刘如意
- 作品数:8 被引量:58H指数:4
- 供职机构:西安电子科技大学计算机学院更多>>
- 发文基金:国家自然科学基金陕西省自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域:自动化与计算机技术文化科学交通运输工程更多>>
- 计算机类专业线上教学质量监控体系研究被引量:5
- 2021年
- 针对疫情发生以来全新的教学模式、教学环境、教学理念下的在线教学质量监控问题,分析线上和线下教学的差异,提出"三全四师"的教学质量监控体系,结合西安电子科技大学计算机科学与技术学院的线上教学经验,阐述具体的质量监控方法和实施过程,最后通过问卷调查分析说明教学效果。
- 苗启广陈龙徐悦甡刘如意侯晓慧谢琨张国良
- 关键词:教学质量监控
- 基于不规则三角网的LiDAR数据的边缘检测新算法被引量:4
- 2014年
- 给出了一种三角形形变量的定义,并提出了基于不规则三角网(TIN)的LiDAR数据边缘检测新方法。将点LiDAR数据进行三角剖分,生成不规则三角网,计算TIN中每个三角形的形变量,根据三角形形变量的不同来确定处于地物目标边缘的三角形,对这些边缘三角形进行处理得到边缘点。针对LiDAR数据中可能由于河流等导致的数据空白区域,仅利用三角形形变量无法检测到所有边缘点的问题,提出了顶点到重心距离的平方和作为测度来确定狭长三角形,从而提取到河流等数据空白区域的边缘点。实验结果表明,该算法能够较好地提取LiDAR数据的边缘点,得到LiDAR数据的边缘信息。
- 宣贺君苗启广刘如意郭雪
- 关键词:遥感LIDAR数据不规则三角网
- 面向智慧教育行为分析的图卷积骨架动作识别方法被引量:2
- 2022年
- 智慧教育即教育信息化,是利用现代信息技术的新一代教育模式,智慧行为分析是智慧教育系统的核心组成。在面对复杂的教室应用场景时,针对传统的行为识别分类算法的精确性与时效性都存在严重不足的问题,提出了一种基于分离与注意力机制的图卷积(Depthwise Separable Attention Graph Convolutional Network,DSA-GCN)骨架动作识别算法。首先,为解决传统算法在通道域信息聚合天生不充分的难题,通过逐点卷积进行多维通道映射,将时空图卷积对输入骨骼序列的原始时空信息的保护能力与深度可分离卷积在空间和通道特征学习上的分离能力相结合,以增强模型特征学习与抽象表达性。其次,采用多维度融合的注意力机制,在空间卷积域利用自注意力与通道注意力机制来提升模型的动态敏感性,在时间卷积域利用时间与通道注意力融合法来增强对关键帧的判别力。实验结果表明,在NTU RGB+D和N-UCLA两个大型数据集上,DSA-GCN都获得了优异的性能和效能表现,证明了模型对通道域信息聚合能力的提升。
- 苗启广辛文天刘如意谢琨王泉杨宗凯
- 轨迹异常检测研究综述
- 2024年
- 传感器技术的飞速发展催生大量交通轨迹数据,轨迹异常检测在智慧交通、自动驾驶、视频监控等领域具有重要的应用价值.不同于分类、聚类和预测等轨迹挖掘任务,轨迹异常检测旨在发现小概率、不确定和罕见的轨迹行为.轨迹异常检测中一些常见的挑战与异常值类型、轨迹数据标签、检测准确率以及计算复杂度有关.针对上述问题,全面综述近20年来轨迹异常检测技术的研究现状和最新进展.首先,对轨迹异常检测问题的特点与目前存在的研究挑战进行剖析.然后,基于轨迹标签的可用性、异常检测算法原理、离线或在线算法工作方式等分类标准,对现有轨迹异常检测算法进行对比分析.对于每一类异常检测技术,从算法原理、代表性方法、复杂度分析以及算法优缺点等方面进行详细总结与剖析.接着,讨论开源的轨迹数据集、常用的异常检测评估方法以及异常检测工具.在此基础上,给出轨迹异常检测系统架构,形成从轨迹数据采集到异常检测应用等一系列相对完备的轨迹挖掘流程.最后,总结轨迹异常检测领域关键的开放性问题,并展望未来的研究趋势和解决思路.
