局部特征

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.

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。

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。

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。

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。

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.

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。

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。

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。

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。

摘要： 通过稽查卡口、电子警察、监控视频、移动终端等设备,公安交警积累了越来越多的视图资源.结合交警管理职能,对这些视图资源进行基于内容的海量检索是项持续不断的技术难题.本文对此展开了研究:提出了基于局部特征的检索技术路线,针对ASIFT算法进行了改造,借助Hadoop系统进行了试验.最后,提出了下一步的研究目标和路径.

摘要： 提出一种基于局部特征融合的目标再识别方法.通过视觉传感网采集视频图像,针对场景内的目标,首先结合颜色和形体特征,对目标进行区域分割,进一步设计特征描述子,对关键区域的颜色和形体信息进行提取,基于此判断目标间的相似度,实现目标再识别.实验表明了所提方法的有效性.

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.

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.

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.

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.

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.

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.

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.

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.

摘要： 本发明的目的是减小特征量的大小，同时保持被写体识别的精度。一种局部特征量提取装置包括：特征点检测单元，检测图像中的多个特征点，以及输出作为与每个特征点有关的信息的特征点信息；特征点选择单元，基于特征点信息，从多个所检测的特征点，按重要性的顺序，选择预定多个特征点；局部区域获取单元，获得对应于每个所选择的特征点的局部区域；子区域分割单元，将每个局部区域分割成多个子区域；子区域特征向量生成单元，对每个局部区域中的每个子区域，生成多个维度的特征向量；以及维度选择单元，基于每个局部区域中的子区域之间的位置关系，从用于每个子区域的特征向量选择维度，使得相邻子区域之间的相关性被降低，以及将所选择的维度的元素输出为局部区域的特征量。

摘要： 本发明减少特征量的大小，同时保持识别被写体的精度。局部特征量提取装置包括被配置成检测图像中的特征点的特征点检测单元、被配置成获取用于每个特征点的局部区域的局部区域获取单元、被配置成将每个局部区域分成多个子区域的子区域分割单元、被配置成对每个局部区域中的每个子区域，生成具有多个维度的特征向量的子区域特征向量生成单元，以及被配置成基于每个局部区域中的子区域之间的位置关系，从每个子区域中的特征向量选择维度，使得减小邻近子区域之间的相关性以及将所选择的维度的元素输出为局部区域的特征量的维度选择单元。

摘要： 本发明的目的是减小特征量的大小，同时保持被写体识别的精度。一种局部特征量提取装置包括：特征点检测单元，检测图像中的多个特征点，以及输出作为与每个特征点有关的信息的特征点信息；特征点选择单元，基于特征点信息，从多个所检测的特征点，按重要性的顺序，选择预定多个特征点；局部区域获取单元，获得对应于每个所选择的特征点的局部区域；子区域分割单元，将每个局部区域分割成多个子区域；子区域特征向量生成单元，对每个局部区域中的每个子区域，生成多个维度的特征向量；以及维度选择单元，基于每个局部区域中的子区域之间的位置关系，从用于每个子区域的特征向量选择维度，使得相邻子区域之间的相关性被降低，以及将所选择的维度的元素输出为局部区域的特征量。

摘要： 本发明减少特征量的大小，同时保持识别被写体的精度。局部特征量提取装置包括被配置成检测图像中的特征点的特征点检测单元、被配置成获取用于每个特征点的局部区域的局部区域获取单元、被配置成将每个局部区域分成多个子区域的子区域分割单元、被配置成对每个局部区域中的每个子区域，生成具有多个维度的特征向量的子区域特征向量生成单元，以及被配置成基于每个局部区域中的子区域之间的位置关系，从每个子区域中的特征向量选择维度，使得减小邻近子区域之间的相关性以及将所选择的维度的元素输出为局部区域的特征量的维度选择单元。

摘要： 本发明公开了一种基于特征点局部特征剔除误匹配特征点方法，其包括以下步骤：SIFT特征点检测，利用构建的高斯尺度空间，进行极值点检测，获取关键点；特征点匹配，基于获取的关键点描述符信息，利用欧式距离计算第一幅图像中的点距离第二幅图像中最近距离和次近距离，最近距离越小，则匹配程度越高；基于特征点局部特征值剔除误匹配特征点方法，采用宽松阈值的比率测试为粗剔除，剔除少量误匹配特征点，保证足量匹配正确的特征点；分别在两幅匹配图像中构建局部坐标系，根据点集中匹配的特征点在局部坐标系下特征值的相似度，剔除误匹配，实现精剔除。本发明有效的剔除SIFT算法匹配结果中的误匹配，可获得准确度高的点集。

