唐颖军
- 作品数：13 被引量：32H指数：3
- 供职机构：江西财经大学更多>>
- 发文基金：国家自然科学基金江西省教育厅资助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医药卫生更多>>
- 会计从业资格网络管理系统的设计
- 2006年
- 本文根据当前《会计从业资格管理系统》的不足,提出了网络实现方法。系统通过采用C/S网络模式将本地数据以增量传送方法发送给上级部门,保证了数据备份的同时,又实现了上级部门能够及时审核办证人员的发证资格功能。
- 唐颖军
- 关键词：增量备份C/S模式服务器客户端
- 基于多尺度注意力稀疏级联的多模态图像融合方法与系统
- 本发明提出一种基于多尺度注意力稀疏级联的多模态图像融合方法与系统，该方法包括：将红外图像和可见光图像输入特征编码器，得到浅层编码特征图；将浅层编码特征图嵌入三尺度块，得到深层编码特征图；将深层编码特征图输入并依次通过空间...
- 张迎梅鲍王涛唐颖军
- 基于语义主题模型的图像场景分类研究
- 图像场景分类(SceneClassification)是根据给定的一组语义类别对图像数据库进行自动标注，它为指导目标识别等更高层次的图像理解提供了有效的上下文语义信息。本文从认知心理学的角度出发，以“视觉词包建模-语义主...
- 唐颖军
- 关键词：主题模型期望最大化
- 文献传递
- HIFU远程医疗中图像控制子系统的设计与实现被引量：3
- 2006年
- 图像控制子系统是HIFU远程系统运作的核心,本文对该系统进行了描述,对其中的关键技术进行了讨论,并给出了设计方案和实验数据。
- 唐颖军
- 关键词：C/S模式多线程HIFU
- 基于LDA图像场景分类方法的增量学习研究被引量：3
- 2013年
- 现有场景分类方法只能识别原训练学习的图像类,对于新增图像类的识别任务,需要将其与原训练类合并后重新训练模型.在LDA(Latent Dirichlet Allocation)的基础上提出一种改进方法来训练生成模型,用于实现自然图像场景分类.根据狄雷克里参数的伪计数作用,改进了LDA模型学习方法.以训练图像的通用主题先验参数作为各类场景主题分布预设先验参数,推导各类场景的类主题构成变化,同时改善了EM参数推导过程中的慢收敛问题,实现了模型增量学习,有效地提高了模型的泛化能力.通过模型计算复杂度比较和增量学习实验对本文方法进行了验证,实验证明本文方法能以较低的时间复杂度取得较高的分类平均正确率.
- 唐颖军
- 关键词：主题
- HIFU远程医疗系统中B超图像的远程传送被引量：2
- 2006年
- 分析了HIFU远程医疗系统中的图像传送问题,提出了一种B超图像梯形剪切的方法,采用客户端/服务器的网络模式,通过Winsock编程来灵活控制和判断当前数据发送和接收的状态,从而保证了图像远程传送的不间断。采用多线程、多缓存的方式,提高了系统资源利用率,进而加快图像传送速度,降低模块间的耦合度,满足了远程诊断图像传送速度和图像质量的需求。
- 唐颖军
- 关键词：远程医疗C/S
- HIFU远程医疗应用中图像控制子系统的设计与实现
- 本论文根据B超图像特点，提出了一种梯形剪切方法来减少数据量，进而加快后续的图像处理和传送速度。为加强B超图像效果，采用了分层搜索序贯检测算法来进行B超图像与CT图像的配准。
本论文采用客户端/服务器的网络模式，通过...
- 唐颖军
- 关键词：远程医疗套接字HIFUTCP协议
- 文献传递
- 一种基于类主题空间的图像场景分类方法被引量：14
- 2010年
- 本文在扩展LDA(latent dirichlet allocation)的基础上提出了一种新的生成模型——基于类主题空间的潜在狄里克雷分布(CTS-LDA)用来实现自然图像场景分类。该方法不同于以往方法,它在训练时通过将图像场景类别信息引入模型推导过程中,产生各场景类的独立语义主题空间,使得每个场景类都有各自不同的主题空间,图像的最终语义表示采用与其类别相关的类主题集,是一种符合人类认知习惯的方法。以前所用的场景分类方法通常在得到图像主题表示后还需要依赖于其他分类器来完成场景分类,而CTS-LDA模型可以在分别计算图像在各类模型中的主题分布时,用最大似然法得出图像的类别信息。此外本文通过分析不同主题数对本模型性能的影响,得出了适用于本模型的最佳主题数。本文分别通过13,15等多类场景任务来检验模型的性能,实验证明该模型能够在不需要太多训练的情况下取得较好的性能。
- 唐颖军须德解文杰薄一航
- 关键词：概率潜在语义分析
- 基于二次推导狄里克雷分布的图像场景分类模型被引量：2
- 2015年
- 在扩展LDA(Latent Dirichlet Allocation)的基础上提出一种新的生成模型(Double Inference Latent Dirichlet Allocation,DI-LDA)用于实现自然图像场景分类.该方法不同于经典的LDA中的变分贝叶斯推导方法,而是通过二次推导来分别学习各场景类中固有主题分布及其变化下内容下的变化主题分布的先验参数,使各场景类主题分布在基于全部场景主题的前提下保留其自身的特殊性,这一方法符合人类的认知习惯的方法.本文所提出的模型可在得出图像的主题分布的同时自动获得图像的类别信息.此外,本文通过分析EM(Expectation Maximum)迭代次数,对本模型计算复杂度进行了论证,采用经典的13类场景数据库来与其它基于LDA方法的模型进行分类性能比较,实验证明本模型可以较低的时间复杂度取得较高的分类平均正确率.
- 唐颖军
- 关键词：主题
- 图像高维数据的K-means自适应聚类算法被引量：6
- 2016年
- 在图像信息处理中视觉词典生成过程需要对高维数据进行聚类操作.但这些高维数据不可避免会对计算机内存和计算能力提出更高要求.本文针对聚类过程中可能产生的内存耗尽以及初始聚类质心设置问题,对现有K-means算法加以改进.通过建立初始聚类质心与各类场景中的特定语义的关联,使之体现图像各类场景的类别特征集合,进而用于指导K-means过程中的初始质心设置.此外,在迭代过程中通过批次读入特征描述子,采用K近邻进行簇分配,从而避免了一次性读入全部特征描述子而造成的内存耗尽问题.同时,对于新的簇质心生成采用综合判别均值与中位值的办法来提高各族的聚合度.本文方法与Oxford University提出的K-means进行了对比,实验结果表明本文算法在性能与收敛上更具优势.
- 唐颖军黄淑英杨勇戴利云李贤虹
- 关键词：K均值聚类K近邻
