词袋模型
词袋模型的相关文献在2009年到2022年内共计284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175篇、会议论文9篇、专利文献256762篇;相关期刊119种,包括情报学报、西安邮电学院学报、中国图象图形学报等;
相关会议8种,包括第十九届网络新技术与应用年会、中国中文信息学会2015学术年会(CIPS2015)暨第十四届全国计算语言学学术会议(CCL2015)、第三届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD2015)、第二届全国图象图形联合学术会议等;词袋模型的相关文献由750位作者贡献,包括严斌宇、杨晓敏、杨赛等。
词袋模型—发文量
专利文献>
论文:256762篇
占比:99.93%
总计:256946篇
词袋模型
-研究学者
- 严斌宇
- 杨晓敏
- 杨赛
- 王颖
- 刘凡
- 薛卫
- 赵春霞
- 马燕
- 冯前进
- 吴峰
- 张成
- 李康丽
- 李海生
- 段立娟
- 汪辉进
- 胡雪娇
- 苏冰山
- 蔡强
- 赵春晖
- 陈莹
- 陈行健
- 高含
- 高新波
- 丁建伟
- 万定生
- 丰江帆
- 乔元华
- 仇建斌
- 仲伟峰
- 侍昊
- 冯钧
- 刘一秀
- 刘义铭
- 刘光军
- 刘凯
- 刘利锋
- 刘升平
- 刘双伟
- 刘国帅
- 刘媛媛
- 刘宏哲
- 刘岳
- 刘彬
- 刘志钢
- 刘成林
- 刘文举
- 刘殿超
- 刘颖
- 包晓安
- 化春键
-
-
朱振坤;
孙渊
-
-
摘要:
针对单一特征在减振垫缺陷描述上不够准确导致检测效果不佳的问题,提出了一种基于特征融合的减振垫缺陷分类方法。首先,通过词袋(BoW)模型聚类SURF提取到的纹理特征,构建视觉单词直方图;其次,针对缺陷在复杂纹理中难以提取缺陷轮廓,利用超像素分割后生成显著图后通过Hu不变矩提取几何特征;接着,根据纹理特征和几何特征在其分类模型中的准确率,提出一种特征加权融合的方法;最后,将融合新生成的特征向量送入SVM训练器中,训练后得到预测的缺陷标签值。实验证明该方法可以准确识别减振垫缺陷,其平均准确率可达97.8%,与纹理和几何特征单独分类相比,提高了5.6%和8.9%的分类准确率,满足工业识别需求。
-
-
罗可其;
夏益民;
蔡述庭;
李彦
-
-
摘要:
针对ORB-SLAM3算法构建稀疏点云地图信息量少、单机器人构图效率低的问题,该文提出一种基于ORB-SLAM3的多机器人地图构建算法,通过两层滤波算法减少冗余地图点数量,提高单机器人稠密点云地图构建效率;利用词袋模型匹配地图二维图像间接配准三维点云地图,提高地图配准速度与精度。该文算法在TUM数据集和自拍数据下进行测试,测试结果表明该文算法较传统构图算法速度提高71%、内存消耗减少89%,配准速度与精度较NDT+ICP点云配准算法分别提高68%和16%,在多机器人地图构建方面具有良好的效率、精度、鲁棒性和可拓展性。
-
-
贾雨萌;
刘甜甜;
李振华
-
-
摘要:
基于视觉的SLAM中,RGB-D SLAM技术是以RGB-D摄像机为传感器的一种具有代表性的SLAM技术。RGB回环检测是消除漂移量的重要手段,也是特征提取和优化的关键环节。经典回环检测过程中,特征匹配需要每帧图像与之前的每一帧进行匹配,耗时长、效率低,由此提出一种基于词袋模型的改进检测方法,可以有效加快特征匹配,提高回环检测的效率。首先,在经典RGB-D SLAM技术中的ORB特征提取基础上,根据文章中的算法计算出根节点、设置权重,并计算其他数据;根据得到的节点数据生成词典和K叉树,使用TF-IDF算法计算节点权重。用节点权重和节点距离组合得到词袋模型,通过对两帧图像词袋模型中的节点计算相似度,从而减少累积误差,达到减少计算量和回环检测的目的,以提高SLAM建图效率,较好地解决定位与地图构建问题。
-
-
王通典;
刘洁瑜;
吴宗收;
李文华;
沈强
-
-
摘要:
针对同时定位与地图构建(SLAM)的闭环检测方法在多歧义复杂场景下易发生感知偏差的问题,基于闭环概率模型提出了一种结合局部SURF特征和全局ORB特征的闭环检测方法。首先,分别采用鲁棒SURF特征和全局ORB特征对图像进行局部和全局的场景描述;其次,构建多特征场景描述的离散贝叶斯闭环概率模型,对多特征空间分别构建观测似然概率,其中,局部特征空间基于词袋模型的方法计算观测似然概率,全局特征空间基于KNN最近邻的方法计算观测似然概率;最后,考虑图像的时间一致性,基于极线约束设计多步闭环候选帧提取方法,进一步减少感知偏差问题。实验结果表明,在多歧义场景下所提方法可以消除绝大部分的误正匹配情况,对比FAB-MAP2.0和BoW方法具有更好的闭环检测效果,可以达到更高的闭环准确率。
-
-
林晓冬
-
-
摘要:
从居民类警情处置特点出发,根据业务需求将繁杂无序的火场文书数据按照出车、现场侦察、进攻疏散、收残四个不同阶段的提示内容进行归类。在梳理成业务逻辑图的基础上,着重研究人工智能如何与消防居民类警情辅助决策结合,提出将CNN(卷积神经网络)词袋模型应用到消防业务逻辑流程上,并利用历史警情加以验证。实验证明基于卷积神经网络的消防智能决策系统从精度上可以满足实战的需求。
-
-
李昂;
阮晓钢;
黄静;
朱晓庆
-
-
摘要:
传统的闭环检测方法大多采用人工设计的特征,很容易受到环境的影响.卷积神经网络通过提取层次化特征,更好地应对了光照变化,但忽略了图像的局部空间特性.针对该问题,提出一种融合VGG16与VGG-NetVLAD的闭环检测算法.该网络保留了VGG16的部分结构,并在最后一层引入了基于局部聚合描述符向量(VLAD)思想的池化层NetVLAD,使提取的特征更适用于闭环检测.实验表明,相较于传统的视觉词袋模型及其他几种深度学习方法,该算法具有更强的泛化性,可以在闭环检测中达到更高的准确率并满足实时性的要求.
