图像空间关系特征描述

图像目标空间关系的描述是基于内容的图像检索中的关键技术,通过空间位置关系识别事物更符合人们的习惯.回顾并比较了图像中的目标空间关系的特征及描述方法,指出了存在的问题,并提出了改进的建议.     

基于多特征描述的指横纹识别

提出一种基于多特征描述的指横纹识别方法.分别提取指横纹的主成分特征、Gabor相位特征和Gabor幅值特征构成识别系统,采用Fisher线性判决方法融合各自匹配分数,进一步提高系统性能.通过98个人、1 971幅图像的测试实验表明,本文方法在获得较高性能的同时(识别率为99.39%,平均错误率为0.56%),单次匹配时间仅为0.67 ms,可以满足中等规模数据库实时识别要求.     

图像空间关系特征描述

图像目标空间关系的描述是基于内容的图像检索中的关键技术，通过空间位置关系识别事物更符合人们的习惯．回顾并比较了图像中的目标空间关系的特征及描述方法，指出了存在的问题，并提出了改进的建议．     

基于两层迁移卷积神经网络的抽象图像情感识别

为弥合抽象图像底层视觉特征与高层情感语义间的鸿沟,同时缓解抽象图像情感识别所固有的小样本缺陷,将两层迁移学习策略引入传统的卷积神经网络,提出一种基于两层迁移卷积神经网络的抽象图像情感识别模型.该模型利用深度特征的层次性,首先通过大规模通用图像数据集来学习提取普适的底层图像特征;然后利用抽象图像风格分类数据集来学习提取抽象图像的专有高层语义特征;最后采用抽象图像情感识别数据集来微调整个网络.MART数据集上的实验结果表明,与传统的抽象图像情感识别方法相比,所提出的模型能够有效地提高识别精度.     

基于多图学习的情感图像检索研究

构建了一个统一的多图学习框架,来验证在不同类别情感图像中,使用不同级别特征在情感图像检索上的性能表现。首先,提取每个图像在不同层级上的共有特征,其中,从元素级别提取的一般特征作为底层特征;可解释的属性特征作为中层特征;而情感图像的语义感念描述作为高层特征。其次,为每种类型的特征构建一个图模型来验证情感图像检索的性能。最后,将多个图模型合并在一个规范化的框架内来学习每个图模型的优化权重。通过在5个不同数据集上得到的实验结果验证了所提方法的有效性。     

基于图像特征的智能肺癌识别

提出一种基于图像特征进行计算机辅助医学诊断的智能算法。该算法使用神经网络技术有效地从彩色细胞切片图像中识别出肺癌细胞。首先，通过图像预处理和图像分割技术提取出切片图像中细胞的形状和颜色特征。接着，将这些图像特征输入训练好的肺癌分类识别神经网络，智能地识别出肺癌细胞。     

基于多层交叉注意力融合网络模型的人脸图像情感分析

目前大多数人脸图像情感分析方法只单方面关注图像整体或局部来构建视觉情感特征表示,忽略了二者在情感表达上的协同作用。针对此问题,提出了一种多层交叉注意力融合网络情感分析方法。该方法首先利用特征相关性分析实现最大化类的可分性;其次通过多层交叉注意力网络中的多个不重叠的注意力区域来提取整体和局部的信息;然后将整体与局部提取的注意力图进行融合,来共同训练图像情感分类器并进行情感分析。实验结果表明,提出的方法在真实数据集RAFDB上的情感分类准确率达到了88.53%,优于现有其他方法,验证了该方法的有效性与优越性。     

基于特征融合的图像情感语义识别研究

针对图像情感语义识别中特征提取的问题,提出了一种加权值的图像特征融合算法,并应用于图像情感语义识别。该方法根据不同特征对情感语义的影响不同,在提取出颜色、纹理和形状特征后通过加权融合为新的特征输入量,并用SVM来实现情感语义的识别。实验结果表明,这种算法比单独使用某种图像特征有更高的准确率。     

基于多步态特征融合的情感识别

在情感计算、心理治疗、机器人、监视和观众理解等方面,基于步态特征的情感识别有着广泛的应用前景。已有方法表明,考虑手势位置等上下文信息可以显著提高情绪识别性能,且时空信息能显著提高情绪识别精度。但是单纯使用骨骼空间信息无法充分表达步态中的情绪信息。为了充分利用步态特征,本文提出自适应融合的方法,将骨骼时空信息与骨骼旋转角度结合,提升了现有模型的情感识别精度。本文模型利用自编码器,学习人类行走时的骨骼旋转信息,利用时空图卷积神经网络提取骨骼点时空信息,将骨骼旋转信息与时空信息输入自适应融合网络,得到最终特征进行分类。模型在Emotion-Gait数据集上测试,实验结果显示：悲伤、愤怒和中立情绪的AP值比最新HAP方法分别提升5、8、5个百分点;总体分类的平均MAP值提高了5个百分点。     

基于深度学习的纹理图像语义识别

传统的纹理图像识别方法主要对底层的视觉特征进行检测,从而导致对高层语义特征的识别能力不足.为了解决上述问题,提出一种基于深度学习的纹理图像语义特征识别方法.该方法首先把在ImageNet数据集上预先训练的模型作为骨干网络构建模型,然后对输入的纹理图像进行数据增强和预处理,并输入模型进行训练和验证,最后利用训练获得的最佳...     

