期刊文献+
共找到549篇文章
< 1 2 28 >
每页显示 20 50 100
Color Correction for Multi-view Video Using Energy Minimization of View Networks 被引量:4
1
作者 Kenji Yamamoto Ryutaro Oi 《International Journal of Automation and computing》 EI 2008年第3期234-245,共12页
Systems using numerous cameras are emerging in many fields due to their ease of production and reduced cost, and one of the fields where they are expected to be used more actively in the near future is in image-based ... Systems using numerous cameras are emerging in many fields due to their ease of production and reduced cost, and one of the fields where they are expected to be used more actively in the near future is in image-based rendering (IBR). Color correction between views is necessary to use multi-view systems in IBR to make audiences feel comfortable when views are switched or when a free viewpoint video is displayed. Color correction usually involves two steps: the first is to adjust camera parameters such as gain, brightness, and aperture before capture, and the second is to modify captured videos through image processing. This paper deals with the latter, which does not need a color pattern board. The proposed method uses scale invariant feature transform (SIFT) to detect correspondences, treats RGB channels independently, calculates lookup tables with an energy-minimization approach, and corrects captured video with these tables. The experimental results reveal that this approach works well. 展开更多
关键词 MULTI-view color correction image-based rendering (IBR) view networks (VNs) scale invariant feature transform (SIFT) energy minimization.
在线阅读 下载PDF
城市排水管网流量预测多视图时空图神经网络模型 被引量:2
2
作者 涂伟 池向沅 +3 位作者 赵天鸿 杨剑 朱世平 陈德莉 《测绘学报》 北大核心 2025年第2期334-344,共11页
