您的位置： 专家智库 > >

胡太

作品数：4 被引量：36H指数：2
供职机构：南京师范大学计算机科学与技术学院更多>>
发文基金：国家自然科学基金国家级大学生创新创业训练计划江苏省自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 4篇中文期刊文章

领域

  • 4篇自动化与计算...

主题

  • 3篇神经网
  • 3篇神经网络
  • 3篇网络
  • 2篇目标检测
  • 2篇卷积
  • 2篇卷积神经网络
  • 1篇多特征融合
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇数据挖掘
  • 1篇图像
  • 1篇细粒度
  • 1篇向量
  • 1篇向量机
  • 1篇目标检测算法
  • 1篇老年
  • 1篇老年痴呆
  • 1篇老年痴呆症
  • 1篇分散式
  • 1篇RBF神经网...

机构

  • 4篇南京师范大学

作者

  • 4篇胡太
  • 3篇杨明
  • 1篇宋凤义
  • 1篇张会敏

传媒

  • 1篇数据采集与处...
  • 1篇南京大学学报...
  • 1篇南京师范大学...
  • 1篇计算机科学与...

年份

  • 2篇2019
  • 2篇2016
共 4 条 记 录，以下是 1-4
全选 清除 导出
排序方式：
基于SVM的老年痴呆症智能诊断研究被引量：1
2016年
为了验证支持向量机(SVM)更适用于基于血常规数据的老年痴呆症的预测诊断,通过仿真实验,将BP神经网络、RBF神经网络、SVM支持向量机分别应用于老年痴呆症的预测诊断,建立3种算法对应的诊断模型,并对3种模型的预测结果进行分析比较,仿真实验在Matlab软件平台上进行.结果表明,与BP、RBF神经网络方法相比,SVM模型预测准确度高,建模时间短,整体性能好,更适用于基于血常规数据的老年痴呆症预测诊断,实际应用时可以此结论作为理论指导.
张会敏胡太
关键词：支持向量机BP神经网络RBF神经网络数据挖掘
结合目标检测的小目标语义分割算法被引量：4
2019年
卷积神经网络(Convolutional Neural Networks,CNN)可以提供比传统分类算法更强大的分类器并且能够自学习得到深层特征,有效地提高了图像语义分割的准确性.然而,基于CNN的语义分割算法依然存在一些挑战,例如在复杂场景中现有较优的方法较难分割小目标.为了解决复杂场景下小目标分割的难题,提出一种结合目标检测的小目标语义分割算法.与现有较优方法不同的是,该方法没有直接利用单个神经网络模型同时分割单幅图像中的小尺寸和较大尺寸目标,而是将小目标分割任务从完整图像的分割任务中分离.算法首先训练一个目标检测模型以获取小目标图像块,然后设计一个小目标分割网络得到图像块的分割结果,最终根据该结果修正整体图像的分割图.该算法提升了语义分割数据集的总体性能,同时能够有效地解决小目标分割的难题.
胡太杨明
关键词：卷积神经网络目标检测
基于外观的复合属性学习的细粒度识别被引量：1
2016年
由于语义可理解性及共享性,视觉属性作为刻画对象的中间特征表示在众多领域得到了广泛应用。视觉属性学习中,大量的人工成本用于属性定义和标注,因此难以避免地引入了主观偏见,属性表示的类别判别性难以保证,尤其面临对判别性要求较高的细粒度识别任务时更为明显。复合属性符合人类认知规律以及对象复杂多模分布的事实,从刻画对象的分布入手,以较低廉的代价建立兼具一定描述能力及较好判别能力的特征表示,以应对细粒度识别任务对判别特征和判别模型的较高要求。在细粒度识别代表性公开数据集CUB上验证了所提方法的有效性。在细粒度识别任务中,复合属性表现出比人工定义的属性以及类别判别属性更优的性能。
宋凤义胡太杨明
基于多特征融合的显著性目标检测算法被引量：30
2019年
显著性目标检测是获取图像中视觉显著目标的任务,它是计算机视觉及相关研究领域的重要内容。当前在复杂的自然场景下基于深度学习的算法依然存在特征学习不足和检测错误率较高的问题,因此提出一种新颖的基于多特征融合的显著性目标检测算法。以HDHF(hybrid deep and handcrafted feature)模型的预测显著图作为特征,融合全局像素的深度特征。此外,利用显著性提名获取候选目标的位置,并在各候选目标中添加中心先验。在全卷积神经网络中,利用前向传播算法最终预测得到像素级的显著性目标。在四个包含多个显著性目标和复杂背景的图像数据集上进行验证,实验结果表明,该算法有效地提高了复杂场景下显著性目标的检测精度,尤其是在背景复杂的图像上具有较优的检测效果。
张守东杨明胡太
关键词：多特征融合
全选 清除 导出
共1页<1>
聚类工具0