检索结果

Select

1. 基于多尺度特征融合的行人重识别方法

韩建栋, 李晓宇

计算机应用 2021, 41 (10): 2991-2996. DOI: 10.11772/j.issn.1001-9081.2020121908

摘要（476）

PDF （1794KB）（453）

针对行人重识别任务在特征提取时缺乏对行人特征尺度变化的考虑，导致其易受环境影响而具有低行人重识别准确率的问题，提出了一种基于多尺度特征融合的行人重识别方法。首先，在网络浅层通过混合池化操作来提取多尺度的行人特征，从而帮助网络提升特征提取能力；然后，在残差块内添加条形池化操作以分别提取水平和竖直方向的远程上下文信息，从而避免无关区域的干扰；最后，在残差网络之后利用不同尺度的空洞卷积进一步保留多尺度的特征，从而帮助模型灵活有效地解析场景结构。实验结果表明，在Market-1501数据集上，所提方法的Rank1达到95.9%，平均精度均值（mAP）为88.5%；在DukeMTMC-reID数据集上，该方法的Rank1达到90.1%，mAP为80.3%。可见所提方法能够较好地保留行人特征信息，从而提高行人重识别任务准确率。

参考文献 | 相关文章 | 多维度评价

Select

2. 结合纹理与轮廓特征的多通道行人检测算法

韩建栋, 邓一凡

计算机应用 2017, 37 (10): 3012-3016. DOI: 10.11772/j.issn.1001-9081.2017.10.3012

摘要（679）

PDF （950KB）（601）

针对在复杂场景下，聚合通道特征（ACF）的行人检测算法存在检测精度较低、误检率较高的问题，提出一种结合纹理和轮廓特征的多通道行人检测算法。算法由训练分类器和检测两部分组成。在训练阶段，首先提取ACF特征、局部二值模式（LBP）纹理特征和ST（Sketch Tokens）轮廓特征，然后对提取的三类特征均采用Real AdaBoost分类器进行训练；在检测阶段，应用了级联检测的思想，初期使用ACF分类器处理所有实例，保留下来的少数实例应用复杂的LBP及ST分类器进行逐次筛选。实验采用INRIA数据集对算法进行仿真，该算法的平均对数漏检率为13.32%，与ACF算法相比平均对数漏检率降低了3.73个百分点。实验结果表明LBP特征与ST特征能有对ACF特征进行信息互补，从而在复杂场景下去掉部分误判，提高了行人检测的精度，同时应用级联检测保证了多特征算法的计算效率。

参考文献 | 相关文章 | 多维度评价

Select

3. 结合粗糙集与分层思想的彩色图像分割算法

韩建栋, 朱婷婷, 李月香

计算机应用 2015, 35 (7): 2020-2024. DOI: 10.11772/j.issn.1001-9081.2015.07.2020

摘要（1149）

PDF （1017KB）（582）

针对彩色图像分割算法中小目标区域容易错分割以及计算复杂度高的问题,提出一种基于HSI空间的结合粗糙集理论与分层思想的彩色图像分割方法。首先,由于彩色图像HSI空间的奇异点对应于RGB空间的灰色像素点,为了消除奇异点,在RGB空间寻找"灰色区域"进行分割与标记;然后,将图像转换到HSI颜色空间,在强度I分量上,考虑到空间邻域信息以及区域分布差异,设计了变阈值渐变性同质函数对原始直方图进行加权,将加权直方图和原始直方图分别作为粗糙集的上、下近似集,构造了新的粗糙度函数进行分割;其次,针对初分割得到的每个区域,在色调H分量上采用直方图阈值化完成细分割;最后,为了避免过分割,在RGB空间上进行区域合并。相比Mushrif等提出的粗糙集分割算法(MUSHRIF M M, RAY A K. Color image segmentation: rough-set theoretic approach. Pattern Recognition Letters, 2008, 29(4): 483-493),该算法更容易分割出图像中的小目标区域,避免了因RGB三个分量的相关性造成的错误分割,算法运行速度提高了5~8倍。实验结果表明:该算法分割效果较好,具有一定的抗噪性与鲁棒性。

参考文献 | 相关文章 | 多维度评价