城市排水管网的流量是其运行效率和安全的关键指标,准确的流量预测对排水管网运行风险预警、优化其运行效率及规划布局至关重要。水流量不仅受到其自身动力学特性的影响,还与管网的空间结构紧密相关,但传统水流量预测方法较少关注水流... 城市排水管网的流量是其运行效率和安全的关键指标,准确的流量预测对排水管网运行风险预警、优化其运行效率及规划布局至关重要。水流量不仅受到其自身动力学特性的影响,还与管网的空间结构紧密相关,但传统水流量预测方法较少关注水流在管道之间复杂多维的空间依赖关系。针对这一问题,本文提出了一种基于多视图的时空图网络模型,该模型综合考虑了排水管网的空间邻近性和节点间的属性相似性。分别构建最近邻拓扑视图与流量相似性属性视图,使用时空图卷积网络挖掘流量特征的内在时空依赖,利用注意力机制对多个视图的时空依赖特征进行融合以获得流量预测值。利用某市排水管网历史水流监测数据进行试验,结果表明本文提出的多视图时空图神经网络模型取得了较好的预测性能,多视图对比试验验证了不同视图在模型中起到的贡献。 展开更多
关键词 管网流量预测 多视图 时空图网络 图深度学习
在线阅读 下载PDF
基于时空多视野注意残差网络的城市区域交通流量预测
3
作者 陈静 杨国威 +1 位作者 张昭冲 王伟 《系统仿真学报》 北大核心 2025年第3期607-622,共16页
为高效、全面提取城市中复杂的时空相关性,提出一种新的端到端的深度学习框架—时空多视野注意残差网络(spatiotemporal multi-view attention residual network, ST-MVAR),用于城市区域交通流量预测。整合交通流量的临近性、周期性、... 为高效、全面提取城市中复杂的时空相关性,提出一种新的端到端的深度学习框架—时空多视野注意残差网络(spatiotemporal multi-view attention residual network, ST-MVAR),用于城市区域交通流量预测。整合交通流量的临近性、周期性、趋势性和外部因素作为网络输入,该网络通过跳跃连接,形成多层嵌套残差网络结构;设计多视野扩展模块,用于捕获交通流量对不同距离的空间依赖;引入坐标注意力机制,有效建立交通流量的时空相关性;通过K-Means聚类方法获取各时段交通流量所属模式,作为额外特征,进一步提高模型的预测精度。实验结果表明:ST-MVAR使用更少的参数获得更高的性能,相比之前的方法 RMSE降低14.2%。 展开更多
关键词 交通流量预测 残差网络 视野扩展 坐标注意力 K-MEANS聚类
原文传递
基于自适应增强的多视图对比推荐算法 被引量:1
4
作者 姚迅 王海鹏 +1 位作者 胡新荣 杨捷 《计算机工程》 北大核心 2025年第5期103-113,共11页
近年来,基于神经网络架构的推荐系统取得了显著成功,但在处理富含流行偏见和交互噪声的数据时,未能达到期望的效果。对比学习作为一种从无标记数据中学习的新兴技术备受关注,为解决这一问题提供了潜在方案。提出一种端到端的图对比推荐... 近年来,基于神经网络架构的推荐系统取得了显著成功,但在处理富含流行偏见和交互噪声的数据时,未能达到期望的效果。对比学习作为一种从无标记数据中学习的新兴技术备受关注,为解决这一问题提供了潜在方案。提出一种端到端的图对比推荐算法AMV-CL。首先,基于节点的潜在表征构建用户-项目交互图的互补图;其次,引入自适应增强技术,分别从节点和边缘角度生成多视图数据,并通过重参数化网络调整图结构;最后,规范化对比损失中锚节点的正样本来源,同时利用多视图对比损失来学习用户/项目的潜在表征。在公共数据集上的实验结果显示,相较于最优基准方法SimGCL,AMV-CL在评价指标Recall@20和NDCG@20上的提升最高可达到12.03%和12.64%,表明所提方法能够有效提升推荐性能。 展开更多
关键词 图神经网络 推荐系统 多视图 对比学习 自适应增强
在线阅读 下载PDF
融合多视图对比学习和知识图谱的推荐算法 被引量:3
5
作者 王光 姜皓 《计算机系统应用》 2025年第6期118-127,共10页
当前多数图对比学习驱动的推荐系统模型倾向于依赖单一视图进行训练,这种做法不可避免地限制了模型对复杂数据特征的全面捕捉能力.为此,提出一种融合多视图对比学习和知识图谱的推荐算法MKCLR(multi-view knowledge contrastive learnin... 当前多数图对比学习驱动的推荐系统模型倾向于依赖单一视图进行训练,这种做法不可避免地限制了模型对复杂数据特征的全面捕捉能力.为此,提出一种融合多视图对比学习和知识图谱的推荐算法MKCLR(multi-view knowledge contrastive learning recommendation).首先,使用了3种视图增强方法,分别是随机边丢弃,添加均匀噪声扰动和随机游走算法,为知识图谱和用户-物品图构建3个对比视图;其次,通过LightGCN进行编码,并为之构建多组对比学习任务,来最大化地提取和利用多视图数据中的丰富信息;最后,将主推荐任务与对比学习结合起来进行联合训练,在MIND、Last-FM和Alibaba-iFashion这3个基准数据集上进行实验,结果表明,MKCLR在Recall和NDCG这两个评价指标上分别平均提升5.78%和8.68%,证明了所提方法的有效性. 展开更多
