1974年1月创刊(月刊)
主管/主办:重庆西南信息有限公司
ISSN 1002-137X
CN 50-1075/TP
CODEN JKIEBK
编辑中心
    计算机图形学&多媒体 栏目所有文章列表
    (按年度、期号倒序)
        一年内发表的文章 |  两年内 |  三年内 |  全部
    Please wait a minute...
    1. 基于深度学习的人群异常行为检测综述
    徐涛, 田崇阳, 刘才华
    计算机科学    2021, 48 (9): 125-134.   https://doi.org/10.11896/jsjkx.201100015
    摘要 (218)   PDF (1927KB) (587)  
    随着安防需求的日益增长,人群异常行为检测已经成为计算机视觉的研究热点。人群异常行为检测旨在对监控视频中行人的行为进行建模和分析,区分出人群中的正常行为和异常行为,及时发现灾难和意外事件。文中对基于深度学习的人群异常行为检测算法进行了梳理总结。首先,针对人群异常行为检测任务及其现状进行介绍;其次,重点探讨卷积神经网络、自编码网络和生成对抗网络在人群异常行为检测任务中的研究进展;然后,列举该领域常用的数据集,并比较和分析了深度学习方法在UCSD行人数据集上的性能;最后,总结人群异常行为检测的任务难点,并对该领域的未来发展趋势进行了展望。
    参考文献 | 相关文章 | 多维度评价
    2. 基于双目视觉的车辆速度测量方法
    常子霆, 施雨晴, 王俊, 于明鹤, 姚兰, 赵志滨
    计算机科学    2021, 48 (9): 135-139.   https://doi.org/10.11896/jsjkx.201000047
    摘要 (94)   PDF (1497KB) (254)  
    为配合高速公路入口处的货车称重工作,需要测量车辆通过称重台时的实时速度。利用双目视觉技术测速具有成本低、部署简单、稳定性高的优点,具有广阔的应用前景。双目视觉测速的技术难点是目标的位移测量,其核心问题是目标在多帧图像间的精准匹配。文中提出了一种基于空间位置的匹配区域对齐算法与基于模板匹配的空间位移计算方法。具体地,利用车轮的空间位置关系来限制车轮的匹配区域,可有效降低相似车轮的误匹配问题;使用模板匹配的方法追踪车轮的关键点,进而获得多帧之间车轮的空间位移。使用某高速公路入口的真实通行视频数据进行实验验证,结果表明,与其他双目测速方法相比,所提方法使得测速结果的RMSE下降了20%~40%,且更加适用于车辆以较快速度(10~20 km/h)通过高速公路入口测速点的实际场景。
    参考文献 | 相关文章 | 多维度评价
    3. 基于边缘特征融合的高分影像建筑物目标检测
    赫晓慧, 邱芳冰, 程淅杰, 田智慧, 周广胜
    计算机科学    2021, 48 (9): 140-145.   https://doi.org/10.11896/jsjkx.200800002
    摘要 (105)   PDF (3703KB) (217)  
    高分辨率遥感图像建筑物目标检测在国土规划、地理监测、智慧城市等领域有着广泛的应用价值,但是由于遥感图像背景复杂,建筑物目标的部分细节特征与背景区分度较低,在进行检测任务时,容易出现建筑物轮廓失真、缺失等问题。针对这一问题,设计了自适应加权边缘特征融合网络(VAF-Net)。该方法针对遥感图像建筑物检测任务,对经典编解码器网络U-Net进行拓展,通过融合RGB特征图和边缘特征图,弥补了基础网络学习中的细节特征缺失;同时,借助网络的学习自动更新融合权重,实现自适应加权融合,充分利用不同特征的互补信息。该方法在Massachusetts Buildings数据集上进行了实验,其准确率、召回率和F1-score分别达到了82.1%,82.5%和82.3%,综合指标F1-score相比于基础网络提升了约6%。VAF-Net有效提高了编解码器网络对于高分影像建筑物目标检测任务的表现性能,具有良好的实用价值。
    参考文献 | 相关文章 | 多维度评价
    4. 一种基于改进三元组损失和特征融合的行人重识别方法
    张新峰, 宋博
    计算机科学    2021, 48 (9): 146-152.   https://doi.org/10.11896/jsjkx.200800200
    摘要 (95)   PDF (2329KB) (223)  
