检索结果

Select

1. 基于EfficientNet的双分路多尺度联合学习行人再识别

仇天昊, 陈淑荣

《计算机应用》唯一官方网站 2022, 42 (7): 2065-2071. DOI: 10.11772/j.issn.1001-9081.2021050852

摘要（378）

HTML （9）

PDF （3415KB）（123）

针对视频图像中因小目标行人、遮挡和行人姿态多变而造成的行人再识别率低的问题，建立了一种基于高效网络EfficientNet的双分路多尺度联合学习方法。首先采用性能高效的EfficientNet-B1网络作为主干结构；然后利用加权双向特征金字塔（BiFPN）分支对提取的不同尺度全局特征进行融合，并且得到包含不同层次语义信息的全局特征，从而提高小目标行人的识别率；其次利用PCB分支提取深层局部特征来挖掘行人的非显著信息，并减轻行人遮挡和姿态多变性对识别率的影响；最后在训练阶段将两个分支网络分别提取的行人特征通过Softmax损失函数得到不同子损失，并把它们相加进行联合表示；在测试阶段将获得的全局特征和深层局部特征拼接融合，并计算欧氏距离得到再识别匹配结果。该方法在Market1501和DukeMTMC-Reid 数据集上的Rank-1的准确率分别达到了95.1%和89.1%，与原始EfficientNet-B1主干结构相比分别提高了3.9个百分点和2.3个百分点。实验结果表明，所提出的模型有效提高了行人再识别的准确率。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于双流非局部残差网络的行为识别方法

周云, 陈淑荣

计算机应用 2020, 40 (8): 2236-2240. DOI: 10.11772/j.issn.1001-9081.2020010041

摘要（474）

PDF （1122KB）（511）

针对传统卷积神经网络（CNN）对人体行为动作仅能提取局部特征易导致相似行为动作识别准确率不高的问题，提出了一种基于双流非局部残差网络（NL-ResNet）的行为识别方法。首先提取视频的RGB帧和密集光流图，分别作为空间流和时间流网络的输入，并通过角落裁剪和多尺度相结合的预处理方法进行数据增强；其次分别利用残差网络的残差块提取视频的局部表观特征和运动特征，再通过在残差块之后接入的非局部CNN模块提取视频的全局信息，实现网络局部特征和全局特征的交叉提取；最后将两个分支网络分别通过A-softmax损失函数进行更精细的分类，并输出加权融合后的识别结果。该方法能充分利用局部和全局特征提高模型的表征能力。在UCF101数据集上，NL-ResNet取得了93.5%的识别精度，与原始双流网络相比提高了5.5个百分点。实验结果表明，所提模型能更好地提取行为特征，有效提高行为识别的准确率。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于ICA和SVM的道路网短时交通流量预测方法

谢宏刘敏陈淑荣

计算机应用 2009, 29 (09): 2550-2553.

摘要（2707）

PDF （548KB）（1495）

交通流量预测是智能交通系统(ITS)研究的一个重要课题。通过对多个观测点交通流量数据特点进行分析，采用一种基于独立成分分析(ICA)与支持向量机(SVM)相结合的短时交通流量预测方法。首先，通过独立成分分析得到同一条道路上各个观测点的交通流量的独立源信号；接着利用支持向量机预测模型对源信号进行建模和预测，并通过遗传算法(GA)优化参数；最后将其转换为交通流量数据，得到预测结果。实例分析结果显示，该算法优于直接利用支持向量机对交通流量进行预测的方法，并能去除同一条道路上多个观测点测量数据之间的相互影响。