周小龙
- 作品数：18 被引量：103H指数：7
- 供职机构：浙江工业大学计算机科学与技术学院、软件学院更多>>
- 发文基金：国家自然科学基金浙江省自然科学基金国家重点实验室开放基金更多>>
- 相关领域：自动化与计算机技术电子电信医药卫生建筑科学更多>>
- 融合SFS和主动视觉技术的未知物体重建方法被引量：14
- 2012年
- 针对未知三维物体自动重建问题,提出一种结合明暗恢复形状的被动视觉和主动视觉技术的新颖三维重建方法。首先利用摄像机分别获取初始位置及旋转180°位置下的未知物体图像信息,采用改进的Tsai-SFS算法恢复物体表面粗糙轮廓,从而获取未知物体的最大尺寸信息。然后结合单目线激光主动视觉系统沿Z轴旋转方向和绕X轴翻转方向上的可视空间模型,预测出物体未知区域信息。最终依据下一视点的可见性判据,将规划过程分为物体侧表面重建规划和上表面重建规划。其中将能获取最大可视曲面面积和最佳表面重建精度的位置定义为下一最优视点位置。并经过实体模型的三维重建验证所提方法的可行性及有效性。
- 何炳蔚陈志鹏林东艺周小龙
- 关键词：三维重建从明暗恢复形状
- 线激光三维测量仪中视觉传感器规划方法研究被引量：15
- 2010年
- 未知三维物体模型自动重建是机器视觉领域中经典研究课题之一,目前被广泛应用于工业检测、机器人定位与导航、逆向工程和文物修复等方面。首先确定出单目线激光视觉测量系统的可视区域,由此获得未知模型极限可视表面。通过将两者相结合,提出面向未知三维模型自动重建的新方法。依据初始视点下所获模型表面信息,构造未知空间的极限面模型。然后以极限面来预测未知对象的最大表面延拓信息,结合系统可视区域确定下一视点的可视性判据,给出预测曲面的可视旋转和平移区间,并将可视区间内能获取最大曲面面积的位置定为下一个最优视点的位置。通过对实体模型的自动重构,验证了方法的可行性及有效性。
- 何炳蔚周小龙
- 关键词：机器视觉三维重建视点规划
- 视觉系统中的目标物运动状态分析
- 陈胜勇张笑钦周小龙张剑华李友
- 该项目在国家杰出青年科学基金、香港RGC、中国科技计划-港澳台科技合作专项、国家自然科学基金重点、面上、青年等多个项目的支持下，针对视觉系统场景中的运动对象，快速获取感兴趣区域的二维或三维图像内容，进行视觉感知分析，设计...
- 关键词：
- 关键词：视觉系统
- 基于线激光—单目视觉系统可视空间的未知物体三维重建方法研究
- 随着先进测量设备和新型测量技术的发展，逆向工程技术在航空、航天、造船、汽车和模具等领域中的应用受到越来越多的重视和研究。而在逆向工程技术中，针对未知三维物体的自动测量和重建技术是研究的难点和热点，因此本文提出一种基于单目...
