局部特征
局部特征的相关文献在1980年到2023年内共计907篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、轻工业、手工业
等领域,其中期刊论文493篇、会议论文27篇、专利文献89671篇;相关期刊248种,包括中国图象图形学报、激光与红外、计算机工程等;
相关会议24种,包括第十三届全国信息隐藏暨多媒体信息安全学术大会、2015第二届智能交通国际会议、全国冶金自动化信息网2015年会等;局部特征的相关文献由2400位作者贡献,包括曹健、王勇、王菡子等。
局部特征—发文量
专利文献>
论文:89671篇
占比:99.42%
总计:90191篇
局部特征
-研究学者
- 曹健
- 王勇
- 王菡子
- 达飞鹏
- 刘爽
- 张树生
- 朱虹
- 李丽
- 李海生
- 李鹏
- 沈雷
- 胡瑞敏
- 蔡强
- 蔡晓东
- 黄华
- 严严
- 刘浩
- 刘萍萍
- 包秀国
- 周异
- 周明全
- 岩元浩太
- 张为华
- 张冬明
- 杨川
- 梁栋
- 江俊君
- 王宏升
- 王雷
- 白晓亮
- 耿国华
- 范彩霞
- 蒋竹奕
- 蔺广逢
- 赵宏伟
- 郑琪
- 间濑亮太
- 陈光
- 陈凯
- 陈杰
- 陈浩
- 韩镇
- 丁晓青
- 于海平
- 刘巧玲
- 刘忠宝
- 刘涛
- 卿粼波
- 吴炎
- 吴秀清
-
-
朱宽堂;
张建勋;
谭暑秋
-
-
摘要:
能否提取具有区别度的行人特征是行人重识别问题的关键所在.该文在ResNet-50的基础上,提出一种使用多种方法提取特征的多分支网络结构(MMNet).该网络将多种方法以一种巧妙的方式组合起来,从而解决行人姿态变化、部分遮挡等引起的行人判别特征信息缺失问题.在第一个分支中提取行人的全局特征,在第二个分支中使用通道注意力模块提取想要关注的局部特征,在第三个分支中将骨干网络提取的特征水平均匀的分割成不同的块,从而提取出不同粒度的局部特征,接着使用批量难样本三元组损失函数和softmax损失函数联合训练模型.最终使用不同分支提取的特征串联在一起作为最终特征.通过行人的全局特征和多种局部特征相互补充,从而提取出更有区别度的行人特征.算法在Market-1501和DukeMTMC-reID数据集上的平均精度均值和首位命中率分别达到87.7%和95.9%、79.9%和89.2%.试验结果表明,使用多分支网络提取的特征具有互补性,且平均精度均值和首位命中率比大多数行人重识别算法高.
-
-
刘向增;
徐雪灵;
刘如意;
宋建锋;
苗启广
-
-
摘要:
图像匹配作为计算机视觉领域的重要研究方向,广泛应用于图像配准、图像融合、变化检测、视觉导航、3D重建、视觉同时定位与地图构建(SLAM)等领域,精确稳健的局部特征提取是实现其高效处理的前提与关键。以图像匹配研究为导向,从传统特征设计到现代特征学习对局部特征提取方法进行了分类总结,首先,为增强对现代局部特征提取方法的理解,重点介绍了基于传统特征设计的相关方法,接着回顾了基于经典机器学习的方法,搭建起传统方法到深度学习方法的桥梁,最后详细讨论了基于深度学习的现代特征提取方法。针对跨传感器、多视角、不同时段环境下的图像匹配需求,全面分析了各阶段主流方法的优缺点,提出了目前存在的问题与挑战,并给出了相应的研究建议,为相关研究人员全面深入理解图像局部特征提取方法并利用深度学习方法对其进行改进提供基础性参考。
-
-
邰锋
-
-
摘要:
传统的火灾事故调查方法,在进行现场调查过程中,存在视频信息丢失、获取信息时效性差等问题。对此,提出一种基于视频分析技术的火灾事故调查方法。通过获取火灾事故现场相关数据,初步掌握地区火灾信息。同时,按照“视频特征信息尺度极值检测—关键点中关键信息识别—关键点指向特征确定—特征定向描述”的流程,在视频分析技术的指示下,计算极值信息,以此定位视觉底层特征。并采用定义数据信息梯度值与梯度方向的方式,融合视频局部特征,归一化处理视频维度,将多个特征向量纳入同一范围内,从而构成一个相对完整的火灾事故现场视频线索链。在此基础上,通过对比实验证明,在投入应用过程中,所获取的现场信息更为全面,通过此方法获取的信息不存在丢失问题。
-
-
任玉
-
-
摘要:
活动目标1.能够观察局部特征,找出小猫。2.学习手口一致点数8以内物体,说出总数,并感知1~8的数量关系。3.乐于参与数学活动,体验游戏的快乐。活动准备经验准备:有点数经验,玩过“找不同”游戏。物质准备:希沃白板课件,幼儿操作的平板电脑人手一台。
-
-
齐宝光;
何小海;
卿粼波;
陈洪刚
-
-
摘要:
行人重识别的目的是在跨区域、跨场景的情况下,检索出特定目标行人。由于行人外观可能相似,以及存在姿态变化和遮挡的问题,因此要求行人重识别模型能够捕捉到足够的细节信息。基于此,提出了图像特征融合的行人重识别算法,融合图像的全局特征与局部特征进行目标行人的检索。该算法构建了特征融合的图像通道,由卷积神经网络提取图像的视觉信息,将视觉特征分割为两个分支,分别进行全局特征和局部特征的计算。全局特征关注行人的整体外观,局部特征提供更多的细粒度信息。将所提方法在行人重识别的主流数据集Market1501和DukeMTMC-reID上进行了广泛的实验,证明了该方法的有效性。
-
-
刘俊来
-
-
摘要:
针对体育视频动作识别方法正确率较低的问题,提出了一种结合融合不变性特征与混合核方法的体育视频动作识别方法.采用高斯混合模型构建不变性特征,并对特征进行降维.采用混合核方法分别完成局部特征与全局特征的分类.标准体育动作数据集上的实验结果表明,降维后的融合不变性特征能够保留体育动作关键信息,与混合核方法配合密切,该方法既能够显著提升识别性能,也能够提升识别效率.该方法可以构建实时、在线的体育视频动作识别,且识别效果良好.
-
-
李军;
李明
-
-
摘要:
为了有效改善现有人脸表情识别模型中存在的信息丢失严重、组件间相对空间联系不密切的问题,提出了一种改进的多尺度卷积神经网络模型,通过构建深层多尺度卷积神经网络,使模型能够挖掘出更多潜在的特征信息;通过特征融合促进信息的流通和重利用,减少池化操作所引起的重要信息丢失,使得模型具有更好的学习能力;通过控制每层多尺度卷积神经网络的卷积核大小来平衡全局特征与局部特征之间的关系,从而增强不同组件间的相对空间联系,避免了特征图通道信息的冗余。在两种不同的人脸表情识别数据集JAFFE和FER-2013上进行验证表明,算法在测试集上的准确率分别达到了95.45%和76.56%,证明了所提算法的有效性和先进性。
-
-
文凯;
熊俊臣;
邹伟;
唐伟伟
-
-
摘要:
针对实时语义分割方法中因忽略其本质所导致的分割精度不高的问题,提出了一种多级上下文引导的轻量化网络。首先,将深度可分离卷积及非对称卷积相结合,设计了基于并行非对称卷积的上下文引导模型以学习局部特征及其周围上下文构成的联合特征;其次,将该模型堆叠于网络来实现特征的多级优化;最后,通过通道注意模型筛选出与更高阶段语义一致的浅层特征,从而提高分割效果。实验结果表明,所提网络在Cityscapes数据集上以94.7的帧速率获得了72.4%的平均交并比,并在CamVid数据集上取得显著的性能提升。同当前的其他实时语义分割方法相比,该网络性能更优。
-
-
张瑶
-
-
摘要:
活动目标1.仔细观察水稻图片,感知水稻根、茎、叶、穗的局部特征和放射状的生长形态。2.能够用团、搓、捏、压、刻等方式将彩泥塑成型并组合出水稻形象,平涂金色丙烯制成水稻仿铜画。3.喜欢动手制作泥工,乐于参加水稻仿铜画的艺术创作活动。
-
-
万冬厚;
张德贤;
