何欢
- 作品数：5 被引量：15H指数：2
- 供职机构：燕山大学信息科学与工程学院更多>>
- 发文基金：河北省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术一般工业技术机械工程更多>>
- 基于深度学习利用特征图加权融合的目标检测方法被引量：6
- 2020年
- 为了提高目标检测的准确性,提出了一种基于深度学习利用特征图加权融合实现目标检测的方法。首先,提出将卷积神经网络中的浅层特征图采样后与最深层特征图进行加权融合的思想;其次,根据所提的特征图加权融合思想以及卷积神经网络的具体结构,制定相应的特征图加权融合方案,并由该方案得到新特征图;然后,提出改进的RPN网络,并将新特征图输入到改进的RPN网络得到区域建议;最后,将新特征图和区域建议输入到后续网络层完成目标检测。实验结果表明所提方法取得了更高的目标检测精度以及更好的目标检测效果。
- 张世辉王红蕾陈宇翔刘新焕张健何欢何欢
- 关键词：计量学目标检测视觉测量
- 利用无监督聚类实现深度图像的遮挡边界检测被引量：1
- 2017年
- 提出一种利用无监督聚类思想检测深度图像中遮挡边界的方法.首先根据遮挡边界点与其邻域点的空间及深度信息提出了加权最长线段特征并定义了其计算方法.其次,结合遮挡边界点与其邻域点的特征值分布情况提出了一种非线性归一化方法归一化遮挡相关特征.然后,以像素点为单位将各遮挡相关特征组成联合特征向量输入到无监督聚类分类器中,判断待测像素点是否为遮挡边界点.最后,将遮挡边界点可视化得到深度图像的遮挡边界.实验结果表明,无需标记样本的所提方法对深度图像中目标物体的遮挡检测效果同已有的基于监督学习方法的检测效果相当.
- 张世辉杨青青何欢
- 关键词：深度图像遮挡边界无监督聚类
- 利用视觉目标遮挡和轮廓信息确定下一最佳观测方位被引量：1
- 2015年
- 下一最佳观测方位的确定是视觉领域一个比较困难的问题。该文提出一种基于视觉目标深度图像利用遮挡和轮廓信息确定下一最佳观测方位的方法。该方法首先对当前观测方位下获取的视觉目标深度图像进行遮挡检测。其次根据深度图像遮挡检测结果和视觉目标轮廓构建未知区域,并采用类三角剖分方式对各未知区域进行建模。然后根据建模所得的各小三角形的中点、法向量、面积等信息构造目标函数。最后通过对目标函数的优化求解得到下一最佳观测方位。实验结果表明所提方法可行且有效。
- 张世辉韩德伟何欢
- 关键词：深度图像遮挡
- 融合多特征基于图割实现视频遮挡区域检测被引量：7
- 2015年
- 为了准确检测视频中的遮挡区域,提出一种融合多特征基于图割的视频遮挡区域检测方法。基于光流和亮度信息提出三种新的遮挡相关特征—亮度块匹配特征、最大光流差特征和光流残差特征,并定义了所提特征的计算方法。以像素点为单位将所提特征组成特征向量输入随机森林分类器,获取像素点及邻接像素点对的遮挡相关信息。综合利用所获取的遮挡相关信息,通过构造遮挡检测能量函数将遮挡检测问题转化为优化问题。根据该能量函数构造无向图,并基于图割理论对能量函数进行求解,从而得到最终的遮挡区域检测结果。实验结果表明,同现有表现较好的遮挡检测方法相比,所提方法具有较高的准确性和较好的实时性。
- 张世辉何欢孔令富
- 关键词：机器视觉视频序列光流能量函数图割
- 基于无监督在线学习实现视频遮挡边界检测
- 2015年
- 为了检测视频序列中的遮挡边界,提出一种新颖的基于无监督在线学习的遮挡边界检测方法。该方法提取视频序列中待测帧的遮挡相关特征并计算其对应的时间长度,利用对冲算法思想并结合时间长度及不同遮挡特征求得待测帧中像素点的遮挡相关信息,利用各特征的遮挡相关信息进行投票,完成当前帧图像的遮挡边界检测。利用Online Boosting思想以当前帧的检测结果来估计下一帧的特征投票权重,实现后续帧图像的遮挡边界检测。该方法通过在线学习思想改变不同特征的权重完成遮挡边界检测功能,无需预先获取视频序列的先验知识。实验结果表明,同已有方法相比,该方法具有较高的准确性和较好的通用性。
- 张世辉王瑞宇何欢
- 关键词：机器视觉遮挡边界无监督学习ONLINEBOOSTING