- 周小龙
- 关键词：逆向工程三维重建
- 文献传递
- 基于IAP技术的火电厂除氧器先进控制策略建模与仿真研究
- 周小龙
- 关键词：除氧器模糊PID仿真
- 弱监督学习下的目标检测算法综述被引量：11
- 2019年
- 目标检测是计算机视觉领域的基本问题之一,基于监督学习的目标检测算法是当前目标检测的主流算法。在现有的研究中,高精度的图像标记是强监督学习目标检测能够获得良好性能的前提。然而,实际场景中背景的复杂性以及目标的多样性等因素,使得图像标注任务非常费时费力。随着深度学习的不断发展,如何通过低成本的图像标注获得良好的训练结果成为当前的研究重点。文中主要综述了基于图像级别标签的弱监督目标检测算法,首先介绍了目标检测的发展历程,主要基于强监督学习对目标检测算法进行了阐述并指出其训练数据的局限性;然后从图像分割、多示例学习以及卷积神经网络3个方面对弱监督目标检测方法进行了分析,从显著性学习、多网络协作学习等角度对多示例学习和卷积神经网络进行了详细的描述;最后通过实验对弱监督学习下的多种主流方法进行了横向比较,并且将其与当前主流的强监督目标检测算法进行了比较。实验结果表明:弱监督学习已经取得了很大的进步,卷积神经网络的应用极大地促进了弱监督目标检测算法的发展,逐步替代了传统的多示例学习方法,尤其是采用了联合算法之后在Pascal VOC 2007上的准确率有了显著提高,达到了79.3%。但是由于其性能依然低于强监督学习下的目标检测算法,因此弱监督目标检测依然有很大的发展空间。基于卷积神经网络的联合算法逐渐成为当前基于弱监督学习的目标检测的主流方法。
- 周小龙陈小佳陈胜勇陈胜勇
- 关键词：目标检测图像分割多示例学习卷积神经网络
- 面向未知物体自动测量和重建的视点规划方法被引量：7
- 2010年
- 针对未知三维物体自动测量和重建问题,提出一种基于视觉系统极限可视区域的新颖视点规划方法.首先确定单目线激光视觉测量系统的最佳可视测量区域,结合初始视点下所获模型的边界区域信息构造未知空间的极限可视表面模型,并以此表面作为未知物体的预测曲面模型;然后确定下一视点预测曲线的可视性,将左右规划进程中能获取最大可视曲线长度的位置定义为下一最优视点的参考位置,通过比较左右参考位置下所获可视面积的大小,取大者所在位置作为下一视点的最终位置.最后通过对实体模型重建,验证了文中方法的可行性及有效性.
- 何炳蔚周小龙
- 关键词：三维重建视点规划
- 基于可视空间的未知三维物体自动建模视点规划方法研究被引量：3
- 2009年
- 视点规划在三维物体模型自动测量和重建过程中起很重要的作用。本文通过确定线激光视觉测量系统的可视区域,提出将系统可视区域与模型趋势面相结合的未知模型三维自动重建新方法。依据初始视点下所获模型信息,结合可视区域以及趋势面模型确定出有效视点的空间位置参数,并通过比较这些视点下所获模型的曲面面积,将所获面积最大者的位置定为下一个最优视点的位置。最后,通过实体模型的自动重构,验证方法的可行性及有效性。
- 何炳蔚周小龙
- 关键词：视点规划传感器规划趋势面3D重建
- 基于深度学习的行为识别算法综述被引量：18
- 2020年
- 行为识别是计算机视觉领域的基本问题之一,基于深度学习的行为识别算法是当前行为识别的主流算法。在已有的研究中,传统特征提取方法一般是通过人工观察和设计,手动设计出能够表征视频动作的特征。然而,在手工特征表达的基础上构建复杂分类模型的方法已经不能适应高识别精度和应用性的要求,而深度学习的引入为行为识别带来了新的发展方向。文中主要综述了基于深度学习的行为识别算法,首先介绍了行为识别的研究背景和意义,并分别对行为识别的传统学习方法和深度学习方法进行了介绍;然后对深度学习下的算法模型结构进行分类介绍,包括Two-Stream、3D-ConvNet、融合CNN-LSTM 3种算法模型结构;最后介绍了目前常用的公开验证数据集,并主要针对基于两种数据模态的识别算法进行了横向比较,一种是基于RGB视频的UCF101和HMDB51数据集,一种是基于人体骨架序列视频的NTU RGB+D数据集。实验结果表明:深度学习方法已经取得了很大的进步,卷积神经网络的应用极大地促进了行为识别算法的发展,逐步替代了基于手工提取特征的传统方法,尤其采用了卷积神经网络算法之后在行为数据集上的准确率有了显著提高。对于RGB视频而言,Two-Stream和3DConvNet是算法模型结构的主流,对于骨架序列视频而言,Two-Stream和融合时空图模型是算法模型结构的主流。
- 赫磊邵展鹏张剑华周小龙
- 关键词：卷积神经网络循环神经网络
- 面向未知三维物体自动建模的视点规划方法研究被引量：1
- 2008年
- 提出了1种面向未知三维物体模型的自动测量新方法,重点介绍了视点的规划策略及算法.首先根据线激光视觉测量系统的可视区域,提出1种视点规划策略.并通过比较4个视点的未知区域体积,取区域体积最大者作为下1个最优视点的位置.实验结果表明,提出的算法是可行且有效的.
- 何炳蔚周小龙
- 关键词：视点规划传感器规划3D重建
