首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  完全免费   4篇
  综合类   6篇
  2018年   2篇
  2017年   2篇
  2016年   1篇
  2015年   1篇
排序方式: 共有6条查询结果,搜索用时 125 毫秒
1
1.
随着视频监控系统的大规模普及,视频监控系统的效用评价成为一个重要的研究课题。当前视频监控系统评价只考虑了摄像机的覆盖率,缺少对摄像机覆盖质量的量化评价。该文提出了一种基于深度卷积神经网络的监控摄像机覆盖质量评价算法。将摄像机覆盖质量评价问题转化为对摄像机所采集视频帧的质量评价问题,探讨了基于视频帧的摄像机覆盖质量等级的分级策略,标注了一个摄像机视频帧质量等级数据集;设计了一种新颖的多维标签赋值方法,利用深度卷积网络学习鲁棒的视频帧表示,进一步基于支持向量回归机( SVR)学习视频质量回归函数,从而实现对摄像机覆盖质量的鲁棒估计。实验结果表明:该算法能够准确地对监控摄像机的覆盖质量进行自动评测,有效监测了摄像机监控质量的实时变化。  相似文献
2.
传统人体行为识别基于人工设计特征方法涉及的环节多,具有时间开销大,算法难以整体调优的缺点.以深度视频为研究对象,构建了3维卷积深度神经网络自动学习人体行为的时空特征,使用Softmax分类器进行人体行为的分类识别.实验结果表明,提出的方法能够有效提取人体行为的潜在特征,不但在MSR-Action3D数据集上能够获得与当前最好方法一致的识别效果,在UTKinect-Action3D数据集也能够获得与基准项目相当的识别效果.本方法的优势是不需要人工提取特征,特征提取和分类识别构成一个端到端的完整闭环系统,方法更加简单.同时,研究方法也验证了深度卷积神经网络模型具有良好的泛化性能,使用MSR-Action3D数据集训练的模型直接应用于UTKinect-Action3D数据集上行为的分类识别,同样获得了良好的识别效果.  相似文献
3.
实际采集的页岩图像存在分辨率低等不足,有时难以满足实际应用的需求。针对此问题,本文构建了一种基于双层深度卷积神经网络的页岩图像超分辨率重建算法。本算法首先利用像素域的卷积神经网络对输入的低分辨率页岩图像进行上采样;然后对上采样图像提取梯度信息并利用梯度域的卷积神经网络对其进行转换;最后利用转换后的梯度信息作为正则项来约束高分辨率图像的重建,从而得到重建的高分辨率页岩图像。此外,为提升训练速度,本文引入了批规范化操作与深度残差学习等优化手段。实验表明,与主流的超分辨率重建算法相比,本文重建得到的页岩图像具有更好的主观视觉效果与更高的客观评价参数,更利于后续的处理及分析。  相似文献
4.
为解决专利文档的自动化分类,根据机械领域专利文本的特点,提出了一种基于卷积神经网络与随机森林的机械专利文本分类模型。该模型应用卷积神经网络作为有监督的文本特征提取器,结合随机森林作为分类器,面向机械领域专利文本进行专利文本分类。该模型被应用在包含96类的107302份英文机械专利文档的数据集上。实验结果表明,该模型相比k近邻,Na?ve Bayes,随机森林等经典机器学习算法在准确率,召回率以及查全率方面均有显著提高。  相似文献
5.
目的:针对现阶段人群行为分析的特征提取效果不佳,人群行为分析结果达不到视频分析的要求。方法:文中提出一种基于人群群组级别的动量特征,分别表示人群的集体性、稳定性和冲突性,然后将三组人群群组动量特征输入至卷积神经网络进行训练,最后在Violence数据集上进行人群行为分析实验。结果:实验结果表明,本文提出的群组动量特征能够在群组级别表达出人群的基本特性,这些特性在人群行为分析中能够建立可识别较高的特征,在Violence数据集上的测试结果显示,本文提出的群组动量特征能够扩展到独立场景,对于任何场景的人群行为分析都能够获得鲁棒的基础动量特征,而采用卷积神经网络进行的训练和分类,能够提升人群行为分析的精确度。结论:与传统特征及分类方法相比,本文算法在各种不同的独立场景中,将标注结果精度提升了13%左右,在视频场景人群行为分析中具有较强的实践意义。  相似文献
6.
图像的语义分割是计算机视觉中重要的基本问题之一,其目标是对图像的每个像素点进行分类,将图像分割为若干个视觉上有意义的或感兴趣的区域,以利于后续的图像分析和视觉理解。近年来,深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的出现,极大地推动了语义分割的发展。本文从语义分割的基本定义出发,对语义分割中存在的困难和挑战进行了分析和描述。总结了目前用于评测语义分割算法的典型数据库,并以PASCAL VOC数据库为主线对近年来基于DCNN的语义分割算法进行了梳理和总结。最后对语义分割未来的研究重点进行了探讨和预测。  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号