罗会兰
- 作品数：106 被引量：620H指数：13
- 供职机构：江西理工大学更多>>
- 发文基金：国家自然科学基金江西省教育厅科学技术研究项目江西省自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学电子电信经济管理更多>>
- 一种基于视觉词汇本集体的不变性识别方法
- 本发明属于模式识别、计算机视觉、图像理解技术领域，具体为一种基于视觉词汇文本集体的不变性识别方法。本发明首先对训练数据采样后，再对兴趣点采样，然后对兴趣点使用不同特征描述方法进行描述，对描述后的矢量进行聚类建立视觉词汇本...
- 危辉罗会兰
- 文献传递
- 基于添加人工数据的高差异性聚类集体生成方法
- 2008年
- 集体差异性被认为是集成学习中的一个关键因素.在聚类集成的研究中,生成聚类集体的方法有许多种,但就专门致力于生成高差异性聚类集体的方法研究较少.基于此,本文提出生成高差异性聚类集体的方法 CEAN和 ICEAN,在算法中通过引入人工数据来增加聚类集体的差异性.用实验比较了 CEAN 和 ICEAN 与文献中出现的常用聚类集体生成方法,实验表明 CEAN 和 ICEAN 确实能增加生成集体的差异性,从而在相似平均集体成员准确度情况下使得聚类集成的效果更好.
- 罗会兰孔繁胜李一啸
- 关键词：聚类集成
- 提高深度模型小目标检测性能的解决方法综述被引量：2
- 2023年
- 小目标检测一直以来都是计算机视觉领域极具价值且有挑战性的任务。现有的大多数检测算法不能很好地解决小目标检测困难的问题。小目标检测技术广泛应用于卫星遥感、智慧交通、国防安全和工业自动化等领域,具有重要的实用价值。针对近年来基于深度学习的小目标检测研究成果,对小目标检测这一研究热点进行了系统全面的分析与总结,综述了利用数据增强、超分辨率检测、特征增强和改进损失函数等提高小目标检测性能的方法,最后总结了小目标检测未来的研究方向。
- 邹志华罗会兰
- 关键词：小目标检测
- 一种结合不同大小视觉词汇本的图像分类方法
- 本发明公开了一种基于视觉词汇本集体的图像分类方法，涉及模式识别、计算机视觉、图像理解技术领域。本发明利用多分辨率信息来量化图像，来自于不同综合层的多种可用线索并行用来分类图像。为了利用不同粒度的信息来分类图像，图像在基于...
- 罗会兰廖列法胡中栋
- 文献传递
- 联合人体姿态估计和多目标跟踪的跨数据集学习
- 2023年
- 近年来,多目标跟踪任务获得了较大的进展,尤其是针对行人的多目标跟踪。通过对行人进行联合姿态估计,能够提升多目标跟踪算法对行人的运动预测,同时为更高阶的任务例如自动驾驶算法提供更多的信息。然而,在当前包含人体姿态估计标签的多目标跟踪数据集中,视频长度较短且目标稀疏,限制了多目标跟踪算法的研究。文中使用具有更多行人的多目标跟踪数据集MOT17和多人姿态估计数据集COCO进行跨数据集学习,基于循环训练策略有效提升了联合人体姿态估计下的多目标跟踪算法的性能。同时极化自注意力下采样和注意力上采样的使用,在提升算法训练速度的同时,增强了算法的人体姿态估计性能。
- 曾泽华罗会兰
- 关键词：多目标跟踪
- 结合连续卷积算子的自适应加权目标跟踪算法被引量：4
- 2019年
- 目的在视觉跟踪领域中,特征的高效表达是鲁棒跟踪的关键,观察到在相关滤波跟踪中,不同卷积层表达了目标的不同方面特征,提出了一种结合连续卷积算子的自适应加权目标跟踪算法。方法针对目标定位不准确的问题,提出连续卷积算子方法,将离散的位置估计转换成连续位置估计,使得位置定位更加准确;利用不同卷积层的特征表达,提高跟踪效果。首先利用深度卷积网络结构提取多层卷积特征,通过计算相关卷积响应大小,决定在下一帧特征融合时各层特征所占的权重,凸显优势特征,然后使用从不同层训练得到的相关滤波器与提取得到的特征进行相关运算,得到最终的响应图,响应图中最大值所在的位置便是目标所在的位置和尺度。结果与目前较流行的3种目标跟踪算法在目标跟踪基准数据库(OTB-2013)中的50组视频序列进行测试,本文算法平均跟踪成功率达到85.4%。结论本文算法在光照变化、尺度变化、背景杂波、目标旋转、遮挡和复杂环境下的跟踪具有较高的鲁棒性。
- 罗会兰石武
- 关键词：目标跟踪自适应加权
- 融合多姿势估计特征的动作识别被引量：5
- 2015年
