全局关系注意力引导场景约束的高分辨率遥感影像目标检测

高分辨率遥感影像中地物目标往往与所处场景类别息息相关,如能充分利用场景对地物目标的约束信息,有望进一步提升目标检测性能。考虑到场景信息和地物目标之间的关联关系,提出全局关系注意力(RGA)引导场景约束的高分辨率遥感影像目标检测方法。首先在多尺度特征融合检测器的基础网络之后,加入全局关系注意力学习全局场景特征;然后以学到的全局场景特征作为约束,结合方向响应卷积模块和多尺度特征模块进行目标预测;最后利用两个损失函数联合优化网络实现目标检测。在NWPU VHR-10数据集上进行了4组实验,在场景信息约束的条件下取得了更好的目标检测性能。     

基于DSP平台的H.264编码与网络传输的实时实现

针对H.264编码器计算复杂度高的问题,结合TMS320DM642芯片的具体特点,从算法、数据传输、内存和Cache的使用以及线性汇编等几个方面提出了优化实现方案,最终在DSP平台上实时实现了H.264基本档次编码器.实验结果表明,对于CIF格式的视频序列,优化后的H.264编码器可以达到24帧/s以上的编码速度,可以满足实时编码要求.基于优化后的H.264编码器,在实时操作系统DSP/BIOS上实现了视频数据的实时采集、编码以及网络传输等功能,证明了提出的优化方案具有实用价值.     

中医舌象分割技术研究进展:方法、性能与展望

中医舌诊的客观化、定量化研究是中医现代化发展中的重要课题.数字化采集到的舌图像包括舌体及部分面部区域,为了便于后续舌象自动分析,需要首先将舌体部分从图像中分割出来,分割效果将直接影响后续舌象特征分析的准确性.基于传统方法的舌象分割技术虽然取得了很大进展,但其性能仅能达到半自动分割,对较难分割的图像往往需要借助人机交互来...     

基于深度卷积神经网络特征层融合的小尺度行人检测

针对目前行人检测算法计算量过大和对小尺度行人检测精度不高的问题,提出了一种基于深度卷积神经网络特征层融合的小尺度行人检测方法,设计了一种包含9个卷积层的深度神经网络架构.在进行行人检测时,首先,对输入图像进行分块预处理操作,避免损失原始图像的视觉信息;然后,将网络不同层的卷积特征进行融合,提升行人特征的区分能力和表达能力,进而提升行人检测的精度,在保证检测精度的同时有效降低网络的复杂度.在INRIA、Caltech等公共行人数据集上的实验结果表明,所提出的行人检测方法能够有效检测小尺度的行人,且网络架构的参数量更少,检测速度更快,能得到更高精度的行人检测结果.     

基于Android的校园资讯及交互系统设计

本文设计了基于Android操作系统开发的校园资讯及交互平台。该设计将学生平日所需的数据信息整合在一起,通过手机终端软件获取所需的数据,并在手机终端应用SQLite数据库管理与处理数据,将用户所需的数据通过软件界面呈现给用户。交互内容包含两大模块,分别为学习模块和生活模块,通过数据集成管理,提高数据获取效率。本设计旨在为师生提供一个方便、高效的校园数据获取平台,这将减少获取数据的途中耗费的时间和精力,提高师生的办事效率。     

有噪声标注情况下的中医舌色分类方法

舌色是中医(TCM)望诊最关注的诊察特征之一,自动准确的舌色分类是舌诊客观化研究的重要内容.由于不同类别舌色之间的视觉界限存在模糊性以及医生标注者的主观性等,标注的舌象数据中常含有噪声,影响舌色分类模型的训练.为此,该文提出一种有噪声标注情况下的中医舌色分类方法:首先,提出一种两阶段的数据清洗方法,对含有噪声的标注样本...     

视频流技术及其应用

视频流是在因特网上进行视频信息传送的主流方式，从视频流的原理，传输框架出发，系统讨论了视频流的关键技术，并讨论了视频流的应用领域和前景。     

立体视频误码恢复技术综述

随着立体视频技术的发展,大量视频数据的传输面临着巨大的挑战。当经过错误信道传输时,视频数据常常面临出错或丢失的现象,因而,有效的误码恢复技术变得极为重要。首先介绍了一些常见的立体视频编码结构及其对应的误码现象,并针对目前已有的立体视频误码恢复技术的编码结构,对相应的误码恢复方法进行了研究和分析。最后,指出了进一步发展的前景。     

基于数据挖掘的视频镜头分类方法

提出了一种基于数据挖掘的视频镜头风格自动分类方法.该方法首先进行镜头边界检测和关键帧提取,然后基于关键帧和镜头分别提取了视频的颜色和运动等特征,并利用决策树技术在大量的训练数据中挖掘这些特征与镜头类别之间的潜在规律,最后利用这些规律对新的视频镜头进行分类.实验结果表明,与基于SVM的方法相比,本文方法不仅能获得较好的检测准确率,而且获取的规则易于理解.     

基于时空代表帧序列的视频近拷贝检测方法

为了解决空域特征与时域特征只能片面地表征视频内容的问题,提出了一种基于时空代表帧序列的视频近拷贝检测方法.首先,根据帧间颜色卡方差与灰度OM(ordinal measurement)差别进行场景分割;其次,对分割后的视频进行降帧率操作,对于每个分割后的场景,进行分段合成,并根据加权的灰度互信息量进行筛选,得到每个场景的时空代表帧(representative image),并对视频代表帧提取灰度的OM、均值、标准差、对比度以及颜色分布描述子和边缘OM序列等特征;最后,对视频的特征进行对比,根据特征的相似程度来判断检测视频是否为近拷贝视频.实验结果表明,该方法具有较好的鲁棒性和检测能力.