关键词 图神经网络 多视图增强 对比学习 知识图谱 推荐算法
在线阅读 下载PDF
基于多视图多尺度对比学习的图协同过滤
6
作者 党伟超 温鑫瑜 +1 位作者 高改梅 刘春霞 《计算机应用》 北大核心 2025年第4期1061-1068,共8页
针对图协同过滤推荐方法存在的单一视图局限性和数据稀疏性问题,提出一种基于多视图多尺度对比学习的图协同过滤(MVMSCL)模型。首先,根据用户-项目交互构建初始交互图,并考虑用户-项目中存在的多种潜在意图,以构建多意图分解视图;其次,... 针对图协同过滤推荐方法存在的单一视图局限性和数据稀疏性问题,提出一种基于多视图多尺度对比学习的图协同过滤(MVMSCL)模型。首先,根据用户-项目交互构建初始交互图,并考虑用户-项目中存在的多种潜在意图,以构建多意图分解视图;其次,利用高阶关系改进邻接矩阵,以构建协同邻居视图;再次,去除不重要的噪声交互,以构建自适应增强的初始交互图和多意图分解视图;最后,引入局部、跨层和全局3种尺度的对比学习范式生成自监督信号,从而提高推荐性能。在Gowalla、Amazon-book和Tmall 3个公共数据集上的实验结果表明,MVMSCL的推荐性能均优于对比模型。与最优基线模型DCCF(Disentangled Contrastive Collaborative Filtering framework)相比,MVMSCL的召回率Recall@20分别提升了5.7%、14.5%和10.0%,归一化折损累计增益NDCG@20分别提升了4.6%、17.9%和11.5%。 展开更多
关键词 推荐系统 协同过滤 图神经网络 多视图 对比学习
在线阅读 下载PDF
融合局部和全局特征的深度多视图聚类网络
7
作者 李顺勇 李嘉茗 +1 位作者 曹付元 郑孟蛟 《计算机科学与探索》 北大核心 2025年第8期2085-2098,共14页
多视图聚类是当前数据分析领域的一个重要研究方向,旨在通过整合来自不同视角的数据,提升聚类精度。然而,传统的多视图聚类方法虽然在一定程度上提高了聚类效果,但往往忽略了视图间局部与全局特征的交互与融合。此外,尽管近年提出的多... 多视图聚类是当前数据分析领域的一个重要研究方向,旨在通过整合来自不同视角的数据,提升聚类精度。然而,传统的多视图聚类方法虽然在一定程度上提高了聚类效果,但往往忽略了视图间局部与全局特征的交互与融合。此外,尽管近年提出的多视图深度聚类方法,通过深度神经网络或对比学习增强了表征能力,但大多只关注局部或全局特征,未能在同一框架下对这两类特征进行综合处理。针对这些不足,提出了一种融合卷积神经网络与Transformer的深度多视图聚类模型(DMVCN-ILGF)。该模型设计了并行的卷积分支和Transformer分支,分别用于提取局部特征和全局特征。为了实现特征的有效融合,引入了特征交互机制(FIM)和特征融合模块(FFM),通过充分整合各视图的特征信息,以增强不同特征的交互和融合,最终提升聚类性能。进一步地,还设计了实例级和类别级对比损失,分别计算各视图的局部与全局特征之间的相似性,从而优化模型的表征能力和聚类效果。实验结果表明,提出的DMVCN-ILGF模型在多个多视图数据集上均取得了显著优于现有方法的聚类性能。 展开更多
关键词 多视图聚类 卷积神经网络 TRANSFORMER 特征融合
在线阅读 下载PDF
Social Networks, Politics and Public Views: An Analysis of the Term “Macedonia” in Twitter
8
作者 Dimitrios Kydros Vasiliki Vrana Evangelos Kehris 《Social Networking》 2019年第1期1-15,共15页
