谭台哲
- 作品数:63 被引量:316H指数:10
- 供职机构:广东工业大学计算机学院更多>>
- 发文基金:国家自然科学基金广东省自然科学基金南京大学校科研和教改项目更多>>
- 相关领域:自动化与计算机技术电子电信电气工程交通运输工程更多>>
- 基于元学习的图像翻译算法
- 2022年
- 图像翻译是目前计算机视觉领域一个比较重要的方向,其目标旨在学习两个不同图像域之间的映射,同时保留原始图像的特征和语义。当今,无监督学习的图像翻译利用生成对抗网络和比较多的训练数据能够取得不错的性能。但现有的图像翻译模型是采用一种一次性的方式形成,其中忽略了训练过程的学习经验,所生成的模型只能适用于特定的领域,不能适应一个未知的领域。该文在循环一致性生成对抗网络的研究基础之上,尝试从元学习的角度来处理这一类问题。
- 谭台哲傅美
- 关键词:元学习计算机视觉
- 一种根据中文对白生成连贯嘴型动画的方法
- 本发明公开了一种根据中文对白生成连贯嘴型动画的方法,属于计算机程序技术领域,尤其是涉及一种根据中文对白生成连贯的嘴型动画的技动漫设计。包括中文对白分析、关键音素嘴型建模和连贯的嘴型动画在Maya中生成,其特征在于:所述的...
- 战荫伟谭台哲李朱力洪艺琦
- 文献传递
- Hadoop平台下海量图像处理实现被引量:11
- 2017年
- 针对Hadoop不直接支持处理海量小图像文件且不能高效管理这些小文件的问题,为让开发者在不了解Hadoop内部机制的情况下开发处理海量图像的算法,研究并实现Hadoop图像处理框架。制定图像数据在Java开发语言中的表示,使其适用于MapReduce计算模型;设计存储模型高效存储海量小文件及管理小文件;为让开发变得简单和高效,在框架中,向外提供一个适用于各种图像处理算法的编程接口,使图像处理开发人员在不用了解Hadoop内部复杂细节的情况下使用这个框架在海量图像处理中发挥杠杆作用。实验结果表明,该框架能高效处理海量图像,有很强的适用性。
- 谭台哲向云鹏
- 关键词:大数据HADOOP图像处理
- 整体硬质合金圆片刀具的研发及产业化
- 王忠平谭台哲刘富春王忠云黄伟李章序任炳新郭光富汪军蔡家礼董纯洁
- 该项目属于材料科学与技术领域,相关领域包括:装备制造领域和成品工具加工制造领域。该项目针对国产整体硬质合金圆片刀具生产过程中存在的材料配方、毛坯稳定生产和产品精密加工等系统性共性技术难题,以基于离散事件系统监督与可靠分散...
- 关键词:
- 关键词:自动化生产线
- 基于对抗生成网络的单幅图像生成点云方法
- 2021年
- 针对从单幅图像生成点云的任务,提出基于中心损失的对抗生成方法。通过联合图像和点云在同一空间的语义信息,从而产生更保真的三维点云模型。在点云数据集上不同分类上与已有方法所生成的点云模型进行对比表明,提出的方法在倒角距离和推土机距离的度量上有更好的表现。
- 王俊锴谭台哲杨天宇
- 关键词:三维点云
- 一种提取指纹模式区几何框架的新算法
- 2005年
- 提出了一种稳健的提取指纹模式区总体几何形状的有效算法.算法中采用了指纹方向场估计的巧妙处理方法,即使在局部纹线方向发生较大变化的情况下,这种方法也能使跟踪提取的总体几何框架保持基本稳定.在跟踪处理过程中,采用了一种自适应跟踪方法,而且只在被跟踪点处估计纹线的点方向,因而算法的操作时间相对较少.该算法在NJU指纹数据库中的500枚指纹上进行了验证,实验结果表明算法是有效的.
- 谭台哲丁磊刘昌平余永权
- 关键词:指纹自适应跟踪
- 一种基于融合隶属度的指纹分类方法被引量:2
- 2012年
- 为了提高指纹识别的速度和准确率,特别是在指纹数据库规模不断增大的情况下,指纹分类显得尤为重要。提出一种基于融合隶属度的分类方法,将指纹分为五类:斗型、弓型、帐弓型、左旋和右旋型。该方法充分利用指纹纹理信息,并进行分块统计,加权融合隶属度,突显出能区分指纹类别区域,提高了分类的准确率。实验证明该方法有良好的分类性能。
- 谭台哲皮凯俊章红燕
- 关键词:指纹分类K均值
- 自适应步长的决策树ASFDT构建方法
- 本文提出一种基于C4.5新的有效决策构建方法。ID3使用信息熵构建决策树;而C4.5使用信息增益构建决策树,并能够处理缺失值及噪声问题。在构建决策树过程中,二者均选择一属性作为分裂准则,即向前一步方法。本文提出的ASF/...
- 谭台哲梁应毅
- 关键词:自适应步长信息熵信息增益决策树
- 文献传递
- 结合凸包先验与流形排序的显著性检测算法被引量:5
- 2018年
- 已有基于图的流形排序显著性检测方法由于对背景先验假设过于理想,存在前景种子区域选取不准确的问题,从而影响检测效果。为此,提出一种新的显著性检测算法。通过计算图像的颜色增强Harris特征点,形成一个能够包含前景区域的凸包,并对图像进行超像素分割,计算凸包内与凸包外所有超像素的差异度来选取前景种子。使用不同的区域特征描述子构建2个闭环无向图模型,分别将选取到的前景种子作为查询节点,采用经典的流形排序算法计算获得对应的显著图,融合2个显著图并作优化处理得到最终的显著图。在公开的MSRA10K和ECSSD数据集上进行实验,结果表明,该算法在准确率、召回率、F值和M AE值等评价指标方面均优于传统的流形排序检测方法,其检测效果既能准确突出显著性目标,又能有效地抑制背景区域的干扰。
- 姚钊健谭台哲
- 关键词:显著性检测流形排序
- 基于图像级标签及超像素块的弱监督显著性检测被引量:3
- 2020年
- 针对获得训练数据集代价高昂问题,提出了一种用于图像显著性检测的弱监督新方法,在训练网络模型时仅使用图像级标签。方法分为两个阶段,在第一阶段,根据图像级标签训练分类模型,获得前景推断图;在第二阶段,对原图像进行超像素块处理,并与阶段一得到的前景推断图进行融合,从而细化显著对象边界。算法使用了现有的大型训练集和图像级标签,未使用像素级标签,从而减少了注释的工作量。在四个公共基准数据集上的实验结果表明,性能明显优于无监督的模型,与全监督模型相比也具有一定的优越性。
- 谭台哲轩康西曾群生
- 关键词:显著性检测