    行人重识别旨在跨摄像头条件下,从目标数据库中检索出特定的行人目标,其在视频监控领域有重要的应用价值。目前其研究难点为样本图像类内差异大、类间差异小,因此如何设计并训练深度神经网络对行人图片提取一个判别力更强的特征成为了其关键。针对以往研究只单独进行全局特征或局部特征学习的不足,提出了一种联合全局特征和局部特征学习的网络结构,该结构能够同时提取全局特征和具有较强区分力的局部细节特征;针对每部分局部特征对行人特征描述的重要性不同,文中提出了一种局部特征的融合方式,该方法能够自适应地生成各个局部特征的权重,最后将融合后的局部特征和全局特征结合使行人特征得到更全面的表征;另外,针对以往的基于难样本挖掘的三元组损失具有优化目标模糊的特点,提出了一种改进的基于难样本挖掘的三元组损失函数。文中分别在行人重识别主流数据集Market-1501和DukeMTMC-reID上验证了所提方法的有效性,其mAP值分别达到了82.16%和74.02%,Rank-1值分别达到了92.75%和86.8%。
    参考文献 | 相关文章 | 多维度评价
    5. 光谱重建约束非负矩阵分解的高光谱与全色图像融合
    官铮, 邓扬琳, 聂仁灿
    计算机科学    2021, 48 (9): 153-159.   https://doi.org/10.11896/jsjkx.200900054
    摘要 (80)   PDF (3727KB) (148)  
    基于光谱重建约束的非负矩阵分解,提出了一种高光谱与全色图像的有效解混方法。首先在高光谱图像的非负矩阵分解中引入光谱重建误差最小化的正则项,通过多目标寻优寻找最佳的正则项参数,以鼓励分解的光谱特征矩阵包含更真实的光谱特征;然后对全色图像进行非负矩阵分解,以获得描述图像细节的丰度矩阵;最后利用光谱特征矩阵和丰度矩阵重建得到融合结果。实验仿真结果表明,所提方法的融合结果能在较好地保留全色图像细节的同时,有效地避免光谱畸变,在视觉效果和客观评价方面均优于传统方法。
    参考文献 | 相关文章 | 多维度评价
    6. 基于非局部相似及加权截断核范数的高光谱图像去噪
    郑建炜, 黄娟娟, 秦梦洁, 徐宏辉, 刘志
    计算机科学    2021, 48 (9): 160-167.   https://doi.org/10.11896/jsjkx.200600135
    摘要 (88)   PDF (3912KB) (188)  
    受仪器噪声干扰,高光谱图像(Hyperspectral Image,HSI)往往会受到高斯噪声的破坏,严重影响图像后续处理的精度,因此图像去噪是一项重要的预处理工作。此外,由于高光谱数据维度极高,因此算法效率成为模型应用能力的重要指标。为实现高效HSI去噪,文中首先将高维高光谱图像投影到低维光谱子空间上,从中学习一个正交基矩阵,然后结合高光谱的空间非局部相似性与全局光谱低秩性对低维子空间进行去噪,最后将复原后的低维图像与正交基结合恢复成原始数据维度。其中,非局部去噪过程要先通过图像的非局部相似性以邻域匹配方法寻找相似张量块组成具有强低秩属性的张量群组。针对各张量群组,文章联合加权核范数与截断核范数各自的优势,提出加权截断核范数作为低秩约束正则项,能更好地逼近本质秩属性。进一步,为快速获取模型的最优解,提出改进的近端加速梯度(Accelerated Proximal Gradient,APG)算法对低秩项进行优化求解。通过两组高光谱图像和一组多光谱图像对所提算法进行实验验证,结果表明,所提方法在视觉效果和时间效率上取得了良好的平衡,综合性能明显优于其他基于非局部去噪的对比算法。
    参考文献 | 相关文章 | 多维度评价
    7. 融合改进密集连接和分布排序损失的遥感图像检测
    袁磊, 刘紫燕, 朱明成, 马珊珊, 陈霖周廷
    计算机科学    2021, 48 (9): 168-173.   https://doi.org/10.11896/jsjkx.200800001
    摘要 (91)   PDF (3191KB) (137)  
    针对遥感图像中小目标尺寸较小、样本分布不均匀、特征不明显等问题,提出一种改进的YOLOv3目标检测算法。在使用Stitcher数据增强解决小目标样本分布不均匀的问题后,提出VOVDarkNet-53基础网络,将DarkNet-53基础网络中第4次下采样后的8个残差模块减少为4个残差模块。然后采用VOVNet的密集连接方式,使网络利用更多的浅层小目标特征信息,增加网络感受野。最后,采用分布排序损失改进YOLOv3中的分类损失,解决单阶段目标检测器正负样本不平衡的问题。实验使用YOLOv3目标检测算法和改进后的YOLOv3算法在HRRSD遥感数据集上进行对比。结果表明,改进后的YOLOv3算法对小目标和中目标的检测精确度分别提升了7.2%和2.1%,尽管对大目标的检测精度下降了1%,但在平均单张图片处理时间几乎不变的情况下,平均检测精度均值(mAP)提升了4.1%,召回率和准确率也有所提升。