基于深度学习的无线电智能识别系统设计

<正>随着无线通信新技术不断涌现,传统以频率为主的电磁频谱监测模式已无法满足快速识别和处置无线电干扰的要求。本文设计一种基于机器学习的无线电信号智能识别系统,以实现更快速、更准确、更智能的无线信号采集、处理和分析诊断,突破传统无线电信号发现和识别的性能瓶颈,构建频谱大数据存储和云计算平台,打通行业数据孤岛,实现高精度、智能化的信号诊断分析。     

基于情感轮和多任务卷积神经网络的图像情感分布学习

图像情感分布学习可以对多种情绪同时进行建模,但现有的模型缺乏有效的方法直接考虑情绪之间的相关性.针对这一问题,该文提出一种基于情感轮和多任务卷积神经网络(EW-MTCNN)的图像情感分布学习模型,通过先验知识模块将心理学情感知识直接引入到深度神经网络中.基于Mikel's情感轮定义成对情绪之间的相关性,EW-MTCNN模型采用多任务卷积神经网络学习情绪之间的相关性信息,同时优化情感分布预测和情绪分类任务.EW-MTCNN模型由3个模块组成,3个模块分别是图像特征提取层、情感轮先验知识层和多任务损失层.在情感分布数据集(Emotion6)和单标签数据集(Artphoto)上进行对比实验的结果表明:EW-MTCNN模型在情感分布预测与情绪分类任务上比其他情感分布学习方法具有更优的性能.     

基于多核学习的典型地物目标特征描述

为了寻找针对典型地物目标进行描述的最优特征组合,提出了一种基于多核学习的地物目标的特征描述分析方法.首先,提取图像的纹理特征、颜色特征等多种低层次特征.然后,采用多核学习算法训练出多核分类模型.最后,从特征权重矩阵中抽取对应于特定类型地物目标的特征向量,按权重大小进行降序排序,从而找出适用于特定地物目标描述的最优特征组合.此外,还提出了一种综合排序方法来计算全部特征在所有地物类别上的权重排列顺序.结果表明,对于不同类型的地物目标适合于描述它们的最优特征也不同,利用多核学习算法配置多种特征来描述图像要远远优于使用单独特征来描述图像.     

基于深度学习的高分辨率图像的智能检测

针对高分辨率图像下目标所占面积小,检测效果较低、实时性较差的问题.提出了一种基于LDCF-ResNet50的深度学习模型检测方法.以行人检测为例说明此方法的有效性.首先基于局部无关通道特征的预测提议区域,对行人潜在区域粗检测.然后,设计候选区域合并和扩展方法,将合并后的区域用于后面的ResNet-50神经网络.其次,设计了一个合适的ResNet-50网络,用于精确检测该区域.最后将ResNet-50网络的检测结果映射到原始图像中,输出检测结果.为了验证本文所提方法的有效性,在清华-戴姆勒数据库平台上对高分辨率图像进行实验验证.实验结果表明,所提出方法能够有效地检测行人.与主流的算法(包括Faster R-CNN,YOLOv3和SSD)相比,本文方法对行人检测的平均精度分别提高了4.07％、17.79％和31.45％.     

基于图像多特征识别的空闲车位检测

车位空闲状态检测与识别是停车场自动泊车引导的关键技术,目前虽有多种检测识别方法,但就某一种方法而言,很难达到快速、准确的检测目的.原因在于每种识别算法各有所长,既有优势,又有不足,因而实际中需要结合采用两种或两种以上的方法才有可能达到满意的检测效果。基于图像多特征识别检测方案,提出一种融合边缘检测、封闭轮廓检测以及前景与背景的像素差异的联合检测方法,对每一个停车位进行综合检测,判断车位上是否有停泊车辆.实验表明,这种融合算法不仅十分有效,且具有较强的识别能力和较高的准确性。     

基于视觉识别的多层多道路径规划修正

摘要： 针对传统大厚板手工电弧焊和半自动焊工艺复杂、焊接效率低下、质量稳定性差等问题提出大厚板焊接的新方法：双机器人双面熔化极活性气体保护焊（MAG）,打底焊采用双机器人双面MAG错位焊接,填充焊采用双机器人双面MAG对称焊接.多层多道焊接过程中累积误差和焊接变形会对多层多道路径规划精度造成影响,准确的多层多道路径规划是实现大厚板机器人自动焊接的关键因素.提出基于视觉识别的多层多道路径规划修正方法,通过图像处理结合图像三维信息恢复获得各焊道实时填充信息,对多层多道路径规划进行修正,提高多层多道路径规划精度.     

基于深度学习的自然与表演语音情感识别

语音是情感表达的重要途径,自然状态和表演状态下的语音所蕴含的情感信息并不完全相同.为了探索自然状态和表演状态下语音情感识别的差异,采用深度学习算法分析了IEMOCAP公用数据集,对自然状态和表演状态下的中性、愤怒、开心和悲伤等四类情绪语音数据进行实验:首先提取语音数据的声学特征(对比了emobase2010特征集和eGeMAPs特征集),然后利用卷积神经网络(Convolutional Neural Networks,CNN)对自然与表演状态下的语音情感进行识别,比较了两种状态下的情感识别率,再利用混淆矩阵分析两种状态下不同情绪之间的误分率和相似性.实验结果显示,自然状态下的情感识别率明显高于表演状态下,还发现愤怒和悲伤在两种状态下的误分率有明显区别.该现象对理解情绪的表达机制有启发意义.     

基于形状特征描述子的赤潮优势种识别研究

研究了赤潮优势种识别技术,该技术运用在基于流式细胞技术的赤潮实时监控系统中.由于不同生长周期和拍摄视角对藻类细胞的形态有较大的影响,仅用一种特征就将藻类分开是不现实的.采用3种形状特征描述子提取特征,再利用多级主特征向量评估准则进行特征融合和降维,最后使用SVM进行分类.通过对6类我国附近海域常见赤潮优势种的3 000个样本的自动分类实验结果表明,识别精度可以达到95.80%,与人工识别精度相当,具备较高的实用性.