上下文感知
上下文感知的相关文献在2003年到2023年内共计627篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文276篇、会议论文33篇、专利文献27651篇;相关期刊148种,包括计算机工程、计算机工程与科学、计算机工程与设计等;
相关会议29种,包括2015全国博士生学术论坛(测绘科学与技术)、2015年全国电力通信技术学术年会、2013年全国开放式分布与并行计算学术年会等;上下文感知的相关文献由1530位作者贡献,包括王东京、齐勇、叶宁等。
上下文感知—发文量
专利文献>
论文:27651篇
占比:98.89%
总计:27960篇
上下文感知
-研究学者
- 王东京
- 齐勇
- 叶宁
- 吴朝晖
- 王汝传
- 吴健
- 尹建伟
- 李莹
- 邓水光
- 周兴社
- 许宏吉
- 陈志
- 马守明
- 张军
- 朱珍民
- 赵季中
- 陶先平
- 马其锋
- 倪红波
- 叶剑
- 孙力娟
- 戴国忠
- 李明
- 沙超
- 牛玉洁
- 王俊
- 郑笛
- 黄海平
- 乔秀全
- 俞东进
- 刘厚泉
- 刘琚
- 吕建
- 孟祥武
- 岳玮宁
- 常恒
- 张洁
- 张青川
- 房海腾
- 於志文
- 曹健
- 曹奇英
- 曾广平
- 李晓峰
- 李锦涛
- 柳恭
- 王忠群
- 王文东
- 王海涛
- 王海鹏
-
-
万文明;
路红;
秦彬鑫;
邱春
-
-
摘要:
为了更好地在复杂环境下跟踪到目标的运动轨迹,提出一种基于上下文感知的自适应目标跟踪算法.在满足实时性和精度的情况下,利用相关滤波联合全局上下文进行背景训练,利用目标及其上下文区域,实现协同跟踪.通过卡尔曼滤波估计出目标的运动方向,并在训练滤波器时将目标运动方向上的背景信息作为先验信息,降低非运动方向上背景样本的权重,增加运动方向上样本的权重.采用目标跟踪算法结合联合全局上下文算法训练尺度滤波器和位置滤波器,确定当前帧中目标的最优尺度.针对目标遮挡问题,以平均峰值相关能量作为遮挡判据指标对模型进行更新.在OTB—2015基准集上进行测试,该算法在多种复杂环境下也能较好地跟踪到目标运动轨迹,显著提高了相关滤波器的鲁棒性.
-
-
陈秋嫦;
赵晖;
左恩光;
赵玉霞;
魏文钰
-
-
摘要:
针对现有的序列化模型对中文隐式情感分析中特征信息提取不准确以及对篇章级的文本信息提取存在的梯度爆炸或者梯度消失的问题,提出了双向长短时神经网络和上下文感知的树形递归神经网络(context-aware tree recurrent neutral network,CA-TRNN)的并行混合模型。该模型分别利用双向循环长短时记忆神经网络(BiLSTM)提取文本中的上下文信息,树形递归神经网络(TRNN)提取文本中目标句的语义特征信息,最后,使用特定目标句的注意力机制将两个表示信息进行融合表示后,经过softmax得出文本的情感分类结果。采用SMP2019微博中文隐式情感分析任务中的数据进行验证,实验结果表明,所使用的模型(CA-TRNN)可以有效提高分类结果的准确度,时间代价小,具有更好的应用能力。
-
-
刘春林;
张立祥
-
-
摘要:
当前,物联网应用程序从环境中感知到大量数据,这些数据需要以最小的延迟进行处理。用户终端作为无处不在的网络终端设备,由于资源有限,无法在本地处理所有的计算。多接入边缘计算是处理网络边缘计算的良好架构,解决了诸如延迟、能源和成本等挑战。如果UE无法处理计算,MEC将把任务卸载到边缘或云上。研究表明,忽略应用程序、请求、传感器、资源和网络工具的上下文信息会导致卸载方法无法完成。因此,文章将对多用户的MEC中具备上下文感知卸载方法进行研究,通过对能量消耗、执行成本、网络使用率、延迟和公平性等指标的比较,证明考虑上下文感知算法将明显优于不考虑上下文感知算法,从而对优化卸载算法提供参考依据。
-
-
孙雅媚;
肖嵩;
曲家慧;
董文倩
-
-
摘要:
由于传统的相关滤波目标跟踪算法余弦窗和搜索区域的限制,在复杂场景下容易产生跟踪漂移,上下文感知算法提出一个框架允许将上下文纳入相关滤波器,但其没有计算上下文信息对目标的干扰程度而直接采用相同的抑制权重,因此无法对干扰程度不同的上下文信息自适应赋予不同程度的抑制。基于此,提出一种上下文抑制权重自适应的相关滤波类目标跟踪算法。首先,将目标周围的背景信息学习到滤波器中,增强滤波器模板对于目标和上下文背景信息的分类能力,同时引入自适应权重系数向量;其次,提出一个上下文信息干扰系数公式,用于定量评估目标上下文信息对于目标的干扰程度;再次,依据所提出的公式分别计算出上下文信息的干扰程度之后,将其与自适应权重系数向量匹配,从而实现对目标干扰程度越大的上下文信息,抑制的程度越大;最后,基于OTB100数据集验证了该算法的有效性。实验结果表明,这种算法的成功率和精确度较其基准算法分别提升了约5.7%和4.3%,具有较强的鲁棒性。
-
-
李勇锋;
谢维信
-
-
摘要:
