【摘 要】
：
传统检测器只关注目标区域附近的信息， 忽略了目标的关系信息， 使检测器难以识别小目标， 导致性能受限. 为了捕获和探索这些重要的关系， 提出基于图卷积神经网络的目标检测方法， 也即通过两个独立的关系图网络分别获取标签中目标的全局语义信息和图像中目标的局部空间信息. 语义关系网络可获取隐含的全局知识， 通过在数据集上构建有向图， 每个节点由标签的词嵌入表示， 输入图卷积神经网络得到语义关系特征. 空
论文部分内容阅读
传统检测器只关注目标区域附近的信息， 忽略了目标的关系信息， 使检测器难以识别小目标， 导致性能受限. 为了捕获和探索这些重要的关系， 提出基于图卷积神经网络的目标检测方法， 也即通过两个独立的关系图网络分别获取标签中目标的全局语义信息和图像中目标的局部空间信息. 语义关系网络可获取隐含的全局知识， 通过在数据集上构建有向图， 每个节点由标签的词嵌入表示， 输入图卷积神经网络得到语义关系特征. 空间关系网络对空间相对位置关系进行编码， 通过来自目标间的局部空间信息来丰富目标特征.通过PASCAL V
其他文献
傅里叶空间图像相似度计算是冷冻电镜三维重建计算模型的重要组成部分，由于其大量的计算开销导致模型整体运行速度缓慢，从而引起了国内外众多相关研究学者的密切关注。虽然目前该模型能够通过使用OpenMP等多线程技术获得可观的性能提升，但其在单节点的性能仍得不到充分发挥。为了解决这样的问题，本文提出一种基于SIMD高效并行傅里叶空间图像相似度计算的方法。首先，通过手动负载均衡提升CPU的线程使用率，以最大化
基于神经网络的风格迁移成为近年来学术界和工业界的热点研究问题之一. 现有的方法可以将不同风格作用在给定的内容图像上生成风格化图像并且在视觉效果和转换效率上有了较大提升， 然而它们侧重学习图像底层特征容易导致风格化图像丢失内容图像的语义信息. 据此提出一种改进方案， 使风格化图像的显著区域与内容图像的显著区域保持一致. 通过加入显著性检测网络生成合成图像和内容图像的显著图， 在训练过程中计算两者显著
国内城市固体废物(Municipal Solid Waste， MSW)的组分复杂，领域专家通常依据经验观测火焰视频图像识别焚烧炉燃烧状态进而调整MSW焚烧( MSW Incineration， MSWI)过程操作参数，难以维持稳定的运行工况。针对上述问题，提出了基于火焰图像颜色矩特征的MSWI过程燃烧工况识别方法。首先，对焚烧火焰图像进行去雾和去噪预处理，提高图像清晰度；接着，将图像转换到适合视
由于传统半监督模式下的多视图算法很少考虑到不同视图中数据包含信息的差异性，且忽视了不同视图间存在着空间结构的一致性，使得算法在含有噪声和异常点的多视图数据中性能较差。尽管有研究者已经提出了半监督多视图方法，但这些方法没有充分利用样本判别信息以及不同度量学习下的子空间结构信息，从而导致分类结果不理想。针对以上问题，本文提出了一致性约束的半监督多视图分类。首先， 基于希尔伯特-施密特独立性准则(Hil
针对目前Anchor-free目标检测方法CenterNet (Objects as Points)生成热力图不准确、检测精度不足的问题，提出了一种基于特征迭代聚合的高分辨率表征网络CenterNet-DHRNet。引入高分辨率表征骨干网络并用迭代聚合的方式对不同分辨率的特征图进行融合，提高网络的分辨率，有效地减少图像在下采样过程中损失的空间语义信息；接着使用高效通道注意力机制对高分辨率表征骨干网
近几年，随着视频数据规模的不断增加，近重复视频数据不断涌现，视频的数据质量问题越来越突出。通过近重复视频清洗方法，可有助于提高视频集的数据质量。然而，目前针对近重复视频清洗问题的研究较少，主要集中于近重复视频检索等方面的研究。现有研究方法尽管可以有效识别近重复视频，但较难在保证数据完整性的前提下，自动清洗近重复视频数据，以便改善视频数据质量。为解决上述问题，本文提出一种融合VGG-16 深度网络与
为了提高配电网单相接地故障的定位准确率，提出一种基于暂态零序电流图像识别的配电网单相接地故障区域定位方法。通过PSCAD实现故障仿真，构建卷积神经网络（CNN）学习所需图像集。根据单相接地故障的两值性和分化性特征，基于Python编程进行图像预处理，采用VGGNet11网络结构对预处理后的字节形式故障样本进行训练，得到故障区域定位模型，并可视化分析模型分类效果。典型10 kV配电网模型数字仿真及现
扇区划分是平衡管制员工作负荷、提升空域通行能力的有效技术措施。采用Voronoi图自顶向下切割空域的方法具有自动保证扇区凸性、连通性和压缩性的特性，但计算时间过长。根据航迹状态计算工作负荷，构建了Voronoi图自顶向下切割空域模型，设计了动态步长蚁群搜索算法。测试结果表明，在太原高空划分成4个扇区的情况下，与MC-CLFV(Monte Carlo method by changing locat
针对目前纺织企业人工检验布匹瑕疵方法的成本高、误检率高、效率低等问题,提出一种基于机器视觉的轻量级模型瑕疵检测方法。通过搭建瑕疵检测系统平台,改进MUNIT模型以扩充瑕疵样本。在一阶模型YOLO(you only look once)的基础上引入深度可分离卷积,从而减少参数量以提升检测速度,自定义符合瑕疵特征的ASPP(atrous spatial pyramid pooling)模块提高模型精度
针对目前常用滤波算法结构复杂、工作效率较低和DEM成果评价方法单一等问题，本文提出了一种基于空间格网技术与卷积核计算的移动曲面拟合DEM滤波算法（CGS算法）和基于计算机图形学的DEM质量评价新方法。通过理论研究和工程实践结果表明：CGS算法相对于人工干预TIN算法可以更好滤除植被、建筑物等各种非地面点；利用灰度共生矩阵、自相关函数、图像信噪比、基于Canny算子改进高斯波形提取的局部方差算法对D