公共文化服务平台

任劼: 作品数：24 被引量：52H指数：3; 供职机构：西安工程大学电子信息学院更多>>; 发文基金：陕西省教育厅科研计划项目国家自然科学基金陕西省自然科学基金更多>>; 相关领域：自动化与计算机技术文化科学电子电信一般工业技术更多>>

合作作者

无线传感器网络拥塞控制机制研究被引量：1: 2009年; 本论文在分析无线传感器网络不同于普通有线网络的特征后,提出了一种适用于无线传感器网络的TCP拥塞控制机制DW-TCP,此机制将TCP拥塞窗口分为拥塞丢包窗口和误码丢包窗口,在链路误码率较高时通过降低发送速率提高数据发送的可靠性,节约无线节点的能源消耗和系统不必要的开销,该机制不但考虑到拥塞丢包对数据发送速率的影响,而且考虑到无线链路中的误码丢包对数据发送速率的影响。; 任劼; 关键词：传感器网络拥塞控制

基于自适应特征融合的小样本细粒度图像分类: 2023年; 现有的小样本学习算法未能充分提取细粒度图像的特征,导致细粒度图像分类准确率较低。为了更好地对基于度量的小样本细粒度图像分类算法中提取的特征进行建模,提出了一种基于自适应特征融合的小样本细粒度图像分类算法。在特征提取网络上设计了一种自适应特征融合嵌入网络,可以同时提取深层的强语义特征和浅层的位置结构特征,并使用自适应算法和注意力机制提取关键特征。在训练特征提取网络上采用单图训练和多图训练方法先后训练,在提取样本特征的同时关注样本之间的联系。为了使得同一类的特征向量在特征空间中的距离更加接近,不同类的特征向量的距离更大,对所提取的特征向量做特征分布转换、正交三角分解和归一化处理。提出的算法与其他9种算法进行实验对比,在多个细粒度数据集上评估了5 way 1 shot的准确率和5 way 5 shot的准确率。在Stanford Dogs数据集上的准确率提升了5.27和2.90个百分点,在Stanford Cars数据集上的准确率提升了3.29和4.23个百分点,在CUB-200数据集上的5 way 1 shot的准确率只比DLG略低0.82个百分点,但是5 way5 shot上提升了1.55个百分点。; 解耀华章为川任劼景军锋

均匀先验分布Bayesian自适应波束形成方法被引量：1: 2020年; 针对UUV舷侧阵存在观测信号波达方向估计结果有误差的情况,提出了基于均匀先验分布的Bayesian自适应波束形成方法(UB)。该方法假设期望信号的到达方向是区间内服从均匀先验分布的一个变量,利用含有均匀先验分布信息的阵列接收数据和Bayesian后验分布来估计期望信号的到达方向,最后计算权矢量。仿真结果表明,该方法对观测信号方向误差具有较好的稳健性,其阵列方向图的主波束不受观测方向误差的影响,始终对准信号的到达方向,其输出信干噪比随着输入信噪比、快拍数的增加而稳定增加,随着观测方向误差的增大而保持稳定的恒定值。; 焦亚萌武岳崔琳郭华任劼; 关键词：无人水下航行器自适应波束形成

基于多边形顶点单应映射的多摄像机前景融合实时运动目标检测被引量：2: 2016年; 采用多摄像机多平面单应前景映射融合的方法可以减小目标遮挡所造成的影响并提高目标检测的准确性和可靠性。采用传统的前景图单应变换是一个图像级的运算,需要将前景图中的全部像素逐一投影到参考视角中。为了消除透视效应产生空洞区域,还需根据分辨率较高的参考视角反映射的方法确定前景投影图。由于计算量较大,处理无法应用到实时目标检测中。该文提出了一种前景轮廓多边形顶点映射的方法,首先对在单摄像机中检测出的前景进行多边形逼近,只对前景多边形的顶点进行单应映射,最后在参考视角中根据映射顶点进行前景重构,提高前景映射的运算速度以满足多摄像机前景融合实时目标检测。实验中,多边形顶点法与传统法、轮廓法、矩形框法进行了比较。实验表明,重构的前景映射图不仅可以有效地逼近图像级单应变换的前景映射图,而且在运动目标大小不同的情况下,多摄像机前景融合目标检测的运算速度可以分别提高约12和69倍。; 任劼许铭赵慧民; 关键词：运动目标检测

基于图网络最优匹配的多目标跟踪算法: 2022年; 为解决多目标跟踪任务中复杂场景下因检测器漏检或频繁遮挡导致特征表达信息不足和数据关联不正确的问题。文章提出了一个双线多目标跟踪方法;使用外观与运动的多特征信息解决特征表达信息不足的问题;而数据匹配采用端到端的图网络(GNN)进行图最优匹配,并结合传统匈牙利算法优化数据关联。实验在MOT数据集上与近年来经典跟踪方法进行了比较,在MOT17数据集上综合性能指标MOTA、IDF1均高于该性能指标排名第二的方法,MOTA提高了3%,IDF1提高了5%;并通过消融实验验证了多特征信息对多目标跟踪性能提高的有效性。; 孙波任劼吴涛; 关键词：机器视觉多目标跟踪卷积神经网络光流