针对传统相关滤波器使用特征单一、背景信息不足等缺点,提出一种多特征融合的自适应加权采样的上下文感知相关滤波算法。首先,对于灰度图像序列,采用方向梯度直方图(FHOG)特征、局部二值模式(LBP)特征以及灰度特征相融合;对于彩色图像序列,则采用方向梯度直方图(FHOG)特征、局部二值模式(LBP)特征以及颜色(CN)特征相融合。其次,自适应采样响应图中的高响应区域,将其作为负样本引入滤波器训练中,并对最高响应区域赋予更高的抑制权重。对于目标尺度变化问题,引入尺度池进行尺度估计。最后,在OTB100数据集上实验的结果表明,相比原算法,本文算法的距离精度提高了8.5%,成功率提高了14.7%,并将本文算法与其他几种主流算法对比,验证了其有效性。
-
-
李丽惠;
黄育明;
丁灿;
喻飞;
陈颖频
-
-
摘要:
针对当前相关滤波跟踪算法在目标进行旋转、快速运动和被遮挡时,易出现跟踪漂移甚至跟丢的问题,提出一种卷积视角下抗遮挡相关滤波跟踪方法.该方法在相关滤波算法框架的基础上,利用上下文感知方法增加背景信息,引入多模态历史池更新策略增强抗遮挡的跟踪性能.首先,设计出一套基于卷积视角的公式推导体系,巧妙地引入卷积定理在频域上求解滤波器,相比于现有文献中循环矩阵对角化的滤波器求解方法,该推导方法易于理解.然后,通过引入上下文相关信息,设计合理的能量泛函压制背景区域的响应值,达到更加稳健跟踪目标的目的.最后,建立历史多模态目标池,一旦相关响应最大的样本与历史模板池各多模态模板相似度低于人为设置阈值,则认定该帧出现遮挡,不进行模板池、外观模型、滤波器的更新,有效解决遮挡挑战下跟踪漂移的问题.将所提方法在OTB2015上进行测试,实验表明在目标旋转、快速运动、被遮挡等条件下,所提方法在保证准确跟踪的同时保持较高的速度,优于实验所提的其他方法.
-
-
朱杰;
翟素兰;
刘磊
-
-
摘要:
RGB-T视觉目标跟踪可以挖掘可见光与红外视频的互补优势,实现更鲁棒的跟踪。针对上下文感知相关滤波跟踪器固定位置、固定数量采集上下文感知块的局限性,提出了一种自适应上下文感知相关滤波的RGB-T目标跟踪算法。首先该算法用一个滤波器同时学习两个模态的目标信息,挖掘两个模态的互补性和一致性来适应多种挑战性场景;其次在滤波器的训练中,根据目标与周围上下文块的相关性,自适应选择加入上下文感知块。数据集GTOT和RGBT234上的实验结果表明该算法能更好应对光照、外观变化与遮挡带来的跟踪挑战,获得更高的精确率和成功率。
-
-
黄奕秋;
胡晓;
杨佳信;
欧嘉敏
-
-
摘要:
针对图像背景噪声、透视畸变等影响人群计数网络计数精度的问题,提出一种基于背景抑制与上下文感知的新网络。利用VGG-16网络提取图像特征,并分别将特征输入密度图生成模块和背景噪声抑制(BNS)模块中进行处理,生成密度特征图和空间注意力图。使用BNS模块优化密度特征图并生成初级密度图,以抑制图像中背景噪声干扰,提高人群区域的特征权重。为减少透视畸变对人群密度估计的影响,使用上下文感知增强网络优化初级密度图,并生成预测密度图。在ShanghaiTech、UCF-CC-50及UCF-QNRF 3个公开数据集上的实验结果表明,该网络相较于MCNN、SwitchCNN、CSRNet等网络的计算准确度较高,尤其在UCF-QNRF数据集上其平均绝对误差和均方误差分别为85.8、146.0,相较于其他网络最高分别下降69.0%和67.2%,能充分抑制图像背景噪声并有效减小透视畸变引起的误差,具有良好的泛化能力和较强的鲁棒性。
-
-
李旭;
李景文;
姜建武;
俞娜
-
-
摘要:
为解决兴趣点推荐中个性化不足和推荐性能较差的问题,提出一种基于矩阵分解的上下文感知兴趣点推荐方法。通过建立矩阵分解模型综合考虑时间、地理位置等上下文信息对兴趣点推荐的影响,在协同过滤算法中融入时间序列建模用户偏好,利用随机梯度下降法优化矩阵分解模型的参数,提高模型的运行效率。实验结果表明,该方法能够满足不同用户的个性化需求,相比于其它主流兴趣点推荐方法有着更好的推荐性能。
-
-
任建华;
李静;
孟祥福
-
-
摘要:
文档分类是自然语言处理(NLP)领域中的一个基本问题.近年来,尽管针对这一问题的层级注意力网络已经取得了进展,但由于每条句子被独立编码,使得模型中使用的双向编码器仅能考虑到所编码句子的相邻句子,仍然集中于当前所编码的句子,并没有有效地将文档结构知识整合到体系结构中.针对此问题,提出一种上下文感知与层级注意力网络的文档分类方法(CAHAN).该方法采用分层结构来表示文档的层次结构,使用注意力机制考虑文档中重要的句子和句子中重要的单词因素,在单词级和句子级不仅依赖双向编码器来获取上下文信息,还通过在单词级注意机制中引入上下文向量,使单词级编码器基于上下文信息做出注意决策全面获取文本的上下文信息,从而提取出深度文档特征.此外,还利用门控机制准确地决定应该考虑多少上下文信息.在两个标准数据集上的实验结果表明,提出的CAHAN模型较长短时记忆网络(LSTM)、卷积神经网络(CNN)、分层注意网络(HAN)等模型分类效果更好,能够提高文档分类任务的准确度.