In this paper we deal with Twitter and the presence of the keyword “Macedonia” in tweets over a period of time. We searched for the same term in three different languages, i.e. “Μακεδονíα”, “Macedoni... In this paper we deal with Twitter and the presence of the keyword “Macedonia” in tweets over a period of time. We searched for the same term in three different languages, i.e. “Μακεδονíα”, “Macedonia” and “Македонска - Македониjа”, since we are primarily interested in views from Greece and FYROM without excluding views from other regions. We use methods from Social Network Analysis (SNA) in order to create networks of users, calculate some main network metrics, measure user importance and investigate the presence of possible fragmentations—communities among them. We furthermore proceed to a form of content analysis, using pairs of words within tweets, in order to obtain main ideas, trends and public views that circulated over the network. 展开更多
关键词 Social network ANALYSIS TWITTER MACEDONIA Μακεδονíα Македонска - Македониjа Content ANALYSIS Public viewS
暂未订购
高精度时频同步网络零值标定方法
9
作者 王明娟 杨峻巍 郭庆峰 《电讯技术》 北大核心 2025年第1期68-73,共6页
针对基于卫星共视的时频网络绝对零值标定方法复杂且成本高的问题,提出了一种利用多通道计数器的高精度且易操作的零值标定方法。首先将主节点全球卫星导航系统(Global Navigation Satellite System,GNSS)时频终端将生成的多路10 MHz频... 针对基于卫星共视的时频网络绝对零值标定方法复杂且成本高的问题,提出了一种利用多通道计数器的高精度且易操作的零值标定方法。首先将主节点全球卫星导航系统(Global Navigation Satellite System,GNSS)时频终端将生成的多路10 MHz频标分别送到从节点GNSS时频终端,实现主从频标共源。主从节点GNSS时频终端接收卫星导航信号,实现站址精确测量,并完成各节点GNSS时频终端与可视卫星钟差测量。从节点GNSS时频终端将钟差测量值送到主节点GNSS时频终端,根据接收到的导航信号信噪比自适应加权获取站间钟差,同时高精度多通道计数器实时接收主从节点输出的秒脉冲(1 Pulse per Second,1PPS)信号,测量各从节点与主节点的1PPS时间间隔。对主节点GNSS时频终端计算的站间钟差及多通道计数器测量的1PPS时间间隔进行约2 h的采集,基于两项数据完成时频网络站间零值标定。实测数据结果表明,所提出的零值标定方法可实现站间高精度时间同步,且同步精度优于6 ns,为基于卫星共视的站间高精度时频同步提供了技术支撑。 展开更多
关键词 卫星共视 时频同步网络 零值标定 时间同步 钟差
在线阅读 下载PDF
基于深度学习的癫痫异常信号检测和分类模型
10
作者 王剑 成婷 +1 位作者 宋政阳 张一丁 《电子测量技术》 北大核心 2025年第17期113-124,共12页