邓淼磊
-
-
摘要:
车辆重识别是指从不同的摄像机来重新识别出同一辆车。车辆重识别非常容易受到车辆角度以及光照等其他因素的影响,是一项非常有挑战性的任务。许多车辆重识别方法都过分关注车辆全局特征,而忽略了车辆图像的局部有分辨力的特征,造成了车辆重识别精度不高的问题。针对这一问题,本文提出一种整合非局部注意力的和多尺度特征的车辆重识别方法,使用注意力机制获取车辆显著特征,并融合多尺度特征从而提高车辆重识别的检索精度。首先,使用骨干特征提取网络与注意力模块获取车辆的显著性细粒度特征。然后,将特征分为多个分支进行度量学习,分别学习车辆的局部与全局特征,将全局特征与细粒度的局部特征融合,构建车辆重识别的特征。最后,利用该方法提取不同车辆的特征,计算不同车辆的相似度,从而判断是否具有相同的身份。实验结果表明本文提出的车辆重识别算法具有更高的精度。
-
-
-
-
Wu Wenfeng;
吴文峰;
Shen Linlin;
沈琳琳
- 《第17届全国图象图形学学术会议》
| 2014年
-
摘要:
人体表皮细胞(HEp-2)在自身免疫性疾病诊断中有重要的作用,但传统的方法主要依靠专业人员进行人工观察进行诊断,过于费时费力而且容易受主观因素影响.因此,本文提出了一个基于Gabor三值模式局部特征以及使用稀疏表示分类的通用框架对细胞荧光图像进行自动分类的方法.本方法首先使用多尺度的Canny边缘检测器在细胞图片上进行仿射不变的关键点检测,然后在关键的邻域内提取GTP特征,最后使用稀疏表示分类器进行类别判定.本方法在ICPR的荧光图像数据库上进行了性能测试,并取得不错的结果.实验表明,Gabor三值模式比传统的SIFT特征效果更好,稀疏表示的分类方法有一定的可行性.
-
-
陈昊;
王小华;
杨冰;
姚金良
- 《浙江省信号处理学会2015学术年会》
| 2015年
-
摘要:
传统的图像分类算法没有利用到局部特征之间的空间关系,并且忽略了图像底层特征中的颜色信息,因此,本文提出一种基于特征金字塔树的图像分类算法.该算法首先利用CSIFT(colored scale invariant feature transform)算法提取彩色图像的局部特征,之后再结合VGPM(vocabulary-guided pyramid match kernel,词汇导向的金字塔匹配核)构建特征金字塔树,最后采用支持向量机方法对图像进行分类.实验结果表明,该方法对图像具有良好的分类能力.
-
-
朱迪;
赵群飞;
周新文;
王利生
- 《全国冶金自动化信息网2015年会》
| 2015年
-
摘要:
针对多目标物的特征点匹配中难以分离检测的情况,提出一种多目标分离匹配策略.算法利用Hamming距离进行特征点的匹配,并借助K-means聚类实现特征点的分离.实验结果表明,本文提出的方法能够分离出图像中多个目标物副本,平均处理速度是滑动窗口法的3.2倍,具有匹配速度快、准确性高、稳定性好等特点.
-
-
TIAN Ye;
田野;
MA Lei;
马雷;
SU Hongqi;
苏红旗
- 《第17届全国图象图形学学术会议》
| 2014年
-
摘要:
针对在车道线检测过程中,运用传统方法不能有效地去除与车道线斜率或者灰度相似的一些直线,提出一种基于Susan算子的车道线检测算法.对经过Canny边缘检测后的图像中所有边缘点,利用车道线灰度值较高,且有一定宽度的特点,基于原始灰度图像利用Susan边缘检测做局部特征检测,最后得到感兴趣的边缘,再对其进行Hough变换,得到有效的车道线.实验证明,该方法能够更加精确有效地识别车道线,对去除与车道线斜率或者灰度相似的一些直线的效果比较好.与传统算法相比,本算法对车道线的边缘检测做了一定的改进,提高了检测的准确度和精细度,对自动车辆车道线检测有实际参考意义.