-
-
LIN Diao;
林雕;
SONG Guoming;
宋国民;
JIA Fenli;
贾奋励
- 《2015全国博士生学术论坛(测绘科学与技术)》
| 2015年
-
摘要:
为实现精细化的室内导航服务,综合考虑室内空间特性以及上下文感知的应用需求,定义了规范化的室内导航模型数据结构,设计了室内POI数据模型,并针对不同类型POI给出了对应的POI与导航模型的转换方法.具体分析了时间、位置、用户、拥挤、事件五类典型上下文信息对路径规划的影响并建立对应的描述模型.基于所提空间模型与上下文信息模型,提出了上下文感知的路径规划实现流程与方法,并针对拥挤情况、事件两类上下文信息的特点建立了对应的权值更新方法.设计了两组不同上下文背景条件下的室内路径规划模拟实验,通过比较分析其最优路径结果,验证了本文所提模型与方法的有效性.
-
-
-
FANG Chao;
方超;
YANG Yiling;
杨怡玲;
HUANG Yu;
黄宇
- 《2013年全国开放式分布与并行计算学术年会》
| 2013年
-
摘要:
当前,开发灵活的适应环境变化的上下文感知应用较为复杂.在上下文感知应用开发过程中,很多未知情况无法事先被充分考虑到,实际的开发又需要处理很多意外情形,因此有效地表示和处理上下文尤为重要.谓词检测作为实现上下文感知的重要方法之一,能够有效对上下文信息进行建模,但在实际应用中对于真实物理设备的支持如何在很大程度上仍然是未知的.为了应对以上问题,通过构建一个简单的物理场景,将谓词检测方法应用于真实的机器小车上,支持其在一个既定轨道上完成运行任务.在该场景下对原始的上下文环境进行建模,将环境特性逐步规约成特定的快照谓词和序列谓词,并在案例研究中,对规约化的谓词进行检测,将谓词检测应用于真实的机器小车实验上.实验分析的结果表明,谓词检测的方法能有效检测小车的上下文特性并成功支撑小车完成既定的行走目标.
-
-
-
-
王潇;
吕志坚
- 《第二十七届全国计算机信息管理学术研讨会》
| 2013年
-
摘要:
自然场景中的文本信息对于高层图像理解很有帮助.本文针对传统的基于区域的场景文字检测,融入新的上下文信息.通过尺度间置信概率更新以利用相邻尺度间的上下文信息,同时介绍了连通域自增长用以从各尺度内候选文本行中探寻上下文信息.依次通过级联Adaboost滑动窗分类,尺度间置信度更新,及连通域自增长的方法得到最终场景文字检测结果.在ICDAR 2011场景文字检测竞赛的数据集上进行了测试,并通过测试结果验证了方法的有效性.此外,还在由智能手机收集的新的中文自然场景识别数据集上进行了测试.
-
-
-
郑阳;
刘纯平;
柳恭;
王朝晖
- 《2011年江苏省人工智能学术会议》
| 2011年
-
摘要:
基于上下文感知的显著区域检测模型(Context-Aware,CA)对于大目标和复杂背景图像中显著对象检测存在检测内容缺失和误检的问题。在CA模型的基础上,引入图像清晰度的视觉反差特性,提出非清晰区域抑制下的图像显著对象检测方法。该方法以离散度作为判断图像中是否存在清晰度差异的标准,并对存在差异的图像进行抑制。实验结果表明,非清晰区域抑制的CA方法可以在较好的解决大目标检测和复杂背景误检问题,提高了显著对象检测精度。
-
-