基于分裂级联模型的多视角多姿态目标检测(英文)

提出将分裂级联模型用于多视角多姿态的目标检测任务,即通过使用从粗到细的自动集合划分策略,自动生成一个树形结构的分类器,树型分类器的每个节点都是一个具有拒绝功能的级联节点.该分裂级联模型可以使用任意的特征作为输入,并且有很大的适用范围,可用于通常目标而不仅仅是某类特定目标的检测.在INRIA行人库和多视角车辆库上的实验证明了算法的有效性.     

采用改进的尺度不变特征转换及多视角模型对车型识别

针对车型识别过程中车辆的姿态复杂以及采集图像时尺度缩放和光照等因素导致识别出现困难的问题,提出采用改进尺度不变特征转换(SIFT)及多视角的车型识别算法。该算法对尺度不变特征提取方法进行改进,并获取车型特征;通过视觉聚类对车辆进行多视角建模;利用最佳节点优先搜索算法完成特征向量的近邻搜索,并根据匹配相似度完成车型识别。实验结果表明,该算法所给出的车型识别方法具有可行性和有效性,可以在不同的图像畸变条件下保持稳定性,最终的车型识别效率也都可达到90%,所用时间要低于SIFT方法,处理时间在原SIFT方法的基础上降低了20.58%。     

基于多视角特征融合的中文垃圾微博过滤

微博中隐含着舆论热点等与特定话题相关的有价值的信息。因此,针对微博数据分析（如话题发现等）的工作成了当前的研究热点。由于微博内容和形式的高度自由,使得相关的研究工作面临着垃圾数据噪声大、有用数据提取难的问题。然而,目前针对非公共话题的中文垃圾微博过滤尚无有效方法。提出一种基于多视角特征融合的垃圾微博过滤方法。该方法首先从微博的结构和内容两个视角建立规则,再与微博文本分词结果进行融合构造复合特征,并以此对垃圾微博进行过滤。通过在真实数据集上的实验表明多视角融合的特征使得过滤效果有明显提升。     

新时期"新闻人文关怀"的多视角透析

新闻人文关怀是指新闻工作者在新闻职业活动中所表现出来的一种人文关怀.它是新闻工作者的一种人文底蕴和职业理念,也是新闻工作者参与社会主义和谐社会建构、践行"八荣八耻"的重要途径和手段.从不同学科角度看,新闻人文关怀呈现出不同含义,它是一种职业道德、一种文化现象,也是一种情感,一种美.     

多视角的虚词研究——谈张斌虚词研究理论与实践

从汉语语法学史上审视张斌先生的虚词研究,张斌先生的虚词研究更多地体现出一种理论和方法上的启示意义。理论上首创三个平面视角,尝试预设视角,深化节律视角,把虚词研究从单一视角的静态研究引向多视角的动态研究。张斌先生的三个平面的研究理论和研究方法,在现代汉语虚词研究上是一个引人注目的突破。在虚词研究实践中,张斌先生通过对典型语法现象的细致分析,提出以词的语法功能即首先表现在能否充当句子成分的标准划分实词、虚词,在分类和具体归类上的矛盾;提出方位词、量词的“名词附类说”等。     

武器装备运用知识框架及建模方法

武器装备是战争的重要物质基础,现代战争的体系化作战模式对武器装备的运用,特别是体系化联合运用提出了更高的要求,而对武器装备运用知识的掌握决定了能否正确运用武器装备以及能否充分发挥武器装备效能.为此,面向体系作战下的武器装备运用,开展武器装备运用知识框架和建模方法的研究.首先,分析了体系作战下武器装备运用知识的要素构成及...     

基于非负矩阵分解最小二乘的多视角行人分类算法

针对不同视角的行人样本具有较大的类内差异性,造成多视角行人识别错误率较高的问题,提出一种基于非负矩阵分解最小二乘的多视角行人分类算法.采用非负矩阵分解的方法对多视角的行人样本图像进行子空间分解,提取基向量;引入协同表示的方法并在最小二乘约束下,对子空间进行稀疏表示获得稀疏分解系数;利用近邻子空间方法对分解系数进行分类.基于自行构建的多视角行人数据库进行对比实验,结果表明该算法的准确性和有效性优于其他方法.     

多视角可视外壳生成算法

提出一种从图像序列重建三维物体多面体的算法,与传统算法相比,具有数据冗余度较低、精度较高、健壮性较好等优点.实验结果表明,使用该算法计算、生成的物体可视外壳更加逼近真实物体.     

多视角半监督分类算法： 最新进展与比较研究

随着科技的发展，数据的获取渠道变得越来越多，所获得的数据也越来越多样化，多视角数据在目前的应用也已经相当普遍. 但是在处理真实世界的问题时，获得的多视角数据一般只带有少量标签，而人工标注的成本比较高昂，因此多视角半监督学习在机器学习和图像处理领域引起了许多学者的关注. 本文总结了近年来发表的多视角半监督分类方法并对这些方法进行了归类，对多视角半监督分类方法所面临的挑战进行了讨论.     

基于加权运动平均的多视角点云鲁棒配准方法

本文提出一种基于加权运动平均的多视角点云配准方法,有效提高了多视角点云配准的效率和精度.首先,通过双视角点云配准算法得到点集的相对运动集;提出一种分层渐进式点云配准初值确定方法,该方法计算运动关系图中三视匹配元一致性度量,逐步挑选最为可靠的匹配元进行顶点初值化与顶点扩展,有效避免了因所选初值与真值偏差较大导致加权运动平均效果不佳的问题;依据上述方法确定配准初值,并根据该初值判断双视角匹配结果的可靠性,以剔除相对运动集内包含的外点,最后将剔除外点后的原始相对运动集的内点子集作为加权运动平均算法输入的相对运动集.以斯坦福公开数据集为对象开展了对比实验,基于双视角配准算法分别获得了4个测试点集在30%、25%和20%双视角点云重叠率阈值下的双视角配准结果,共形成12组相对运动集.其中,相对运动集误差随重叠率阈值的下降逐渐增加.所提方法在12组运动集上均获得了最佳的配准结果,证明了本文所提出方法在提高加权运动平均方法计算精度与效率方面的有效性.此外,当运动集包含大量外点时,采用本文所提方法仍能获得较为准确的配准结果,证明了本文所提方法的强鲁棒性.