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
基于聚焦线性注意力Retinexformer的TEDS图像实时暗光增强方法研究
1
作者
王登飞
苏宏升
+2 位作者
陈光武
陈登科
赵小娟
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024年第11期4840-4850,共11页
列车高速运行下,表面部件易产生机械损伤,影响列车的安全运行。用于损伤检测的动车组运行故障图像检测系统(TEDS)需进行检测的部件形态多样、体积大小不一,且因对列车底部、夜晚进行图像采集时的暗光环境导致图像大部分区域偏暗,对比度...
列车高速运行下,表面部件易产生机械损伤,影响列车的安全运行。用于损伤检测的动车组运行故障图像检测系统(TEDS)需进行检测的部件形态多样、体积大小不一,且因对列车底部、夜晚进行图像采集时的暗光环境导致图像大部分区域偏暗,对比度低,给工作人员对故障的分析和标注带来干扰,影响检测的实时性和准确率,提出一种基于线性聚焦注意力的Retinexformer(RetinexFLAformer)网络对TEDS图像进行暗光增强。首先分析Retinexformer中进行自注意力计算的相似矩阵存在低秩的问题,采用线性聚焦注意力对网络进行改进,在保证计算复杂度不变的情况下,提高相似矩阵的秩以增加网络的特征多样性;其次增加空间一致性损失、曝光控制损失和颜色恒定损失,来抑制由于曝光不均引起的局部区域对比度下降和颜色畸变;最后在以上改进的基础上进一步调整网络结构构建FastRetinexFLAformer,以达到更快的暗光图像处理速度。研究表明,改进后的RetinexFLAformer能有效提高TEDS图片的暗光增强效果,和其他算法对比,评价指标PSNR和SSIM分别提高0.55和0.023;FastRetinexFLAformer网络参数文件只有3.34 M,可达到当前主流方法相当的处理效果,且能有效提升暗光增强速度,达到TEDS系统的实时性需求。研究成果可有效提高TEDS系统的图片质量,提高损伤识别和标注的精准度,提升工作人员的效率,更好地保障铁路的安全运行。
展开更多
关键词
动车组运行故障图像检测系统
暗光增强
Retinexformer
线性聚焦多头自注意力
空间一致性损失
下载PDF
职称材料
无监督学习三元组用于视频行人重识别研究
2
作者
蔡江琳
韩华
+2 位作者
王春媛
潘欣宇
芮行江
《智能计算机与应用》
2022年第11期18-25,共8页
在智能交通中,对于目前产生的海量视频通过人工来标记行人图像不切实际,使无监督学习得到更多的关注。针对在无监督学习数据中缺少详细的身份信息,无法知晓目标图像对应的正负样本问题,提出一种无监督学习三元组用于视频行人重识别研究...
在智能交通中,对于目前产生的海量视频通过人工来标记行人图像不切实际,使无监督学习得到更多的关注。针对在无监督学习数据中缺少详细的身份信息,无法知晓目标图像对应的正负样本问题,提出一种无监督学习三元组用于视频行人重识别研究的方法。该方法从无标签的数据集中挖掘三元组、即目标图像,与目标图像身份相同的轨迹和与目标图像身份不同的轨迹。首先根据单相机内轨迹的时空一致性,即构成轨迹的任意帧图像具有相同的身份,将行人轨迹特征表示成图像特征均值后,通过计算rank-1轨迹作为判断三元组的条件,用于设计特殊的三元组损失函数。并根据特征距离大小分配样本权重,着重学习困难样本,使模型动态调整正、负样本对之间的距离,加速模型的收敛速率,降低过拟合风险。然后通过计算跨相机rank-1,合并高度关联的轨迹作为跨相机三元组的锚样本用于损失计算。最后联合单相机和跨相机的损失评估模型。经过实验证明,该方法在PRID2011、iLIDS-VID和MARS上的结果都表明了该模型的有效性和可靠性。
展开更多
关键词
无监督学习
行人轨迹
关联排序
时空一致性
三元组损失
下载PDF
职称材料
题名
基于聚焦线性注意力Retinexformer的TEDS图像实时暗光增强方法研究
1
作者
王登飞
苏宏升
陈光武
陈登科
赵小娟
机构
兰州交通大学自动化与电气工程学院
甘肃省高原交通信息工程及控制重点实验室
中国铁路呼和浩特局集团公司包头车辆段
出处
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024年第11期4840-4850,共11页
基金
国铁集团科技计划项目(N2023G064)
甘肃省科技计划资助项目(21ZD4WA018,23JRRA1693)。