改进深度卷积生成式对抗网络的文本生成图像: 2023年; 针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题,提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码,得到文本的特征向量表示。引入条件增强(CA)模型,通过文本特征向量的均值和协方差矩阵产生附加的条件变量,代替原来的高维文本特征向量。将条件变量与随机噪声结合作为生成器的输入,并在生成器的损失中额外加入KL损失正则化项,避免模型训练过拟合,使模型可以更好的收敛,在判别器中使用谱约束(SN)层,防止其梯度下降太快造成生成器与判别器不平衡训练而发生模式崩溃的问题。实验验证结果表明:所提模型在Oxford-102-flowers和CUB-200数据集上生成的图像质量较alignDRAW、GAN-CLS、GAN-INT-CLS、StackGAN(64×64)、StackGAN-v1(64×64)模型更好且接近于真实样本,初始得分值最低分别提高了10.9%和5.6%,最高分别提高了41.4%和37.5%,FID值最低分别降低了11.4%和8.4%,最高分别降低了43.9%和42.5%,进一步表明了所提模型的有效性。; 李云红朱绵云任劼苏雪平周小计于惠康

基于注意力模型的行人属性识别方法: 2021年; 随着深度学习的研究,卷积神经网络在行人属性识别中展现出了显著的优势。虽然增加网络的深度可以进一步提高属性识别的性能,但是更深的网络会导致模型的复杂性更高以及更长的训练时间和更高的计算成本。注意力机制的引入是提高行人属性分析准确度的另一种方法。因此,提出了一种基于注意力模型的行人属性识别方法。该方法是以Inception-v3网络作为基础网络进行基础信息的特征提取,同时采用注意力模块进行通道和空间的注意力信息提取,在保证网络效率的同时,也简化了网络模型,进一步提高了行人属性分析的有效性。为了验证所提出算法的性能,采用了PETA和PA-100K行人属性数据集,与现有的算法进行了对比,实验结果表明该算法在数据量较大的数据集上具有良好的识别性能。; 胡剑波任劼郑江滨; 关键词：卷积神经网络注意力模型

自适应区域拟合的非均匀图像分割: 2022年; 针对传统水平集方法在分割灰度不均匀图像的过程中存在分割精度低的问题,提出一种自适应区域拟合的非均匀图像分割算法。首先构建自适应的区域拟合能量项来保留更多待分割图像局部区域内的细节信息,实现图像的准确分割;其次引入非凸正则项来平滑曲线并保护图像的边缘;然后添加能量惩罚项对水平集函数进行约束,提高算法的分割效率;最后对合成图像和真实图像进行实验验证。实验结果表明,所提算法的Dice相似系数平均值为88.62%,Jaccard相似系数平均值为79.86%,准确率平均值为92.48%,比Local Binary Fitting(LBF)、Local and Global Intensity Fitting(LGIF)、Local Pre-fitting(LPF)三种模型的总体平均值分别高18.19个百分点、16.10个百分点、13个百分点。; 李云红姚兰任劼罗雪敏马登飞段姣姣; 关键词：图像分割灰度不均匀 LBF模型

基于注意力机制的双度量小样本图像分类算法被引量：2: 2022年; 小样本图像分类旨在利用少数几个标记样本训练出一个具有良好泛化性网络,其中基于度量学习的小样本图像分类方法具有模型简单且高效的优点。针对图像到类度量的深度最近邻网络(deep nearest neighbor neural network, DN4),提出了基于注意力机制的双重度量网络(attention based bi-metric network, ABM-Net)。在主干网络中加入注意力机制以获得更有效的特征表示,并提出将图像到图像度量与图像到类度量结合的双度量模块。实验结果表明,相较于DN4,ABM-Net的性能在数据集CUB-200-2011、Stanford-Dogs和Stanford-Cars的1-shot和5-shot分类任务中均有一定的提升。; 朱新源任劼章为川; 关键词：图像分类卷积神经网络

基于多尺度手动和学习结合的角点检测: 2022年; 为了提取图像特征多方向的灰度强度变化,使检测结果更具鲁棒性,提出了一种基于各向异性高斯方向导数滤波器与学习结合的多尺度角点检测算法。该算法首先通过下采样构建3层图像金字塔,其中每层利用各向异性高斯方向导数滤波器获取每个像素点在8个方向的灰度强度变化;其次与图像进行卷积得到幅度响应;然后再输入卷积神经网络进一步学习;最后通过1×1的卷积输出角点响应。将实验结果与现有的基于深度学习的算法进行比较,提出的算法在重复性、平均精度、定位误差上都取得了较好的结果。; 高永燕任劼李婉婉; 关键词：卷积神经网络角点检测

任劼

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

任劼

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