癫痫是一种常见的神经系统疾病,其诊断主要依赖于脑电信号的分析。近年来,基于深度学习的方法在癫痫检测中得到了广泛应用,但这些方法通常依赖于单一的特征提取技术,且大多忽略了EEG信号的空间域特征。为了捕捉EEG信号的空域特征,研究... 癫痫是一种常见的神经系统疾病,其诊断主要依赖于脑电信号的分析。近年来,基于深度学习的方法在癫痫检测中得到了广泛应用,但这些方法通常依赖于单一的特征提取技术,且大多忽略了EEG信号的空间域特征。为了捕捉EEG信号的空域特征,研究人员尝试引入EEG的图表示,并结合图神经网络模型进行建模。然而,现有方法的图表示通常需要每个顶点遍历所有其他顶点来构建图结构,导致较高的时间复杂度,难以满足临床实时诊断的需求。针对上述挑战,首先提出了核心邻域图结构,在此基础上,进一步提出了基于双视图输入的癫痫自动检测和分类框架——DV-SeizureNet。该框架能够同时学习EEG信号的时域、频域和空域特征,实现癫痫异常检测和发作分类。在TUSZ数据集上的实验表明,DV-SeizureNet在癫痫检测任务中达到91.4%的准确率,优于现有最先进方法2.1%。在分类任务中,模型对4种癫痫发作类型的平均分类准确率为82.8%,F1-score为81.2%。DV-SeizureNet通过双视图学习框架,全面提取并融合EEG信号的时空频域特征,在癫痫异常检测和发作分类任务中表现优越,为临床诊断提供了可靠的辅助工具。 展开更多
关键词 癫痫检测 深度学习 EEG信号 双视图学习 图卷积神经网络 多尺度特征融合
原文传递
基于序列和多视角网络的药物-靶标相互作用预测
11
作者 张家豪 王琪 +4 位作者 刘明铭 王晓峰 黄彪 刘盼 叶至 《计算机应用》 北大核心 2025年第11期3658-3665,共8页
识别药物-靶标相互作用(DTI)是药物再利用和创新药物发现中不可或缺的关键步骤,目前已经有许多基于序列的计算方法被广泛应用于DTI预测;然而,在以往的基于序列的研究中,特征提取通常只关注序列本身,忽视了异构信息网络,如药物-药物相互... 识别药物-靶标相互作用(DTI)是药物再利用和创新药物发现中不可或缺的关键步骤,目前已经有许多基于序列的计算方法被广泛应用于DTI预测;然而,在以往的基于序列的研究中,特征提取通常只关注序列本身,忽视了异构信息网络,如药物-药物相互作用网络、药物-靶标相互作用网络等。因此,提出一种基于序列和多视角网络进行DTI预测的新方法 SMN-DTI(prediction of Drug-Target Interactions based on Sequence and Multi-view Networks)。该方法使用变分自编码器(VAE)学习药物SMILES(Simplified Molecular-Input Line-Entry System)字符串和靶标氨基酸序列的嵌入矩阵;随后,利用具有两级注意力机制的异构图注意力网络(HAN)从节点和语义2个视角的网络中聚集来自药物或靶标的不同邻居的信息,并得到最终的嵌入。在2个广泛用于DTI预测的基准数据集Hetero-seq-A和Hetero-seqB上对SMN-DTI和基准方法进行评估的结果表明,在3种不同正负样本比例下SMN-DTI均取得了最优的特征曲线下面积(AUC)和精确召回曲线下面积(AUPR)。可见,SMN-DTI比目前主流的先进预测方法具有更好的性能。 展开更多
关键词 药物-靶标相互作用预测 变分自编码器 异构图注意力网络 多视角网络 注意力机制
在线阅读 下载PDF
基于多视图对比学习的属性网络异常检测
12
作者 常秉成 赵旭俊 +1 位作者 彭成双 练颖 《计算机工程与设计》 北大核心 2025年第5期1410-1417,共8页
现有的属性网络异常检测方法不能高效捕获网络结构和属性信息,没有充分利用网络中上下文信息,无法简单有效地生成多个图结构。针对以上问题,提出一种基于多视图对比学习的属性网络异常检测算法(MVCLAN)。利用基于注意力机制的数据增强... 现有的属性网络异常检测方法不能高效捕获网络结构和属性信息,没有充分利用网络中上下文信息,无法简单有效地生成多个图结构。针对以上问题,提出一种基于多视图对比学习的属性网络异常检测算法(MVCLAN)。利用基于注意力机制的数据增强技术生成多视图,整合不同视角的数据,获得更丰富的特征表示;提出一种基于图卷积神经网络的对比学习模型,利用鉴别器模块作视图内对比,对比实例对中元素间的嵌入表示。利用重构模块作视图间对比,对比节点在不同子图的特征表示,对比子图间的重构差异。充分利用结构信息与周围上下文信息,提高异常检测的准确性。结合鉴别器的相似性分数和节点在多视图间的重构分数进行异常检测。 展开更多
