您现在的位置: 首页> 研究主题> 深度特征

深度特征

深度特征的相关文献在1997年到2022年内共计509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、测绘学 等领域,其中期刊论文132篇、会议论文2篇、专利文献126468篇;相关期刊86种,包括测绘科学技术学报、农业机械学报、图学学报等; 相关会议2种,包括2017年中国地球科学联合学术年会(CGU2017)、2016中国地球科学联合学术年会等;深度特征的相关文献由1582位作者贡献,包括张洁、李瑞、王儒敬等。

深度特征—发文量

期刊论文>

论文:132 占比:0.10%

会议论文>

论文:2 占比:0.00%

专利文献>

论文:126468 占比:99.89%

总计:126602篇

深度特征—发文趋势图

深度特征

-研究学者

  • 张洁
  • 李瑞
  • 王儒敬
  • 谢成军
  • 陈天娇
  • 陈红波
  • 刘爽
  • 张重
  • 胡海瀛
  • 刘广海
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

作者

    • 陈剑涛; 黄德天; 陈健; 朱显丞
    • 摘要: 提出一种改进的二阶龙格-库塔超分辨率算法.首先,提出一种浅层共享编码器,以实现低分辨率图像的浅层特征提取.其次,提出一种深层特征学习单元,并与基于龙格-库塔方法的残差模块相融合,进而构建出一种基于深层特征的残差模块,以提升深层特征提取能力.实验结果表明:与主流超分辨率算法相比,文中算法在主观视觉效果和客观评价指标方面都具有更好的效果.
    • 石浩德; 侯劲; 李红文; 谢金轩; 移洁
    • 摘要: 针对传统核相关滤波器(Kernel Correlation Filter,KCF)目标跟踪算法在复杂应用场景下准确度和成功率降低的问题,提出了一种融合深度特征和尺度自适应的抗遮挡目标跟踪算法。将传统核相关滤波算法中HOG特征替换为深度特征来建立视觉外观模型增强算法对目标特征的表达能力。通过融合DSST算法中的尺度滤波器来实现目标尺度的估计,解决了传统核相关滤波跟踪器无法尺度自适应的问题。针对目标容易在遮挡环境中跟丢的问题,引入了最大历史均值和平均峰值相关能量来判断跟踪目标的可信度,当检测到发生遮挡时,通过自适应抗遮挡搜索机制,有效地改善了目标跟丢的问题。通过在OTB100数据集中验证结果表明,改进后的算法在复杂应用场景下的准确度和成功率与传统算法相比有明显提升。
    • 李全池; 黄鑫; 罗成思; 黄惠泉; 饶妮妮
    • 摘要: 心律失常是心血管疾病中最为常见的疾病类型之一。基于便携式设备,对少数导联的心电图进行长期智能监护,有利于提高心律失常的检出率,但产生的海量长程ECG数据会给临床医生带来极大的工作负担,也容易导致漏检和误判。为此,提出一种融合单导联心电图传统与深度特征的常见心律失常自动识别方法。首先针对常见心律失常,提取频域、时域和形态上的传统特征;然后搭建残差块深度卷积神经网络和双向长短时记忆网络,用于提取深度特征;接着在通过深度网络融合3种不同尺度的特征后,对常见的心律失常节律和正常节律进行分类识别;最后采用2018年中国生理信号挑战赛和2017年全球房颤挑战大赛分别提供的6877组静态和8528组动态心电图数据来验证所提出的研究方法。在只采用一个导联的静态心电图信号情况下,在分类识别6种心律失常节律和1种正常节律上获得0.855的平均F1分数,优于现有的相关方法;在单导联动态心电图上,新的研究方法在分类识别房颤、其他心律失常和正常节律的平均F1分数为0.827,与2017年全球房颤挑战大赛中两个并列第一的方法性能相当,优于其他相关方法。因此,所提出的研究方法在常见心律失常的辅助诊断和穿戴式远程监护中具有较好的应用前景。
    • 杨海清; 林小明
    • 摘要: 针对复杂场景如旋转变化、快速移动、尺度变化、遮挡等问题,提出了融合深度特征的通道可靠性目标跟踪算法。首先,提取方向梯度直方图(HOG)特征、颜色通道(CN)特征和灰度(Gray)特征,并将三种特征通道串联。然后,使用VGG-19网络进行深度特征提取,分别提取Conv4-4层和Conv5-4层的深度特征,独立训练每种通道特征的相关滤波器,根据可靠性系数进行响应图自适应通道可靠性加权融合。同时,提出了以主旁瓣比(PSR)和响应图的有效局部最大数量(NELM)为指标的模型更新策略。在OTB-100数据集进行实验表明,所提算法在一些复杂场景下与一些主流跟踪算法相比,具有较好的准确性和鲁棒性。
    • 孙继平; 范伟强
