检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 卷积鲁棒主成分分析

王心, 朱浩华, 刘光灿

计算机应用 2021, 41 (5): 1314-1318. DOI: 10.11772/j.issn.1001-9081.2020081169

摘要（587）

PDF （2704KB）（614）

鲁棒主成分分析（RPCA）是一种经典的高维数据分析方法，可从带噪声的观测样本中恢复出原始数据。但是，RPCA能工作的前提是目标数据拥有低秩矩阵结构，不能有效处理实际应用中广泛存在的非低秩数据。研究发现，虽然图像、视频等数据矩阵本身可能不是低秩的，但它们的卷积矩阵通常是低秩的。根据这一原理，提出一种称为卷积鲁棒主成分分析（CRPCA）的新方法，利用卷积矩阵的低秩性对原始数据的结构进行约束，从而实现精确的数据恢复。CPRCA模型的计算过程是一个凸优化问题，通过乘子交替方向法（ADMM）来进行求解。通过对合成数据向量以及真实数据图片、视频序列进行实验，验证了该方法相较于其他算法如RPCA、广义鲁棒主成分分析（GRPCA）以及核鲁棒主成分分析（KRPCA）在处理数据非低秩问题上优越性。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于关键点的服装检索

陈嫒嫒, 李来, 刘光灿, 刘青山

计算机应用 2017, 37 (11): 3249-3255. DOI: 10.11772/j.issn.1001-9081.2017.11.3249

摘要（613）

PDF （1166KB）（717）

目前，同款或近似款式服装检索主要分为基于文本和基于内容两类。基于文本算法往往需要海量标注样本，且存在人工主观性带来的标注缺失和标注差异等问题；基于内容算法一般对服装图像的颜色、形状、纹理提取特征，进行相似性度量，但难以应对背景颜色干扰，以及视角、姿态引起的服装形变等问题。针对上述问题，提出一种基于关键点的服装检索方法。利用级联深度卷积神经网络为基础，定位服装关键点，融合关键点区域低层视觉信息以及整幅图像的高层语义信息。对比传统检索方法，所提算法能有效处理视角、姿态引起的服装形变和复杂背景的干扰；同时不需大量样本标定，且对背景、形变鲁棒。在Fashion Landmark数据集和BDAT-Clothes数据集上与常用算法进行对比实验。实验结果表明所提算法能有效提升检索的查准率和查全率。

参考文献 | 相关文章 | 多维度评价