检索结果

Select

1. 基于时空上下文信息增强的目标跟踪算法

温静, 李强

《计算机应用》唯一官方网站 2021, 41 (12): 3565-3570. DOI: 10.11772/j.issn.1001-9081.2021061034

摘要（283）

HTML （11）

PDF （915KB）（121）

充分利用视频中的时空上下文信息能明显提高目标跟踪性能，但目前大多数基于深度学习的目标跟踪算法仅利用当前帧的特征信息来定位目标，没有利用同一目标在视频前后帧的时空上下文特征信息，导致跟踪目标易受到邻近相似目标的干扰，从而在跟踪定位时会引入一个潜在的累计误差。为了保留时空上下文信息，在SiamMask算法的基础上引入一个短期记忆存储池来存储历史帧特征；同时，提出了外观显著性增强模块（ASBM），一方面增强跟踪目标的显著性特征，另一方面抑制周围相似目标对目标的干扰。基于此，提出一种基于时空上下文信息增强的目标跟踪算法。在VOT2016、VOT2018、DAVIS-2016和DAVIS-2017等四个数据集上进行实验与分析，结果表明所提出的算法相较于SiamMask算法在VOT2016上的准确率和平均重叠率（EAO）分别提升了4个百分点和2个百分点；在VOT2018上的准确率、鲁棒性和EAO分别提升了3.7个百分点、2.8个百分点和1个百分点；在DAVIS-2016上的区域相似度、轮廓精度指标中的下降率均分别降低了0.2个百分点；在DAVIS-2017上的区域相似度、轮廓精度指标中的下降率分别降低了1.3和0.9个百分点。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于带squeeze-and-excitation模块的ResNeXt的单目图像深度估计方法

温静, 李智宏

计算机应用 2021, 41 (1): 215-219. DOI: 10.11772/j.issn.1001-9081.2020060969

摘要（339）

PDF （2096KB）（902）

针对目前单目图像深度估计任务缺乏对特征通道之间的全局信息关系表示的问题，提出了一种基于SE-ResNeXt的单目图像深度估计方法。首先，通过建模特征通道间的动态且非线性的关系来提高网络的全局信息表示能力；然后，采用特征重标定策略来自适应地重新校准特征通道的响应，从而进一步提升特征利用率；最后，通过ResNeXt结构在不增加模型复杂度的基础上进一步提升方法的性能。实验结果表明，相比与没有采用ResNeXt结构的算法，该方法获得了更低的误差值，其均方根误差（RMSE）降低了10%，绝对相对误差（AbsRel）降低了27%。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于多级全局信息传递模型的视觉显著性检测

温静, 宋建伟

计算机应用 2021, 41 (1): 208-214. DOI: 10.11772/j.issn.1001-9081.2020060968

摘要（332）

PDF （1655KB）（595）

对神经网络中的卷积特征采用分层处理的思想能明显提升显著目标检测的性能。然而，在集成分层特征时，如何获得丰富的全局信息以及有效融合较高层特征空间的全局信息和底层细节信息仍是一个没有解决的问题。为此，提出了一种基于多级全局信息传递模型的显著性检测算法。为了提取丰富的多尺度全局信息，在较高层级引入了多尺度全局特征聚合模块（MGFAM），并且将多层级提取出的全局信息进行特征融合操作；此外，为了同时获得高层特征空间的全局信息和丰富的底层细节信息，将提取到的有判别力的高级全局语义信息以特征传递的方式和较低层次特征进行融合。这些操作可以最大限度提取到高级全局语义信息，同时避免了这些信息在逐步传递到较低层时产生的损失。在ECSSD、PASCAL-S、SOD、HKU-IS等4个数据集上进行实验，实验结果表明，所提算法相较于较先进的NLDF模型，其F-measure（F）值分别提高了0.028、0.05、0.035和0.013，平均绝对误差（MAE）分别降低了0.023、0.03、0.023和0.007。同时，所提算法在准确率、召回率、F-measure值及MAE等指标上也优于几种经典的图像显著性检测方法。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于Chambolle-Pock算法框架的高阶TV图像重建算法

席雅睿, 乔志伟, 温静, 张艳娇, 杨雯晶, 闫慧文

计算机应用 2020, 40 (6): 1793-1798. DOI: 10.11772/j.issn.1001-9081.2019111955

摘要（512）

PDF （720KB）（380）

传统的总变差（TV）最小算法是一种基于压缩感知(CS)的经典迭代重建算法，可以从稀疏数据或含噪数据中高精度地重建图像。然而，TV算法在重建分段常数特征不明显的图像时可能会引入块状伪影，通过研究得出，在图像去噪中使用高阶总变差（HOTV）能有效压制TV模型引入的块状伪影。鉴于此，提出了一种HOTV图像重建模型及其Chambolle-Pock（CP）求解算法。具体来说，以二阶梯度构建二阶TV范数，进而设计了一种数据保真约束的二阶TV最小重建模型，并推导出了相应的CP算法。在理想数据投影和含噪数据投影条件下，分别采用基于波浪背景的Shepp-Logan模体、灰度渐变模体以及真实CT图像模体进行重建实验，并进行定性和定量分析。理想数据投影的重建结果表明，和传统TV算法相比，HOTV算法能有效压制块状伪影并提高重建精度。含噪数据投影的重建结果表明，HOTV算法和TV算法均有良好的抗噪能力，但HOTV算法的保边性能更好且抗噪性更强。在重建分段常数特征不明显而灰度波动特征明显的图像时，HOTV算法是一种比TV算法更优的重建算法。所提HOTV算法可以被推广到各种扫描模式下的CT重建及其他成像模态中。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于加速鲁棒特征和多示例学习的目标跟踪算法

白晓红, 温静, 赵雪, 陈金广

计算机应用 2016, 36 (11): 2974-2978. DOI: 10.11772/j.issn.1001-9081.2016.11.2974

摘要（613）

PDF （797KB）（376）

针对照明变化、形状变化、外观变化和遮挡对目标跟踪的影响，提出一种基于加速鲁棒特征（SURF）和多示例学习（MIL）的目标跟踪算法。首先，提取目标及其周围图像的SURF特征；然后，将SURF描述子引入到MIL中作为正负包中的示例；其次，将提取到的所有SURF特征采用聚类算法实现聚类，建立视觉词汇表；再次，通过计算视觉字在多示例包的重要程度，建立“词-文档”矩阵，并且求出包的潜在语义特征通过潜在语义分析（LSA）；最后，通过包的潜在语义特征训练支持向量机（SVM），使得MIL问题可以依照有监督学习问题进行解决，进而判断是否为感兴趣目标，最终实现视觉跟踪的目的。通过实验，明确了所提算法对于目标的尺度缩放以及短时局部遮挡的情况都有一定的鲁棒性。

参考文献 | 相关文章 | 多维度评价

Select

6. CCML2021+276: 基于时空上下文信息增强的目标跟踪算法

温静李强

录用日期: 2021-07-18