-
-
张明路;
王帅;
张小俊;
高涵
-
-
摘要:
在工件装配过程中,针对基于SURF算法的工件匹配识别过程速度慢、实时性较差的问题,通过对K-Means聚类算法以及机器学习中文本检索方法进行研究,推导了基于聚类算法的特征点种类词袋模型,对特征点类别进行统计.提出反向标记法生成目标物体描述向量.在物体匹配识别阶段,对待检测物体的描述向量分段进行匹配并选取满足阈值条件的子向量作为最终匹配向量来实现目标物体的识别.实验结果表明改进算法在一定尺度、光照、旋转条件影响下实现了工件的准确识别,并且提高了识别速度.
-
-
张光耀;
倪益华;
吕艳;
倪忠进;
黄通交
-
-
摘要:
针对室内环境中视觉同时定位与建图(simultaneous localization and mapping,SLAM)精度不高和实用性较差等问题,采用深度相机作为传感器,提出一种基于改进词袋模型的视觉SLAM算法.该算法通过增加节点距离的方式,对传统的词袋模型进行改进,采用octree方法转化点云,生成可用于导航的八叉树图,并进行改进前后词袋模型对比实验、数据集精度实验和实验室实测.结果表明,改进后的词袋模型相似度计算能力和区分度更强,SLAM算法在环境有回环和相机运动较慢的情况下,效果较好,可满足室内同时定位与建图及后续导航需求.
-
-
刘彬;
刘静;
吴超;
杨有恒
-
-
摘要:
针对空间金字塔词袋模型中空间特征分布信息利用效率低,各类特征融合不充分的问题,该文提出空间金字塔与局部感受野相结合的相关熵极限学习机(SR-CELM).在特征提取部分,利用多尺度局部感受野对生成的多层级的字典特征分布图进行卷积,并引入局部位置特征和全局轮廓特征.在特征分类部分,提出一种新的网络以融合各部分特征.同时在传统极限学习机训练方法的基础上利用相关熵准则构建判别性约束,推导出权重更新公式以求解网络的输出权重.为验证SR-CELM的有效性,该文分别在数据库Caltech 101,MSRC和15 Scene上进行实验.实验表明SR-CELM能够充分利用特征中可辨识信息,提高分类正确率.
-
-
张乔豪;
罗雅文
-
-
摘要:
基于现有文档相似性比较方法进行改进,该方法由前人提出,但在实际应用中暴露出问题.所提出的改进是对现有方法过程进行部分改进,如对输入的文档进行预处理、改进文档向量以及标注关键字词性.经过最终实验验证,改进方法提高文档相似性比较结果的准确度和效率.
-
-
杨小敏;
冯宏伟;
卜起荣;
王红玉;
冯筠
- 《第二届全国图象图形联合学术会议》
| 2013年
-
摘要:
传统的计算机辅助检测系统根据影像的低层特征进行分类,容易造成病灶的漏检及误检.本文提出了基于词袋模型的隐含语义特征计算机辅助检测研究算法.首先去除器官背景块,通过对训练样本的分块聚类得到能够表达器官影像隐含语义的词袋模型及视觉词汇表,最终以视觉词汇作为图像的特征进行分类器训练.实验结果表明,该方法可以有效地提高乳腺图像计算机辅助检测(Computer-aided Detection,CAD)的分类准确率,同时降低分类的假阳率.大多情况下准确率可以提高12个百分点,假阳率最低可以达到0%.
-
-
-
-
-
-
-
Guo-shuai Liu;
刘国帅;
Wei-feng Zhong;
仲伟峰;
Fei Yin;
殷飞;
Cheng-lin Liu;
刘成林
- 《第18届全国图象图形学学术会议》
-
摘要:
本文针对当今互联网中两种主要的图像类型:自然场景图像与合成图像,设计层次化的快速分类算法.该算法包括两层,第一层利用两类图像在颜色,饱和度以及边缘对比度上表现出的差异性提取全局特征,并结合支持向量机(support vector machine,SVM)进行初步分类,第一层分类结果中低置信度的图像会被送到第二层中.在第二层中,系统基于词袋模型(Bag-of-Words)对图像不同区域的纹理信息进行编码得到局部特征并结合第二个SVM分类器完成最终分类.为测试算法的实用性,同时收集并发布了一个包含约30,000张图像的数据库.实验结果表明,在单核Intel(R)Xeon(R)(2.50GHz)CPU上,本文提出的算法分类精度可达到98.26%,分类速度超过40FPS.
-
-
-