- 目的为了提高静态图像在遮挡等复杂情况下的动作识别效果和鲁棒性,提出融合多种姿势估计得到的特征信息进行动作识别的方法。方法利用已得到的多个动作模型对任意一幅图像进行姿势估计,得到图像的多组姿势特征信息,每组特征信息包括关键点信息和姿势评分。将训练集中各个动作下所有图像的区分性关键点提取出来,并计算每一幅图像中区分性关键点之间的相对距离,一个动作所有图像的特征信息共同构成该动作的模板信息。测试图像在多个动作模型下进行姿势估计,得到多组姿势特征,从每组姿势特征中提取与对应模板一致的特征信息,将提取的多组姿势特征信息分别与对应的模板进行匹配,并通过姿势评分对匹配值优化,根据最终匹配值进行动作分类。结果在两个数据集上,本文方法与5种比较流行的动作识别方法进行比较,获得了较好的平均准确率,在数据集PASCAL VOC 2011-val上较其他一些最新的经典方法平均准确率至少提高近2%。在数据集Stanford 40 actions上,较其他一些最新的经典方法平均准确率至少提高近6%。结论本文方法融合了多个姿势特征,并且能够获取关键部位的遮挡信息,所以能较好应对遮挡等复杂环境情况,具有较高的平均识别准确率。
- 罗会兰冯宇杰孔繁胜
- 关键词：遮挡
- 基于集成多示例学习的Mean Shift跟踪算法被引量：5
- 2015年
- 为了实现长时间稳定的对特定目标的跟踪,结合匹配型跟踪方法和决策型跟踪方法的优势,同时利用集成学习的思想构建多个强分类器,提出一种基于集成多示例学习的mean shift跟踪算法.首先在上一帧中对示例进行随机采样,构建分类器的集体,通过集成学习合成最终的分类器以确定当前帧中目标的初始位置;然后对初始位置和上一帧目标最终位置的距离与设定的阈值进行判断,决定是否采用mean shift跟踪算法对初始位置进行修订,以确定目标的最终位置.实验结果表明,该算法不但可以应对目标的形变、旋转、遮挡以及光照变化等各种复杂的情况,而且可以做到长时间的跟踪,具有较强的鲁棒性.
- 罗会兰单顺勇孔繁胜
- 关键词：多示例学习目标跟踪
- 一种基于聚类集成技术的混合型数据聚类算法被引量：6
- 2010年
- 提出了一种基于集成技术和谱聚类技术的混合数据聚类算法CBEST。它利用聚类集成技术产生混合数据间的相似性,这种相似性度量没有对数据特征值分布模型做任何的假设。基于此相似性度量得到的待聚类数据的相似性矩阵,应用谱聚类算法得到混合数据聚类结果。大量真实和人工数据上的实验结果验证了CBEST的有效性和它对噪声的鲁棒性。与其它混合数据聚类算法的比较研究也证明了CBEST的优越性能。CBEST还能有效融合先验知识,通过参数的调节来设置不同属性在聚类中的权重。
- 罗会兰危辉
- 关键词：聚类集成
- 跨层多模型特征融合与因果卷积解码的图像描述被引量：3
- 2020年
- 目的图像描述结果的准确合理性体现在模型对信息处理的两个方面,即视觉模块对特征信息提取的丰富程度和语言模块对描述复杂场景句子的处理能力。然而现有图像描述模型仅使用一个编码器对图像进行特征提取,容易造成特征信息丢失,进而无法全面理解输入图像的语义。运用RNN(recurrent neural network)或LSTM(long short-term memory)在对句子建模时容易忽略句子的基本层次结构,且对长序列单词的学习效果不佳。针对上述问题,提出一种跨层多模型特征融合与因果卷积解码的图像描述模型。方法在视觉特征提取模块,对单个模型添加低层到高层的跨层特征融合结构,实现语义特征和细节特征之间的信息互补,训练出多个编码器对图像进行特征提取,在充分描述和表征图像语义方面起到补充作用。在语言模块中使用因果卷积对描述复杂场景的长序列单词进行建模处理,得到一组单词特征。使用attention机制将图像特征和单词特征进行连接匹配,用于学习文本信息与图像不同区域之间的相关性,最终通过预测模块结合Softmax函数得到单词的最终预测概率。结果在MS COCO(Microsoft common objects in context)和Flickr30k两个数据集上使用不同评估方法对模型进行验证,实验结果表明本文提出的模型性能较好。反映生成单词准确率的BLEU(bilingual evaluation understudy)-1指标值高达72.1%,且在其他多个评估指标上优于其他主流对比方法,如B-4指标超过性能优越的Hard-ATT("Hard"attention)方法6.0%,B-1和CIDEr(consensus-based image description evaluation)指标分别超过emb-g(embedding guidance)LSTM方法5.1%和13.3%,与同样使用CNN(convolutional neural network)+CNN策略的Conv Cap(convdntioral captioning)方法相比,在B-1指标上本文模型提升了0.3%。结论本文设计的模型能够有效提取和保存复杂背景图像中的语义信息,且具有处理长序列单词的能力,�
- 罗会兰岳亮亮
- 关键词：图像描述
