检索结果

Select

1. 视觉类深度神经网络的自动标注

李鸣, 郭晨皓, 陈星

计算机应用 2020, 40 (6): 1593-1600. DOI: 10.11772/j.issn.1001-9081.2019101774

摘要（304）

PDF （3594KB）（340）

针对开发人员难以快速从众多模型中找到自己所需的模型的问题，提出了一种基于自然语言处理技术的视觉类深度神经网络的自动标注方法。首先，划分视觉类神经网络的领域类别，根据词频等信息计算关键词及其对应的权值；其次，建立关键词提取器从论文摘要中提取出关键词；最后，将提取得到的关键词和已知权值进行相似度计算，从而得到模型的应用领域。从三大国际计算机视觉领域会议，即国际计算机视觉大会（ICCV）、IEEE国际计算机视觉与模式识别会议（CVPR）和欧洲计算机视觉国际会议(ECCV)发表的论文中选取实验数据进行实验。实验结果表明，所提方法能够提供宏平均值为0.89的高精度分类结果，验证了该方法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

2. 结合全局信息的局部图像灰度拟合模型

陈星, 王艳, 吴漩

计算机应用 2018, 38 (12): 3574-3579. DOI: 10.11772/j.issn.1001-9081.2018040834

摘要（519）

PDF （1081KB）（407）

针对局部图像拟合（LIF）模型对初始轮廓大小、形状和位置敏感的问题，提出一个结合全局信息的局部图像灰度拟合模型。首先，构造了一个基于全局图像信息的全局项；其次，将该全局项与LIF模型中的局部项线性组合；最后，得到了一个以偏微分方程形式存在的图像分割模型。数值实现采用有限差分法，同时采用高斯滤波器正则化水平集函数以确保水平集函数的光滑作用。在分割实验中，当选取不同的初始轮廓时，该模型均能得到正确的分割结果，且分割时间仅为LIF模型的20%到50%。实验结果表明，所提模型既对演化曲线初始轮廓的大小、形状和位置都不敏感，又能够有效地分割灰度不均图像，且分割速度较快。此外，在无初始轮廓的情形下，该模型能快速分割一些真实图像和人造图像。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于粒子群优化的无线传感器网络节点定位改进

陈星舟廖明宏林建华

计算机应用 2010, 30 (07): 1736-1738.

摘要（1848）

PDF （422KB）（1916）

针对无线传感器网络低成本、低功耗的要求，提出了一种DV-Hop改进算法，利用节点间的估计距离和锚节点的位置，在DV-Hop算法的第三阶段使用粒子群优化的方法校正DV-Hop得到的估算位置。该算法不需要任何额外硬件设备和不增加通信量。仿真表明，改进的算法可以使DV-Hop的平均定位误差下降30%，并有效降低了成本。