    参考文献 | 相关文章 | 多维度评价
    8. 利用生成对抗网络的人脸图像分步补全法
    林椹尠, 张梦凯, 吴成茂, 郑兴宁
    计算机科学    2021, 48 (9): 174-180.   https://doi.org/10.11896/jsjkx.200800014
    摘要 (122)   PDF (3447KB) (280)  
    人脸图像修复技术是近年来图像处理领域的研究热点,而人脸图像大面积缺失导致损失语义信息过多,一直是该领域的重点难点问题。针对这一问题,文中提出了一种基于生成对抗网络的图像分步补全算法。将人脸图像修复问题分为两步,设计两个串联的生成对抗网络,首先残缺图像通过预补全网络进行图像的预补全,预补全图像进入增强网络进行特征增强;判别器分别判断预补全图像和增强图像与理想图像的差异性;采用长短时记忆单元连接两部分的信息流,增强信息的传递。然后使用内容损失、对抗损失和全变分损失相结合的损失函数,提高网络的修复效果。最后在CelebA数据集上进行实验,结果显示,所提算法相较于对比算法在峰值信噪比指标上提高了16.84%~22.85%,在结构相似性指标上提高了10%~12.82%。
    参考文献 | 相关文章 | 多维度评价
    9. 基于PCANet的非下采样剪切波域多聚焦图像融合
    黄晓生, 徐静
    计算机科学    2021, 48 (9): 181-186.   https://doi.org/10.11896/jsjkx.200800064
    摘要 (85)   PDF (3610KB) (198)  
    近年来,基于深度学习模型的图像融合方法备受关注。而传统的深度学习模型通常需要耗时长和复杂的训练过程,并且涉及参数众多。针对这些问题,文中提出了一种基于简单的深度学习模型PCANet的非下采样剪切波(Non-Subsanmpled Shearlet Transform,NSST)域多聚焦图像融合方法。首先,利用多聚焦图像训练两阶段PCANet,用于提取图像特征。然后,对输入源图像进行NSST分解,得到源图像的多尺度和多方向表示。低频子带利用训练好的PCANet提取其图像特征,并利用核范数构造有效的特征空间进行图像融合。高频子带利用区域能量取大的融合规则进行融合。最后对根据不同融合规则融合后的频率系数进行NSST重构,获取清晰的目标图像。实验结果表明,所提算法的训练和融合速度比基于CNN的方法提高了43%,该算法的平均梯度、空间频率、熵等融合性能分别为5.744,15.560和7.059,可以与现有融合方法相媲美或优于现有的融合方法。
    参考文献 | 相关文章 | 多维度评价
    10. 基于融合损失函数的3D U-Net++脑胶质瘤分割网络
    张晓宇, 王彬, 安卫超, 阎婷, 相洁
    计算机科学    2021, 48 (9): 187-193.   https://doi.org/10.11896/jsjkx.200800099
    摘要 (206)   PDF (2558KB) (370)  
    胶质瘤是大脑和脊髓胶质细胞癌变所产生的、最常见的原发性颅脑肿瘤。从多模态MRI中对胶质瘤组织进行可靠的分割具有很重要的临床价值,但是由于脑胶质瘤本身及周边组织较为复杂以及浸润性导致的边界模糊等,导致对脑胶质瘤的自动分割有一定的难度。文中构建了使用融合损失函数的3D U-Net++网络来对脑胶质瘤的不同区域进行分割,该网络使用不同层级的U-Net模型进行密集嵌套连接,使用网络的4个分支的输出结果作为深度监督以更好地结合深层和浅层的特征进行分割,并结合了Dice损失函数和交叉熵损失函数作为融合损失函数来提升小区域的分割精度。在2019年多模态脑肿瘤分割挑战赛(BraTs)的公共数据集划分的独立测试集中,采用Dice系数、95% Hausdorff距离、平均交并比(mIoU)、查准率(PPV)指标对所提方法进行了评估。结果表明,全肿瘤区域、肿瘤核心区域和增强肿瘤区域的Dice系数分别为0.873,0.814,0.709;其95% Hausdorff距离分别为15.455,12.475,12.309;其mIoU分别为0.789,0.720,0.601;其PPV分别为0.898,0.846,0.735。与基础的3D U-Net以及带深度监督的3D U-Net相比,所提方法可以有效地利用多模态的深层和浅层的信息,有效利用了空间信息,同时使用了Dice系数和交叉熵的融合损失函数,从而有效提升了对肿瘤各区域的分割精度,尤其是对小面积的增强肿瘤区域的分割精度。
    参考文献 | 相关文章 | 多维度评价
    首页 | 前页| 后页 | 尾页 第1页 共3页 共25条记录