赵艳霜
- 作品数:4 被引量:3H指数:1
- 供职机构:燕山大学信息科学与工程学院更多>>
- 发文基金:河北省自然科学基金国家自然科学基金中国博士后科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 多观测样本联合信息加权稀疏表示分类算法被引量:3
- 2014年
- 多观测样本分类问题中,同一对象的多观测样本均看作一个整体进行识别,其同等看待各个观测样本。考虑到其每个观测样本包含判别信息量不同,针对如何有效利用其可信度问题,提出基于观测样本联合加权稀疏表示多观测样本分类算法。首先将多观测样本分解成单样本,分别对各个样本进行稀疏求解得到其各自的稀疏度和残差,进而联合二者确定其相应可信度。然后给各观测样本进行可信度加权,重构出加权多观测样本。最后,再采用整体稀疏表示对其进行分类。在ETH-80物体数据库、CMU-PIE人脸数据库和BANCA数据库上进行大量对比实验,实验结果证明该算法的有效性,提高识别精度的同时使算法的鲁棒性得到保证。
- 胡正平赵艳霜赵淑欢
- 时空多尺度关联特征融合的二维卷积网络细粒度动作识别模型
- 2024年
- 针对传统二维(2D)卷积网络提取时空特征尺度单一以及对细粒度动作数据集中帧与帧之间的远程时间关联信息利用不足的问题,本文提出时空多尺度关联特征融合的2D卷积网络细粒度动作识别模型。首先,为建模视频多尺度空间关联以加强对细粒度视频数据的空间表征能力,模型使用多尺度“特征压缩、特征激发”方式,使网络所提取空间特征更加丰富有效。然后,为充分利用细粒度视频数据时间维度上的运动信息,本文引入时间窗口自注意力机制,利用自注意力机制强大的远程依赖建模能力同时只在时间维度上进行自注意力操作,以较低计算成本建模远程时间依赖关系。最后,考虑到所提取时空特征对不同类型动作分类的贡献不均等,本文引入自适应特征融合模块,为特征动态赋予不同权重实现自适应特征融合。模型在2个细粒度动作识别数据集Diving48和Something-somethingV1上识别准确率分别达到86.0%和46.9%,分别使原始主干网络识别准确率提升3.8%和1.3%。实验结果表明,在只使用视频帧信息作为输入的情况下,本模型达到与现有基于Transformer和三维卷积神经网络(3D CNN)算法相当的识别准确率。
- 胡正平王昕宇董佳伟赵艳霜刘洋
- 非一致相似测度的图表示多观测样本分类算法被引量:1
- 2012年
- 多观测样本分类问题中,样本表示成流形上的点,针对如何利用多观测样本的流形结构提高其分类性能的问题,提出非一致相似测度的Graph表示多观测样本分类算法。首先综合数据的全局与局部结构特性,构造一个非一致相似测度,非一致相似测度主要考虑类内和类间差别,能有效地体现数据实际聚类的分布特性;其次构造非一致相似测度Graph,进而得到样本之间的相似度矩阵,然后通过一个格拉斯曼联合核把最佳投影的计算转化成寻找瑞利熵的最大特征向量问题,进而得到投影矩阵。最后将本征流形上的点投影到另一个流形上,使用最近邻分类器完成分类。在ETH-80物体识别数据库、CMU-PIE人脸数据库和BANCA数据库上进行对比实验,实验结果表明该方法优于传统方法。
- 胡正平赵艳霜荆楠
- 关键词:模式识别图表示格拉斯曼流形最近邻分类器
- 基于多观测样本空间图分布的模式分类技术研究
- 传统模式识别主要针对单观测样本进行分类,即每次分类任务中的测试模式只考虑一个图像数据。然而,随着人工智能技术的突飞猛进,数据采集工作变得日益容易,进而易于获得属某特定模式的多个图像的相关数据,即多观测样本。多观测样本相对...
- 赵艳霜
- 关键词:图表示