文摘
列车高速运行下,表面部件易产生机械损伤,影响列车的安全运行。用于损伤检测的动车组运行故障图像检测系统(TEDS)需进行检测的部件形态多样、体积大小不一,且因对列车底部、夜晚进行图像采集时的暗光环境导致图像大部分区域偏暗,对比度低,给工作人员对故障的分析和标注带来干扰,影响检测的实时性和准确率,提出一种基于线性聚焦注意力的Retinexformer(RetinexFLAformer)网络对TEDS图像进行暗光增强。首先分析Retinexformer中进行自注意力计算的相似矩阵存在低秩的问题,采用线性聚焦注意力对网络进行改进,在保证计算复杂度不变的情况下,提高相似矩阵的秩以增加网络的特征多样性;其次增加空间一致性损失、曝光控制损失和颜色恒定损失,来抑制由于曝光不均引起的局部区域对比度下降和颜色畸变;最后在以上改进的基础上进一步调整网络结构构建FastRetinexFLAformer,以达到更快的暗光图像处理速度。研究表明,改进后的RetinexFLAformer能有效提高TEDS图片的暗光增强效果,和其他算法对比,评价指标PSNR和SSIM分别提高0.55和0.023;FastRetinexFLAformer网络参数文件只有3.34 M,可达到当前主流方法相当的处理效果,且能有效提升暗光增强速度,达到TEDS系统的实时性需求。研究成果可有效提高TEDS系统的图片质量,提高损伤识别和标注的精准度,提升工作人员的效率,更好地保障铁路的安全运行。
关键词
动车组运行故障图像检测系统
暗光增强
Retinexformer
线性聚焦多头自注意力
空间一致性损失
Keywords
trouble
of
moving
electric
multiple
units
detection
system(TEDS)
dim
light
enhancement
Retinexformer
linear
focused
multi-head
self
attention
spatial
consistency
loss
分类号
U279.3 [机械工程—车辆工程]
下载PDF
职称材料
题名
无监督学习三元组用于视频行人重识别研究
2
作者
蔡江琳
韩华
王春媛
潘欣宇
芮行江
机构
上海工程技术大学电子电气工程学院
出处
《智能计算机与应用》
2022年第11期18-25,共8页
基金
国家自然科学基金(61305014)
上海市自然科学基金(22ZR1426200)
上海市教育委员会和上海市教育发展基金会“晨光计划”(13CG60)。
文摘
在智能交通中,对于目前产生的海量视频通过人工来标记行人图像不切实际,使无监督学习得到更多的关注。针对在无监督学习数据中缺少详细的身份信息,无法知晓目标图像对应的正负样本问题,提出一种无监督学习三元组用于视频行人重识别研究的方法。该方法从无标签的数据集中挖掘三元组、即目标图像,与目标图像身份相同的轨迹和与目标图像身份不同的轨迹。首先根据单相机内轨迹的时空一致性,即构成轨迹的任意帧图像具有相同的身份,将行人轨迹特征表示成图像特征均值后,通过计算rank-1轨迹作为判断三元组的条件,用于设计特殊的三元组损失函数。并根据特征距离大小分配样本权重,着重学习困难样本,使模型动态调整正、负样本对之间的距离,加速模型的收敛速率,降低过拟合风险。然后通过计算跨相机rank-1,合并高度关联的轨迹作为跨相机三元组的锚样本用于损失计算。最后联合单相机和跨相机的损失评估模型。经过实验证明,该方法在PRID2011、iLIDS-VID和MARS上的结果都表明了该模型的有效性和可靠性。
关键词
无监督学习
行人轨迹
关联排序
时空一致性
三元组损失
Keywords
unsupervised
learning
pedestrian
track
association
ranking
temporal
and
spatial
consistency
triplet
loss
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
作者
出处
发文年
被引量
操作
1
基于聚焦线性注意力Retinexformer的TEDS图像实时暗光增强方法研究
王登飞
苏宏升
陈光武
陈登科
赵小娟
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
无监督学习三元组用于视频行人重识别研究
蔡江琳
韩华
王春媛
潘欣宇
芮行江
《智能计算机与应用》
2022
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