- 李超能冯冠文姚航姚航刘如意刘如意苗启广
- 关键词:异常检测数据挖掘
- 一种自动的高分辨率遥感影像道路提取方法被引量:24
- 2017年
- 从高分辨率遥感影像中提取道路有着非常重要的意义,但是受到遥感影像噪声、复杂的自然场景和已有算法的局限性的影响,道路提取有待于进一步研究.近些年来水平集方法被用于提取道路,但是初始水平演化曲线的确定却是一个大的难点.笔者提出一种自动的水平集分割方法,并将其用于道路检测中.首先,将卷积神经网络用于道路的粗分类.然后,利用形状特征和孔洞填充方法得到比较准确的道路区域.在此基础上,利用张量投票来提取道路的交叉口,并将其轮廓作为水平集演化的初始曲线进行水平集分割.最后,结合卷积神经网络分类和水平集分割的优势,得到比较完整的道路区域,并保持了道路的边缘.实验结果表明,该方法能自动地提取准确完整的道路区域.
- 刘如意宋建锋权义宁许鹏飞雪晴杨云苗启广
- 关键词:卷积神经网络张量投票水平集分割信息融合
- 基于SIFT算法的大场景视频拼接算法及优化被引量:15
- 2019年
- 目前大量的由独立视频设备获取的小场景视频信息难以满足大场景下信息处理的要求,而通过多设备人工查阅的方式又存在效率低下、信息冗余和碎片化等问题。文中研究了大场景视频拼接技术,利用SIFT算法的尺度不变特性对关键点进行特征匹配,通过仿射矩阵变形完成对图像的拼接工作。在此过程中,对传统的SIFT拼接算法进行进一步的优化,主要是基于距离的优化算法来完善视频拼接的效果;对SIFT特征点匹配、加权优化算法、关键帧提取的技术等进行并行加速,以提高拼接效率。实验结果表明,提出的优化方法能更好地提取视频中的关键信息,以实现更好的视频拼接效果。在视觉效果上,所提方法得到的拼接结果中不存在传统方法出现的两幅图像的交接线。此外,在MATLAB环境下分别对关键点检测和拼接部分进行了加速优化,优化后的关键点检测效率提高了约20%,拼接部分的效率提高了将近57%。在C++环境下,关键点的检测效率提升了14%,拼接部分的检测效率提升了40%。
- 杨思燕贺国旗刘如意
- 关键词:视频拼接关键帧
- 面向图像匹配的局部特征提取研究进展被引量:3
- 2022年
- 图像匹配作为计算机视觉领域的重要研究方向,广泛应用于图像配准、图像融合、变化检测、视觉导航、3D重建、视觉同时定位与地图构建(SLAM)等领域,精确稳健的局部特征提取是实现其高效处理的前提与关键。以图像匹配研究为导向,从传统特征设计到现代特征学习对局部特征提取方法进行了分类总结,首先,为增强对现代局部特征提取方法的理解,重点介绍了基于传统特征设计的相关方法,接着回顾了基于经典机器学习的方法,搭建起传统方法到深度学习方法的桥梁,最后详细讨论了基于深度学习的现代特征提取方法。针对跨传感器、多视角、不同时段环境下的图像匹配需求,全面分析了各阶段主流方法的优缺点,提出了目前存在的问题与挑战,并给出了相应的研究建议,为相关研究人员全面深入理解图像局部特征提取方法并利用深度学习方法对其进行改进提供基础性参考。
- 刘向增徐雪灵刘如意宋建锋苗启广
- 关键词:图像匹配