曾春艳
- 作品数：130 被引量：147H指数：7
- 供职机构：湖北工业大学更多>>
- 发文基金：国家自然科学基金湖北省自然科学基金国家留学基金更多>>
- 相关领域：自动化与计算机技术电子电信文化科学电气工程更多>>
- 基于特征跟踪和网格路径运动的视频稳像算法被引量：8
- 2020年
- 针对手持移动设备拍摄的抖动视频问题,提出了一种基于特征跟踪和网格路径运动的视频稳像算法。通过SIFT算法提取视频帧的特征点,采用KLT算法追踪特征点,利用RANSAC算法估计相邻帧间的仿射变换矩阵,将视频帧划分为均匀的网格,计算视频的运动轨迹,再通过极小化能量函数优化平滑多条网格路径。最后由原相机路径与平滑相机路径的关系,计算相邻帧间的补偿矩阵,利用补偿矩阵对每一帧进行几何变换,从而得到稳定的视频。实验表明,该算法在手持移动设备拍摄的抖动视频中有较好的结果,其中稳像后视频的PSNR平均值相比原抖动视频PSNR值大约提升了11.2 dB。与捆绑相机路径方法相比约提升了2.3 dB。图像间的结构相似性SSIM平均值大约提升了59%,与捆绑相机路径方法相比约提升了3.3%。
- 熊炜王传胜管来福童磊刘敏刘敏
- 关键词：视频稳像RANSAC算法PSNRSSIM
- 数字图像重压缩检测研究综述被引量：4
- 2018年
- 随着数字图像处理技术的广泛应用,数字图像处理软件在给人们的工作和生活带来便利的同时,由恶意篡改图像所引发的一系列社会问题也亟待解决,因此能够对图像的真实性和完整性进行判断的数字图像取证技术显得尤其重要。篡改图像必然会经过重压缩这一步骤,因此数字图像重压缩检测能够为数字图像取证提供强有力的辅助依据。文中对数字图像重压缩检测研究进行了系统的梳理,提出了数字图像重压缩检测的技术框架,详细阐述了无损图像压缩历史检测、有损压缩图像双重压缩检测、有损压缩图像多重压缩检测以及其他格式的重压缩检测的取证算法和思路,对现有算法进行了性能分析和评价。然后,总结了图像重压缩检测的应用。最后,分析了数字图像重压缩检测目前存在的问题,并对未来的发展方向进行了展望。
- 王志锋朱琳曾春艳闵秋莎夏丹
- 关键词：图像篡改图像取证
- 一种基于公理解释的类激活映射方法及装置
- 本发明涉及一种基于公理解释的类激活映射方法及装置。首先将电气设备图像输入至已训练好的CNN模型，并提取模型中目标卷积层的特征图，同时获取目标类别分数，利用反向传播计算特征图相对于分数的梯度并对其优化处理，将优化后的梯度进...
- 曾春艳严康王志锋万相奎冯世雄余琰夏诗言赵宇豪
- 一种基于多通道残差网络的图像压缩感知重建方法
- 本发明涉及图像处理领域，主要涉及一种基于多通道残差网络的图像压缩感知重建方法。本发明首先利用全卷积网络对输入数据进行测量，随后使用反卷积网络对测量信号进行初始重建，最后利用空洞卷积组成的多通道网络完成图像的深度重建。本发...
- 曾春艳王正辉武明虎王娟严康
- 文献传递
- 一种基于残差神经网络的道路提取方法
- 本发明公开了一种基于残差神经网络的道路提取方法，基于残差神经网络，采用了编码器‑解码器的网络结构，同时结合了空洞卷积模块(Dilated Convolutional Module,DCM)，提取更高维的特征信息；还采用多...
- 熊炜管来福李敏李利荣王娟曾春艳刘敏
- 文献传递
- 一种基于预测和残差细化网络的道路提取方法
- 本发明公开了一种基于预测和残差细化网络的道路提取方法，针对道路目标的不同特征，设计了预测网络和残差细化网络组合的航拍图像道路提取算法。预测网络采用Encoder‑Decoder结构；其次，预测网络结合了空洞卷积模块DCM...
- 熊炜管来福李敏王娟李利荣曾春艳刘敏
- 一种基于深度强化学习的异构蜂窝网络联合优化方法
- 本发明属于无线通信技术领域，具体涉及一种基于深度强化学习的异构蜂窝网络联合优化方法。针对下行链路异构蜂窝网络中的用户关联，资源分配和功率控制的联合优化问题，在考虑到联合优化问题的非凸性和组合特性的前提下，在建立异构蜂窝网...
- 赵楠贺潇范孟林田超樊鹏飞裴一扬武明虎熊炜刘聪曾春艳
- 文献传递
- 基于电网频率空间和时序特征融合的数字音频篡改被动检测方法及装置
- 本发明涉及一种基于电网频率空间和时序特征融合的数字音频篡改被动检测方法及装置，首先对待检测音频数据进行处理得到电网频率(ENF)成分的ENF相位<Image file="DDA0003617158200000011.GI...
- 曾春艳杨尧王志锋武明虎冯世雄孔帅余琰夏诗言李坤
- 一种基于动态时空超图卷积网络的流量预测方法和系统
- 本发明属于无线通信技术领域，具体涉及一种基于动态时空超图卷积网络的流量预测方法和系统。首先建立门控时间卷积网络模型和高阶时间差分卷积网络模型的时间模块来模拟动态异构网络中移动流量更复杂的时间关系；建立空间渐进卷积网络模型...
- 赵楠孙奕灵陈楷桥朱华霖宋海娜曾春艳余长亮
- 深度学习模型可解释性研究综述被引量：29
- 2021年
- 深度学习技术以数据驱动学习的特点,在自然语言处理、图像处理、语音识别等领域取得了巨大成就。但由于深度学习模型网络过深、参数多、复杂度高等特性,该模型做出的决策及中间过程让人类难以理解,因此探究深度学习的可解释性成为当前人工智能领域研究的新课题。以深度学习模型可解释性为研究对象,对其研究进展进行总结阐述。从自解释模型、特定模型解释、不可知模型解释、因果可解释性四个方面对主要可解释性方法进行总结分析。列举出可解释性相关技术的应用,讨论当前可解释性研究存在的问题并进行展望,以推动深度学习可解释性研究框架的进一步发展。
- 曾春艳严康王志锋余琰纪纯妹
- 关键词：可解释性人工智能