关键词 属性网络 异常检测 图卷积神经网络 多视图生成 对比自监督学习 注意力机制 网络重构
在线阅读 下载PDF
基于CiteSpace的煤与瓦斯突出预测指标文献综述与研究进展
13
作者 刘艺 卢守青 +6 位作者 赵康 郝从猛 秦玉金 撒占友 刘杰 张永亮 张荣 《煤矿安全》 北大核心 2025年第5期30-39,共10页
为了研究煤与瓦斯突出预测指标的发展历程及预测发展方向,以中国知网数据库1982—2024年的煤与瓦斯突出预测指标科学论文为研究对象,利用CiteSpace软件对该领域的发文量、关键词、作者及机构合作等进行了可视化分析,重点分析了我国在该... 为了研究煤与瓦斯突出预测指标的发展历程及预测发展方向,以中国知网数据库1982—2024年的煤与瓦斯突出预测指标科学论文为研究对象,利用CiteSpace软件对该领域的发文量、关键词、作者及机构合作等进行了可视化分析,重点分析了我国在该领域的基础研究情况、研究热点和研究趋势。结果表明:煤与瓦斯突出预测指标领域的相关研究经历了积极探索、理论奠定、快速发展、稳定发展阶段,当前已步入稳定发展阶段;在煤与瓦斯突出预测指标领域,研究热点主要围绕煤与瓦斯突出、敏感指标、临界值、风险评估、实时监测和多因素分析等方面展开;煤与瓦斯突出预测指标的研究涉及领域较广,机构合作非常紧密,但各作者之间合作有待加强;煤与瓦斯突出的预测指标趋势将逐渐转向大数据驱动的预测模型,朝着多元化、智能化和精准化的方向发展。 展开更多
关键词 煤与瓦斯突出预测指标 CITESPACE 关键词视图 可视化分析 网络图谱
在线阅读 下载PDF
基于知识感知与交互的多视图蒸馏推荐算法
14
作者 张悦岚 苏静 +1 位作者 赵航宇 杨白利 《计算机应用》 北大核心 2025年第7期2211-2220,共10页
目前,基于协同过滤的图神经网络(GNN)推荐系统存在严重的数据稀疏和冷启动问题。很多相关算法引入项目的外部知识进行补充性扩展使这些问题得以缓解,然而这些算法忽略了稀疏协同信号和冗余补充内容直接结合所导致的信息利用严重不平衡... 目前,基于协同过滤的图神经网络(GNN)推荐系统存在严重的数据稀疏和冷启动问题。很多相关算法引入项目的外部知识进行补充性扩展使这些问题得以缓解,然而这些算法忽略了稀疏协同信号和冗余补充内容直接结合所导致的信息利用严重不平衡以及不同数据之间的共享传递问题。因此,设计一种基于知识感知与交互的多视图蒸馏推荐算法(MKDRec)。首先,针对协同数据的稀疏性,对交互图采用随机丢弃以增强形成的协同视图,再将该视图下的节点表征进行邻域对比学习;其次,关于知识冗余问题,对知识视图中的每种关系的边进行编码,并基于头尾实体和连接关系重构项目知识视图,使信息得到充分利用;最后,基于项目与实体间的等价关系构建具有远程连接的关联视图。至此,对3个视图以不同卷积聚合方式学习图节点表征来提取多种用户与项目的信息,并得出多个用户与项目的嵌入表示。此外,将两两视图的节点特征向量进行知识蒸馏融合以实现信息的共享和传递。MKDRec在数据集Book-Crossing、MovieLens-1M和Last. FM上的实验结果显示,相较于最好的基线方法结果,MKDRec的曲线下面积(AUC)分别提升了2.13%、1.07%和3.44%,而F1分数分别提升了3.56%、1.14%和4.46%。 展开更多
关键词 推荐算法 图神经网络 多视图融合 知识蒸馏 局部增强
在线阅读 下载PDF
基于单视图6维位姿估计的机器人抓取
15
作者 白素琴 顾健 +3 位作者 吕宗磊 史金龙 於跃成 钱强 《信息与控制》 北大核心 2025年第4期583-594,共12页
现实场景中物体种类多样、摆放位置随机,会导致智能机器人物体识别困难,抓取成功率不高。针对这一问题,提出一种在遮挡、同类多目标、堆叠等复杂情况下机器人抓取的方法。基于通道注意力机制ECA(Efficient Channel Attention)和残差网络... 现实场景中物体种类多样、摆放位置随机,会导致智能机器人物体识别困难,抓取成功率不高。针对这一问题,提出一种在遮挡、同类多目标、堆叠等复杂情况下机器人抓取的方法。基于通道注意力机制ECA(Efficient Channel Attention)和残差网络ResNet(Residual Network),设计了编解码器结构的单视图6维位姿估计网络;利用合成数据集制作方法生成了6维位姿估计和抓取训练数据集;机器人抓取控制模块根据6维位姿估计网络的输出以及手眼标定结果,控制UR5机器人实现智能抓取。在Linemod、YCB-Video以及本文合成数据集上的实验结果表明,所提方法的平均抓取成功率达到95%。 展开更多
