基于自监督学习方法的半监督视频目标分割研究

本文主要研究自监督学习方法在视频目标分割中的应用。首先通过挖掘大规模无标注视频数据中的时间-空间关系,让神经网络作为特征编码器学习视频帧之间的相似性和连续性;然后通过记忆力机制训练网络,使其对当前帧和多个参考帧之间的关系进行建模;利用特征编码器学习到的特征对视频帧中的分割目标进行重建,进行下游的视频目标分割任务;最后,利用在线自适应模块对视频分割结果的错误进行修正。实验结果表明,本文的自监督方法在视频分割任务上的表现可以更加接近有监督方法的分割结果,采用记忆力机制和在线自适应模块可以大大提高视频目标分割的准确性。另外本文探究了数据有效性,当采用少量数据进行网络的自监督训练时,模型仍能取得较好的效果,意味着这个任务本身不需要大规模数据集中富含的复杂语义信息进行建模。     

考虑局部归一化高度的双分支语义分割网络

归一化数字表面模型是表征地物高度、辅助遥感影像分类的重要特征,但是其片状、精度不稳定的特性制约了分类精度的提升.针对这个问题,该文提出了一种考虑局部归一化高度的双分支输入语义分割网络,一方面设计了一种双分支输入结构,分别提取地物的光谱特征和几何特征,并通过跳跃连接进行特征融合以充分学习地物多模态信息;另一方面提出了一种新的地物高度表征方法,结合深度神经网络受GPU显存限制只能处理较小区域影像的特点,在输入的数字表面模型局部区域内计算高度特征.最后通过在ISPRS标准数据集上对三种网络框架进行对比试验,证明了相较于仅使用光谱影像,该文方法总体精度提升了4.5%～4.7%,比使用归一化表面模型作为高度特征的分类方法具有更高的分类精度、计算效率和自动化程度.     

基于改进PSPNet网络的古代壁画分割方法

针对传统方法在古代壁画图像分割过程中出现的目标边界模糊、图像分割效率低等问题,提出一种基于PSPNet网络的多分类壁画图像分割模型(PSP-M).模型首先融合轻量级神经网络MobileNetV2,降低硬件条件对于模型训练的限制.其次通过全局金字塔模块,将不同级别的特征图拼接起来,避免了表征不同子区域之间关系的语境信息的丢失.最后利用金字塔场景解析网络嵌入壁画背景特征,减少特征损失的同时提高特征提取效率.实验结果表明,PSP-M模型较传统的图像分割模型在训练精确度上平均提升2%,峰值信噪比(PSNR)较实验对比模型平均提高1～2 dB,结构相似指标(SSIM)指标较实验对比模型平均提高0.1～0.2,实验验证了PSP-M模型在壁画分割方面的可行性.     

基于背景辅助的高效人群计数多任务学习网络

在人群计数领域中,复杂背景干扰一直是一个具有挑战性的问题.现有研究通过引入注意力机制等方式弱化背景噪声对计数的影响.但是,随着研究的深入,人群计数网络规模不断扩大,影响了计算效率和实时应用.为了解决复杂背景问题并提高计数效率,该文提出了一个基于背景辅助的高效人群计数多任务学习网络(BAMTLNet).与现有网络不同,为了减少网络的参数量,只采用了VGG-16的前7层作为前端网络.在后端网络中,为了解决复杂背景问题,我们使用了两个高度相关的人群任务：(1)生成估计密度图主任务,采用3个普通卷积层生成密度图,通过积分获得单张图片的人数.(2)复杂背景分割辅助任务,采用3个特定的膨胀卷积层生成图片的背景分割图.两个任务直接连接在前端网络后,没有相互交叉.我们还设计了背景辅助多任务损失函数,通过硬参数共享的方式优化前端网络参数,向主任务传递复杂背景的高级语义信息并优化网络.该端到端人群计数多任务学习网络仅有10层卷积层,参数量小,实现了网络轻量化.在3个人群计数基准数据集上进行了实验,获得了令人满意的结果.     

基于敏感等级的云租户数据安全保护模型研究

为云计算提供有效的租户数据安全保护,提出一个第三方租户数据安全保护模型,解决租户数据的存储和检索安 全问题. 模型采用隐藏数据间关系的方法,对租户数据进行切片,利用单向函数混淆切片关系;结合租户对数 据的隐私需求和安全等级定义,给出租户数据的分级方法;依据安全等级对分割后的子表内容进行局部加密或匿名,实 现云端数据存储安全;结合私有信息检索技术,利用云端加密数据的关键字检索算法,隐藏租户搜索请求,保护云端数据 的检索安全. 实验表明,该模型能满足租户数据在未知云环境中的存储和检索安全要求.     

基于关节联动特征的运动捕获数据分割方法

运动捕获数据分割中,针对关节角度或关节点中心距离作为描述人体姿态的特征所存在的局限性,提出一种关节联动特征。该特征从人体运动学角度对人体关节之间的联动关系进行建模,将关节角度与关节点中心距离作为一组关节联动特征点转换到极坐标空间表示。通过计算任意时刻的人体姿态与初始时刻人体姿态的关节联动特征点的偏移量来描述人体姿态的变化。提取每一帧捕获数据的关节联动特征,并使用主成分分析方法对运动序列进行分割。对CMU人体运动捕获数据库的实验结果表明,使用该特征得到的运动捕获数据分割结果要优于使用关节角度或中心距离特征的分割结果。     

中西早期微积分思想及其比较

追溯了微积分的早期思想渊源，对中西数学家所作出的贡献进行了比较。     

一种改进的HCF贝叶斯图像分割方法

贝叶斯方法是图像分割中广泛使用的方法，ＨＣＦ（ＨｉｇｈｅｓｔＣｏｎｆｉｄｅｎｃｅＦｉｒｓｔ）是一种有效的优化方法，用ＨＣＦ对图像进行贝叶斯分割，并且改进了贝叶斯分割中的势能函烽，提出局部势能的概念，从而获得了较为满意的图像分割结果。     

嵌入式机器视觉实用彩色图像二值化方法

在HSI颜色模型基础上提出了一种融合颜色和空间信息的彩色图像二值化算法.该算法对H,S,I通道依次进行动态阈值法、高低阈值法和直方图固定阈值法分割,并应用阈值结果到全局信息来获取二值化结果;针对阈值处理带来的纹理和光影的过分割,使用彩色形态学开运算进行区域合并.测试证明,此算法提取率高达98%,运行速度满足实时性要求.     

低空航拍全景图像拼接研究

航拍图主要被用来作为一些图像处理的基础材料，但是由于无人机飞行高度的自限性和一些干扰因素导致图像的视野和对齐效果受限，致力于研究一种改良的对齐评估方法和运动目标去除以提升全景拼接的效果，以减少局部扭曲，使得拼接结果更加接近自然和平滑.采用网格优化引导拼接来提升全局拼接效果，对于网格的规划采用三个联合的能量函数进行求优，对齐效果的直观感受来源于人类视觉对场景目标中的边缘和线条对齐的观察.因此，加入直线对齐能量函数作为联合的优化方法也能在一定程度上提高对齐的效果，拼接角度问题通过估计一个合适的三维旋转来缓解.最后，对于场景中的动态目标的影响，使用深度学习中的实例分割网络进行潜在的运动目标去除，比如行人、车辆等，并在分割网络输出的目标区域进行图像修复.