-
-
丰一流;
郭东升;
孙懿淳;
刘衡竹
- 《第十七届计算机工程与工艺年会暨第三届微处理器技术论坛》
| 2013年
-
摘要:
旋转不变性是图像匹配的难点.本文提出了一种基于矩确定主方向以获取局部特征旋转不变性的方法.该方法基于一阶中心矩的不变性,通过积分运算获得特征区域的主方向.该方法在不增加算法复杂度的情况下,减少了描述子的生成时间.在不同场景不同旋转变化、不同尺度变化等条件下进行的大量实验表明,与原有的SIFT算法相比,该方法具有更加稳定、可靠的特点.
-
-
Xu Qinghan;
许庆晗;
Jin Lizuo;
金立左;
Ma Junyong;
马军勇
- 《第五届中国信息融合大会》
| 2013年
-
摘要:
基于过完备局部特征和池化操作的表示在图像分类问题上取得很好效果.针对高维特征的特征选择的问题,本文采用在线学习的线性分类器,根据线性分离器权值进行特征选择.分析了一种在线分类算法AROW与稀疏贝叶斯学习之间的联系.给出一种权值的稀疏重估计方法,获得具有类似Laplace分布的稀疏分布的权值.根据稀疏权值进行的特征选择,可以仅保留少量具有强分类能力的特征,提高了算法泛化能力.该方法避免了在全部高维数据上进行特征选择,计算简便.实验表明,该方法识别率优于目前大多数经典算法.
-
-
ZHAO Yongwei;
赵永威;
YANG Xiaoyuan;
杨晓元;
LIN Boyu;
蔺博宇
- 《第十三届全国信息隐藏暨多媒体信息安全学术大会》
| 2016年
-
摘要:
本文针对矢量量化编码的量化误差严重,而稀疏编码只是一种浅层学习模型,容易导致视觉词典对图像特征缺乏选择性的问题,提出了一种基于深度学习特征编码模型的图像分类方法.首先,采用深度学习网络-无监督的受限玻尔兹曼机(RBM)代替传统的K-Means聚类及稀疏编码等方法对SIFT特征库进行编码学习,生成视觉词典;其次,根据学习得到的词典,得到每一个SIFT特征对应的稀疏向量,并对其进行融合得到图像的深度学习表示向量,并以此训练SVM分类器;然后,利用训练数据的类别标签信息对RBM网络学习进行有监督的微调,并利用SVM分类器完成分类.实验结果表明,本文方法能有效克服传统矢量量化编码及稀疏编码等方法的缺点,有效地提升图像分类性能.
-
-
ZHAO Yongwei;
赵永威;
YANG Xiaoyuan;
杨晓元;
LIN Boyu;
蔺博宇
- 《第十三届全国信息隐藏暨多媒体信息安全学术大会》
| 2016年
-
摘要:
本文针对矢量量化编码的量化误差严重,而稀疏编码只是一种浅层学习模型,容易导致视觉词典对图像特征缺乏选择性的问题,提出了一种基于深度学习特征编码模型的图像分类方法.首先,采用深度学习网络-无监督的受限玻尔兹曼机(RBM)代替传统的K-Means聚类及稀疏编码等方法对SIFT特征库进行编码学习,生成视觉词典;其次,根据学习得到的词典,得到每一个SIFT特征对应的稀疏向量,并对其进行融合得到图像的深度学习表示向量,并以此训练SVM分类器;然后,利用训练数据的类别标签信息对RBM网络学习进行有监督的微调,并利用SVM分类器完成分类.实验结果表明,本文方法能有效克服传统矢量量化编码及稀疏编码等方法的缺点,有效地提升图像分类性能.