搜索结果: 1-15 共查到“计算机科学技术 特征融合”相关记录45条 . 查询时间(0.152 秒)
中国科学院新疆理化技术研究所专利:基于注意力机制多特征融合的虚假信息检测方法、装置、电子设备及存储介质
中国科学院新疆理化技术研究所 专利 注意力机制 多特征融合 虚假信息检测 存储介质
2023/12/21
基于深度学习的方法在去雾领域已经取得了很大进展,但仍然存在去雾不彻底和颜色失真等问题.针对这些问题,本文提出一种基于内容特征和风格特征相融合的单幅图像去雾网络.所提网络包括特征提取、特征融合和图像复原三个子网络,其中特征提取网络包括内容特征提取模块和风格特征提取模块,分别用于学习图像内容和图像风格以实现去雾的同时可较好地保持原始图像的色彩特征。
基于多层次特征融合的图像超分辨率重建
残差学习 层次特征信息 超分辨率 卷积神经网络
2024/1/17
深度卷积神经网络显著改进了单图像超分辨率的性能.更深的网络往往能获得更好的性能.但是,加深网络会导致参数量急剧增加,限制了它在资源受限设备上的应用,比如智能手机.提出了一个融合多层次特征的轻量级单图像超分辨率网络,主要构件是双层嵌套残差块.为了更好地提取特征,减少参数量,每个残差块采用对称结构:先两次扩张,然后两次压缩通道数.在残差块中,通过添加自相关权重单元,加权融合不同通道的特征信息.实验证明...
基于区块自适应特征融合的图像实时语义分割
深度学习 实时语义分割网络 区块自适应特征融合 跳跃连接结构
2024/1/23
近年来结合深度学习的图像语义分割方法日益发展,并在机器人、自动驾驶等领域中得到应用.本文提出一种基于区块自适应特征融合(Block adaptive feature fusion,BAFF)的实时语义分割算法,该算法在轻量卷积网络架构上,对前后文特征进行分区块自适应加权融合,有效提高了实时语义分割精度.首先,分析卷积网络层间分割特征的感受野对分割结果的影响,并在跳跃连接结构(SkipNet)上提出...
基于加权特征融合的SAR图像目标分类方法
SAR图像 加权 特征融合 目标分类
2016/12/16
针对现有分类器对SAR图像分类正确率不高的问题,考虑到单一的特征很难完全描述SAR目标,并且单一的分类器识别率有限,提出了一种基于加权特征融合的图像分类方法,采用多种特征来描述目标,并且用多个分类器同时对目标识别。实验结果显示,提出的方法能够达到较高的分类正确率,证明了该方法的有效性。
由于脊椎生理结构的精准坐标描述和准确匹配尚未达到医学精度的要求,本文对如何精确描述脊柱腰骶段特征点的物理坐标进行研究。介绍了人体脊椎采样特征点的定义和传统标记方法。针对手动标注特征点精确度不够,易产生较大误差等问题提出了一种基于曲率多特征融合的自适应标注特征点的方法。该方法首先找出某个特征点的高斯曲率和平均曲率流的定义值,得到该特征点的法曲率相对极大值,并计算在指定极小半径r范围内的所有模型点的法...
本文提出了一种基于掌纹轮廓与边缘纹理特征融合的掌纹识别新方法。该方法首先用均值滤波将图像分为低频特征和高频特征。其次,分别使用灰度直方图算法提取掌纹的低频轮廓特征与差分盒子维算法提取掌纹的高频边缘纹理特征 (Grey Histogram Differential Box Counting ,GHDBC),然后再将轮廓信息与边缘纹理信息二种特征向量并联融合,最后采用训练集和测试集使用卡方距离进行匹配...
基于轮廓与边缘纹理特征融合的掌纹识别
边缘纹理特征 灰度直方图 差分盒子维 卡方距离
2016/4/6
本文提出了一种基于掌纹轮廓与边缘纹理特征融合的掌纹识别新方法。该方法首先用均值滤波将图像分为低频特征和高频特征。其次,分别使用灰度直方图算法提取掌纹的低频轮廓特征与差分盒子维算法提取掌纹的高频边缘纹理特征 (Grey Histogram Differential Box Counting ,GHDBC),然后再将轮廓信息与边缘纹理信息二种特征向量并联融合,最后采用训练集和测试集使用卡方距离进行匹配...
面向移动智能设备的多特征融合隐式鉴别机制研究
隐式鉴别 多特征融合 移动智能设备 支持向量机
2016/12/24
隐式鉴别机制在解决移动智能设备的安全性与易用性冲突方面具有重要而独特的作用.然而,已有工作通常基于单一特征或动作进行隐式鉴别,仅适合于特定动作、场景和范围.为了解决此问题,本文利用用户使用设备时存在位置、环境、状态、生物和行为特征,提出了一种基于多特征融合的隐式鉴别方案.该方案采集设备内置传感器、生物和行为数据,通过支持向量机方法训练和提取特征,设计多特征融合模型和构建隐式鉴别框架,计算用户身份信...
基于兴趣区域特征融合的半监督图像检索算法
图像检索 半监督学习 正反馈
2014/8/19
提出一种融合底层特征、基于兴趣区域的半监督学习图像检索方法,实现了图像内容的语义关联。该方法首先划分图像兴趣区域,提取图像的综合底层特征,然后将其作为训练数据,对图像类别进行半监督学习,建立图像和类别的语义映射,最后分别采用二次式距离和改进的Canberra距离对图像底层特征进行度量,特征空间中图像类的区域中心用正反馈进行迭代更新。通过实验对比,该图像检索算法具有较高的准确率,优于传统的基于内容的...
多特征融合的网格模型简化方法
模型简化 误差度量 特征分析 多特征融合
2014/2/24
针对三维网格模型简化过程中的过简化和失真问题,提出一种利用多特征融合的度量方法引导三维网格模型的简化过程。该方法通过分析模型简化的误差度量准则和模型的特征信息,首先利用法向信息加权的二次误差方法度量模型的几何特征信息;然后采用三角形边长比信息加权的挠率度量模型的视觉特征信息;最后融合几何特征信息和视觉特征信息作为模型简化的多特征信息引导模型简化。实验结果表明,该方法可有效保证算法的计算效率,保持简...
针对现有基于多特征融合的跟踪算法在复杂环境下跟踪准确度不高,且大部分采用单一判定方式来实现多特征融合的问题,提出了一种综合判定的自适应多特征融合跟踪方法。首先引入局部背景信息加强对目标的描述,然后在多特征融合过程中利用多种判定准则计算特征权值,最后在均值漂移框架下完成对目标的跟踪。在各种场景下的实验结果比较表明:该融合算法比单种判定融合有更好的稳定性和鲁棒性,有效地提高了复杂环境下跟踪准确性。
基于复杂特征融合的改进mean shift目标跟踪
目标跟踪 均值转移算法 Gabor 小波 特征融合
2014/7/21
提出一种融合Gabor 小波纹理特征与颜色特征的改进mean shift 目标跟踪算法. 首先, 提取移动目标的颜色特征和纹理特征直方图; 其次, 基于mean shift 算法定义融合相似度系数, 对特征空间进行融合并得出目标中心位置; 再次, 通过定义特征自适应系数来融合基于颜色和纹理特征的目标位置; 最后, 对上述结果进行处理, 得到目标最终位置. 实验结果表明, 该算法在跟踪目标存在变形、...