关键词 机器人抓取 卷积神经网络 6维位姿估计 单视图
原文传递
基于注意力机制的多视图图神经网络社区问答专家推荐模型
16
作者 吴丽萍 熊玮楠 +1 位作者 苏磊 王瑞 《中文信息学报》 北大核心 2025年第4期105-116,共12页
社区问答专家推荐模型包括目标问题信息提取和专家信息提取两个子任务,现有研究通过计算目标问题与专家信息之间的相关性得分来为目标问题推荐合适的专家回答者。然而,现有研究通常在单一的问题标题视图上展开,往往忽略了问题标签、正... 社区问答专家推荐模型包括目标问题信息提取和专家信息提取两个子任务,现有研究通过计算目标问题与专家信息之间的相关性得分来为目标问题推荐合适的专家回答者。然而,现有研究通常在单一的问题标题视图上展开,往往忽略了问题标签、正文视图所蕴含的互补信息,并且没有从专家信息中学习出对应于目标问题的知识能力。为了充分计算目标问题与专家信息之间的相关性,该文提出了一种基于注意力机制的多视图图神经网络社区问答专家推荐模型,使用多视图图神经网络学习目标问题集和专家问题集的多视图表示,使用注意力机制学习专家对应于目标问题的知识能力。实验结果表明,在两个公开数据集上,该文提出的方法均优于基准方法。 展开更多
关键词 社区问答 专家推荐 多视图图神经网络 注意力机制
在线阅读 下载PDF
投影视图指导的点云形状无监督保细节补全网络
17
作者 缪永伟 高伟豪 +1 位作者 范然 刘复昌 《计算机辅助设计与图形学学报》 北大核心 2025年第4期593-604,共12页
传统点云形状修补中通常需要以完整的点云数据作为先验进行有监督学习,导致点云修复补全网络的泛化性和鲁棒性不理想;而经无监督学习策略生成的点云修复结果容易偏离输入的点云形状本身,导致其难以恢复原始形状的精细细节结构.基于生成... 传统点云形状修补中通常需要以完整的点云数据作为先验进行有监督学习,导致点云修复补全网络的泛化性和鲁棒性不理想;而经无监督学习策略生成的点云修复结果容易偏离输入的点云形状本身,导致其难以恢复原始形状的精细细节结构.基于生成式对抗网络框架,借助待修复形状的三视角投影图像特征信息,提出一种投影视图指导的三维点云形状无监督保细节补全网络.该网络包含点云形状修补分支和点云形状投影图像修复分支.首先网络通过点云形状修复分支对采样的高斯噪声使用树形图卷积结构的点云生成器进行修复生成,以恢复模型的整体形状从而得到粗修复点云,并使用DGCNN提取该粗修复点云的特征;然后网络通过点云形状投影图像修复分支对输入模型进行三视角投影得到缺失点云的投影视图,其用于保留输入模型的细节结构;其次网络使用基于循环一致性的图像生成器对这些投影视图进行修复并使用ResNet-18网络提取这些完整投影视图的特征,同时将得到的投影视图特征和提取的点云特征计算特征距离损失;最后网络将该损失加入判别器中以判断生成点云的真假,同时反馈并优化生成器,使生成器能够学习到输入点云的整体结构和细节信息.针对ShapeNet数据集进行网络训练,并使用KITTI和ModelNet40数据集分别进行实验,结果表明,与已有的无监督补全网络修复结果相比,所提网络的平均CD误差降低11.0%~41.0%,平均F_(1)-Score提升0.8%~14.0%,能够有效地修复点云形状结构并恢复其形状细节,且对不同程度数据缺失或含噪声的点云修复具有鲁棒性,该网络具有较好的泛化性. 展开更多
关键词 点云 形状补全 生成对抗网络 无监督学习 投影视图
在线阅读 下载PDF
多视角特征融合的网络异常流量检测
18
作者 宋昊 傅文涛 +4 位作者 陈烜泽 金程祥 周嘉俊 俞山青 宣琦 《指挥与控制学报》 北大核心 2025年第5期577-588,共12页