摘要： 本发明公开了一种基于局部特征和全局HSV特征组合的目标特征描述方法，包括以下步骤：获取目标对象帧，在目标对象帧中选取背景区域、目标区域、并设定用于计算局部像素块似然度的扩展区域；利用超像素聚类方法将目标区域分割成若干局部块，对每一局部块分别提取边缘方向特征和亮度特征并组合成局部特征描述向量；分别计算背景区域和目标区域的HSV空间颜色特征，并组合成全局特征描述向量；利用局部特征描述向量计算目标区域局部块的似然，通过目标区域中每一个位置像素属于对象目标区域的概率计算全局似然；利用局部块似然和全局似然计算目标区域总体似然概率，根据目标区域的总体似然概率判断特征描述的准确度。本发明提高了目标表观描述的准确度。

摘要： 本发明公开了一种基于特征点和局部特征的面部表情分析方法，属于面部表情分析技术领域，要解决的技术问题为如何通过多特征结合进行面部表情预测并提高预测准确率。包括如下步骤：提取面部关键点的坐标值，基于面部关键点的坐标值对面部图像进行缩小和剪裁处理，得到特征点；对于每个预处理后面部图像，基于面部关键点的坐标值提取面部成分；对于每个面部成分，将其划分为多个面部子区域，并对每个面部子区域提取局部二值模式得到一个行向量，对于每个面部图像，对于每个预处理后面部图像，将与其对应的行向量进行拼接，基于所述面部图像数据集对应的所有行向量组成一个特征矩阵作为局部特征；进行支持向量机分类以训练支持向量机，通过训练后支持向量机进行表情预测。

摘要： 一种考虑整体特征与局部特征的半导体工艺预测方法与装置。半导体工艺预测方法包括以下步骤。获得数个机台感测曲线。筛选这些机台感测曲线，以降低这些机台感测曲线的共线性。以一动态时间校正程序对这些机台感测曲线进行校正。输入已校正的这些机台感测曲线至一卷积神经网络模型，以获得考虑局部特征的一第一预测结果。对这些机台感测曲线进行一统计分析程序，以获得数个统计数据。输入这些统计数据至一人工神经网络模型，以获得考虑整体特征的一第二预测结果。依据第一预测结果及第二预测结果，获得一总预测结果。

摘要： 本发明属于动态草图检索领域，具体涉及一种基于草图局部特征和全局特征匹配的图像检索方法，该方法包括：获取待检索的手绘草图序列及对应的草图块，将草图序列和草图块输入到训练好的神经网络模型中得到草图的嵌入向量和草图块的嵌入向量；计算嵌入向量输入数据的欧式距离；将计算出的欧式距离进行加权融合，根据融合后的欧式距离返回检索到top‑k张图片，得到草图的检索结果；改进的神经网络模型包括完整图像分支和切块图像分支；完整图像分支用于对完整的草图进行处理，切块图像分支用于对草图块进行处理；本发明针对序列草图笔画信息稀少的问题，使用草图分割的方法搭建不同分支的网络模型，减少草图笔画信息稀少带来的准确率下降的问题。

摘要： 本发明提供了一种联合局部特征和全局特征的R‑FCN刀闸检测方法，该方法基于深度学习网络模型R‑FCN对变电站的刀闸进行状态检测。通过对变电站辅助监控系统嵌入网络摄像机集控软件实现相机多位置、多角度在不同室外天气环境、背景的刀闸图像采集，构建多样性的刀闸数据；通过对R‑FCN输出预测网络并联融入全局特征预测模块，补充原始网络只通过局部特征预测刀闸产生的感受野不足缺陷，提升对部分遮挡的刀闸检测准确率，降低对复杂背景中刀闸的漏检率和误检率；通过对局部特征预测结果和全局特征预测结果正则化后进行预测结果累加，实现全局特征预测结果对局部特征预测结果的补充，满足变电站刀闸远程检测和无人化值守的需求。