
CSCD
北大核心
2023
0
下载PDF
职称材料
2
时空多尺度关联特征融合的二维卷积网络细粒度动作识别模型
胡正平
王昕宇
董佳伟
赵艳霜
刘洋
《高技术通讯》
CAS
北大核心
2024
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