传统的异常流量检测方法基于单一视角分析,在处理复杂攻击和加密通信时具有明显的局限性。提出一种多视角特征融合的网络异常流量检测方法,分别基于时序视角和交互视角对网络流量中数据包的时序关系及交互关系建模,学习其时序特征与交... 传统的异常流量检测方法基于单一视角分析,在处理复杂攻击和加密通信时具有明显的局限性。提出一种多视角特征融合的网络异常流量检测方法,分别基于时序视角和交互视角对网络流量中数据包的时序关系及交互关系建模,学习其时序特征与交互特征,并将不同视角下的特征融合进行异常流量的检测。在6个真实的流量数据集上进行的大量实验表明,所提方法在网络异常流量检测方面具有优异的性能,弥补了单一视角下检测的不足。 展开更多
关键词 网络异常流量检测 网络安全 多视角 时序建模 交互建模
在线阅读 下载PDF
融合多视图一致和互补信息的深度3D模型分类
19
作者 吴晗 胡良臣 +2 位作者 杨影 接标 罗永龙 《中国图象图形学报》 北大核心 2025年第3期811-823,共13页
目的基于深度学习的方法在3D模型分类任务中取得了先进的性能,此类方法需要提取三维模型不同数据表示的特征,例如使用深度学习模型提取多视图特征并将其组合成单一而紧凑的形状描述符。然而,这些方法只考虑了多视图之间的一致信息,而忽... 目的基于深度学习的方法在3D模型分类任务中取得了先进的性能,此类方法需要提取三维模型不同数据表示的特征,例如使用深度学习模型提取多视图特征并将其组合成单一而紧凑的形状描述符。然而,这些方法只考虑了多视图之间的一致信息,而忽视了视图与视图之间存在的差异信息。为了解决这一问题,提出了新的特征网络学习3D模型多视图数据表示的一致信息和互补信息,并将其有效融合,以充分利用多视图数据的特征,提高3D模型分类准确率。方法该方法首先在残差网络的残差结构中引入空洞卷积,扩大卷积操作的感受野。随后,对网络结构调整以进行多视图特征提取。然后,通过设计的视图分类网络划分一致信息和互补信息,充分利用每个视图。为了处理这两类不同的信息,引入了一种结合注意力机制的学习融合策略,将两类特征视图融合,从而得到形状级描述符,实现可靠的3D模型分类。结果该模型的有效性在ModelNet数据集的两个子集上得到验证。在基于ModelNet40数据集的所有对比方法中具有最好的性能表现。为了对比不同的特征提取网络,设置单分类任务实现性能验证,本文方法在分类准确度和平均损失方面表现最好。相较于基准方法—多视图卷积神经网络(multi-view convolutional neural network,MVCNN),在不同视图数下本文方法的性能最高提升了3.6%,整体分类准确度提高了5.43%。实验结果表明,相较于现有相关方法,本文方法展现出一定的优越性。结论本文提出的一种多视图信息融合的深度3D模型分类网络,深度融合多视图的一致信息和互补信息,在3D模型分类任务中获得明显的效果。 展开更多
关键词 多视图学习 3D模型分类 一致性与互补性 改进残差网络 视图融合
原文传递
基于场景感知的水下视觉目标跟踪方法 被引量:1
20
作者 胡千伟 王代维 +3 位作者 李人杰 俞晓帆 康彬 苏偌宇 《水下无人系统学报》 2025年第2期212-219,290,共9页
水下视觉目标跟踪是自主水下航行器(AUV)场景理解的核心技术之一。然而,复杂水下环境中的光照不均、背景干扰和目标外观变化等问题,严重影响传统视觉目标跟踪方法的准确性和稳定性。现有方法主要依赖目标的表观建模,难以实现复杂环境下... 水下视觉目标跟踪是自主水下航行器(AUV)场景理解的核心技术之一。然而,复杂水下环境中的光照不均、背景干扰和目标外观变化等问题,严重影响传统视觉目标跟踪方法的准确性和稳定性。现有方法主要依赖目标的表观建模,难以实现复杂环境下可靠跟踪,尤其是在相似目标干扰的情况下,容易导致误识别和目标漂移。文中提出了一种基于场景感知的水下单目标跟踪方法,通过基于区域分割的图卷积模块提取场景内所有目标区域,并结合图卷积网络建模目标区域与周围关键区域的长距离依赖关系,显著提升对相似目标的区分能力。此外,文中引入双视图图对比学习策略,通过生成随机扰动的目标特征视图,实现图卷积模块的无监督在线更新,使得模型能够在复杂环境下保持较强的适应性和稳定性。实验表明,所提方法在跟踪精度和鲁棒性方面显著优于经典方法,尤其在光照变化大、背景复杂和相似目标干扰较强的场景下,成功率和精确度均有明显提升。这表明文中研究有效解决了水下目标跟踪中因光照变化和背景干扰导致的目标漂移问题,能在相似目标存在时保持稳定跟踪,为水下无人系统提供了高效可靠的目标跟踪解决方案。 展开更多
关键词 水下视觉 目标跟踪 场景感知 图卷积网络 双视图图对比学习
在线阅读 下载PDF
上一页 1 2 28 下一页 到第
使用帮助 返回顶部