    • 摘要: 为满足矿井视频监控需求,针对现有图像融合算法获取的融合图像存在伪目标、模糊目标、晕光遮挡目标等问题,提出了一种基于多尺度和自适应高斯差分变换,结合修正非线性单元和VGG-16的矿井双波段图像融合算法。设计了基于多尺度和自适应高斯差分变换的源图像分解模型,将红外和可见光图像分解为基础图像和细节图像;构造了一种修正非线性单元函数,使红外基础图像的权值随可见光基础图像的灰度自动调节,并采用“加权平均”的基础图像融合策略,以获得消除光源干扰的融合基础图像;利用预训练的VGG-16网络模型提取细节图像的4层网络深度特征,获取4对具有不同网络深度特征的融合图像后,通过“极大值选择”方法得到融合细节图像;对融合基础图像和融合细节图像进行重构,获取最终的融合图像。实验结果表明:所提算法能够消除矿井下人工光源干扰,得到场景清晰、特征显著的融合图像,更符合人的视觉特性;同时,改善了异源图像的融合效率,有利于图像的进一步分析处理。与其他典型算法相比,该算法鲁棒性好,克服了传统算法难以提取图像深度特征的缺点,更易于消除光源干扰,获得更加全面、可靠和丰富的场景信息。
    • 赵运基; 范存良; 张新良
    • 摘要: 针对深度特征描述目标在跟踪过程中出现漂移或过拟合的问题,提出了一种融合多特征和通道感知的目标跟踪算法。应用预训练模型提取跟踪目标的深度特征,依据该特征构建相关滤波器并计算各通道对应滤波器的权重系数,根据权重系数对特征通道进行筛选;对保留的特征通过标准差计算生成统计特征并与原特征融合,采用融合后的特征构建相关滤波器并做相关运算,获取特征响应图确定目标的位置及尺度;利用跟踪结果区域的深度特征对融合特征构建的滤波器进行稀疏在线更新。所提算法和目前一些主流的跟踪算法在公共数据集OTB100、VOT2015和VOT2016上进行测试。与UDT相比,在不影响跟踪速度的同时,该算法具有更强的鲁棒性和更高的跟踪精度。实验结果表明,所提出的算法在目标尺度发生变化、快速运动和背景干扰等挑战下均表现出较强的鲁棒性。
    • 王奇; 王录涛; 江山; 文成江
    • 摘要: ECO算法虽然在跟踪效果上有了很大的提升,但是它在复杂场景中表现不好甚至会丢失目标,即鲁棒性不高;对此,文章探讨了怎样在ECO算法中利用深度特征处理深层语义的能力和浅层特征处理纹理颜色信息的能力来提升算法的鲁棒性,同时对比了深度特征和浅层特征在目标跟踪的不同作用,并因此提出了改进方法,首先在深度网络上选择了具有更深层次的ResNet-101网络;其次修改了适宜此网络的参数;算法在OTB-2015进行的实验也取得了比较良好的结果,在低分辨率、背景杂波、光照变化及尺度变化4个挑战因素的成功率分别领先基准算法ECO为0.135,0.034,0.031,0.024。
    • 邹承明; 纵耘博
    • 摘要: 针对交通监控视频场景下车牌检测性能较低的问题,提出一种车牌检测与跟踪框架。为进一步改善面向监控视频中的车牌检测,一种合理的方法是利用相邻帧之间的上下文信息。通过车辆跟踪,间接为视频序列中的每个车牌分配一个唯一的ID。基于此扩展当前最先进的车牌检测模型,进一步提高检测性能。提出一种具有深度特征的孪生网络目标跟踪算法实现稳健的车牌跟踪,提供更加准确的定位结果。在创建的交通监控车牌数据集进行大量实验,验证了所提算法的车牌检测性能高于其它算法,验证了其有效性。
    • 孙满贞; 张鹏; 苏本跃
    • 摘要: 人体行为识别是人工智能领域的一个研究热点,相对于视频、运动流等数据,人体骨骼数据具有简洁性和矢量计算的高效性。从基于传统机器学习的手工特征提取方法和基于深度学习的深度特征提取方法两方面对基于骨骼数据的人体行为识别相关研究进行综述。将手工特征概括为物理属性特征和统计属性特征,将深度特征按卷积神经网络、循环神经网络、图卷积神经网络及混合神经网络等类别对基于骨骼数据的人体行为识别方法及其优缺点进行逐一阐述,并对相关的特征提取方法、技术路线、模型特点及识别率等进行分析与总结。
    • 牛军浩; 王文胜; 叶捷胜; 苏金操; 张本鑫; 许川佩
    • 摘要: 目标在跟踪过程中由于运动速度过快、跟踪精度不够、出现遮挡而经常会导致跟踪失败。针对这一问题,文中在目标跟踪算法KCF的框架下提出一种基于时空上下文分层卷积的相关滤波算法。其中选用训练好的VGG-19网络提取多层深度特征送入岭回归中训练模型,并对多层深度特征的响应值采用自适应分配权重的方式得出最终的置信度,同时依据上一帧预测位置选取与目标同等宽高的上下左右四块区域,增加在目标搜索区域的四周用来约束目标因速度过快超出搜索范围的情况,然后针对目标遮挡提出一种新型遮挡判断机制用以判断目标是否被遮挡,并配合峰值分布的方差更新模型,避免使用目标被遮挡所生成的污染样本来更新模型。经实验验证所提方法在目标快速运动和遮挡时能有效跟踪。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号