检索结果

Select

1. 结合特征融合与增强注意力的少样本目标检测

李新叶, 侯晔凝, 孔英会, 燕志旗

《计算机应用》唯一官方网站 2024, 44 (3): 745-751. DOI: 10.11772/j.issn.1001-9081.2023030315

摘要（240）

HTML （14）

PDF （4000KB）（189）

为了更充分地利用支持特征和查询特征中的关键信息，提出一种基于特征融合和增强注意力的少样本目标检测方法FFA-FSOD（Feature Fusion and enhanced Attention Few-Shot Object Detection）。首先引入迭代注意力特征融合（iAFF）模块，以有效融合支持图像和查询图像的关键特征；其次在iAFF模块后添加特征增强操作，充分利用支持特征信息对查询图像中的目标特征进行增强。为避免上述两次处理可能导致的查询图像特征部分细节信息的丢失，对iAFF模块中的多尺度通道注意力模块（MS-CAM）进行改进，以捕获更多的上下文信息。在MS COCO数据集上的实验结果表明，在2-way 10-shot条件下，与小样本目标检测（FSOD）方法相比，加入iAFF模块、特征增强操作并改进MS-CAM后，FFA-FSOD的平均精度均值（mAP）提升了8.0%。实验结果验证了所提特征融合增强方法充分关注到了特征中的细节信息，从而实现了更好的少样本目标检测效果。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于动态部位特征的步态识别方法

车辚辚孔英会

计算机应用 2012, 32 (12): 3418-3421. DOI: 10.3724/SP.J.1087.2012.03418

摘要（663）

PDF （602KB）（522）

为了在衣着饰物变化条件下进行步态识别，提出了一种基于动态部位特征的步态识别方法。首先，采用泊松方程给步态轮廓内的每个点赋值，并构造合适的阈值函数来提取步态序列的动态部位特征；然后，统计其等角度间隔的扇形区域内的均值和方差，用其构造动态特征向量；最后，利用支持向量机算法在行走人衣着饰物发生变化的条件下进行步态分类。通过在CASIA大规模步态数据库上的实验，验证了该方法的有效性和鲁棒性。

相关文章 | 多维度评价

Select

3. 基于层次语义的图像分类方法

孔英会苏亮

计算机应用 2011, 31 (11): 3045-3047. DOI: 10.3724/SP.J.1087.2011.03045

摘要（1804）

PDF （477KB）（473）

为了更好地实现基于语义的图像检索，结合了颜色、纹理和形状的综合特征来表示图像，将它们作为支持向量机(SVM)的输入向量，对图像类进行学习，建立图像底层特征和高层语义的关联。采用综合特征表示图像，提高了分类正确率。同时按照分语义层次的方式组织图像库，实现图像的语义分层表示，用各层次的关键词来联合表示图像的语义信息。结果表明，可以在具有较好分类正确率的情况下，使图像具有更全面的语义表示。