修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

287 条数据
?? 中文（中国） ▾

  • [IEEE 2018年国际神经网络联合会议(IJCNN) - 里约热内卢(2018.7.8-2018.7.13)] 2018年国际神经网络联合会议(IJCNN) - 基于卷积神经网络的二维X射线透视下导丝尖端自动分割

    摘要： 经皮冠状动脉介入治疗中导丝尖端检测至关重要。它辅助医生进行导航操作，也是手术技能评估、机器人辅助手术等临床应用的前提条件。然而，由于二维X光图像背景噪声干扰及尖端细长可变形的结构特性，实现精准检测并非易事。本文提出一种基于级联卷积神经网络的自动分割方法，其核心创新在于采用级联式检测-分割结构来应对背景噪声和尖端大形变问题，从而实现鲁棒的高精度分割。另一方面，卷积神经网络模型需要充足的标注训练样本，而像素级标注工作繁琐耗时。为此，本研究引入新型数据增强算法，在提升模型泛化性能的同时降低数据标注成本。评估实验采用包含22组不同二维X光序列的数据集（15组用于训练，7组用于测试），在测试集上该方法获得尖端定位精度0.532像素、F1分数0.939、误跟踪率0.800%及漏跟踪率9.900%的指标，运行速度达每秒4-5帧。

    关键词： 导丝尖端检测、二维X射线透视、卷积神经网络、数据增强、分割

    更新于2025-09-04 15:30:14

  • [IEEE 2018 - 3DTV会议：真实视界——3D视频的采集、传输与显示（3DTV-CON） - 赫尔辛基（2018年6月3日-2018年6月5日）] 2018 - 3DTV会议：真实视界——3D视频的采集、传输与显示（3DTV-CON） - 基于卷积神经网络的立体视频信道失配检测算法

    摘要： 通道失配（由左右视图互换导致）是一种可能引发观众严重不适的3D视频伪影。本研究提出了一种高精度的新型通道失配检测方法。除我们先前工作中描述的特征外，还引入了基于卷积神经网络的新特征——该特征能根据立体视图及对应视差图预测通道失配概率。最终通过训练有素的逻辑回归模型对上述特征进行综合预测。我们在900组立体视频场景上测试该模型，其性能超越了此前用于全片长立体电影分析的现有通道失配检测方法。

    关键词： 机器学习、信道失配、质量评估、卷积神经网络、立体视频

    更新于2025-09-04 15:30:14

  • [IEEE 2018国际三维视觉会议(3DV) - 维罗纳(2018.9.5-2018.9.8)] 2018年国际三维视觉会议(3DV) - DeepHPS：通过合成深度数据学习实现三维手部姿态与形状的端到端估计

    摘要： 基于视觉的应用（如增强现实和动画）中，手部关节姿态与形状估计是一个重要问题。与现有仅优化关节位置的方法不同，我们提出了一种全监督深度网络，能从单张深度图像联合估计完整的三维手部网格表示与姿态。为此，采用CNN架构来估计参数化表征（即手部姿态、骨骼比例及复杂形状参数）。随后，嵌入深度框架的新型手部姿态与形状层可生成三维关节位置和手部网格。现有基于学习的方法因缺乏包含多样手部形状的充足训练数据而影响泛化性能，且人工标注真实数据并非最优方案。因此，我们发布了SynHand5M数据集：包含百万量级具有精确关节标注、分割掩模及深度图网格文件的合成数据。在基于模型（混合）的学习方法中，我们在本数据集及NYU、ICVL两个公开基准测试上均取得更优结果。通过采用真实与合成数据的联合训练策略，我们能在3.7毫秒内从真实图像重建三维手部网格与姿态。

    关键词： 3D手部姿态估计、手部网格重建、合成数据集、深度学习、卷积神经网络

    更新于2025-09-04 15:30:14

  • [IEEE 2018国际三维视觉会议(3DV) - 维罗纳 (2018.9.5-2018.9.8)] 2018年国际三维视觉会议(3DV) - 学习面向材料感知的三维形状局部描述符

    摘要： 材料理解对于功能物体的设计、几何建模及分析至关重要。我们通过采用投影卷积神经网络架构，从三维点云的视图表征中学习材料感知描述符，从而实现基于点的材料分类或材料感知检索的三维形状材料感知分析。然而三维模型库中仅少量模型标注了物理材料属性，这给学习方法带来了挑战。为此，我们众包采集了包含3080个带部件级材料标签的三维形状数据集，重点选取了结构与材料变化丰富的家具模型。此外，我们还贡献了来自Herman-Miller和IKEA的115个专家标注高质量基准模型用于评估。进一步地，我们应用融合旋转与镜像对称性的网格感知条件随机场，对相邻表面区域的局部材料预测进行平滑处理。实验表明，所学习的描述符在自动纹理生成、材料感知检索及物理仿真中均展现出显著效果。

    关键词： 材质感知检索、材质感知描述符、三维形状、卷积神经网络、材质分类

    更新于2025-09-04 15:30:14

  • [IEEE 2018第三届技术融合国际会议(I2CT) - 浦那(2018.4.6-2018.4.8)] 2018第三届技术融合国际会议(I2CT) - 面向边缘计算的自适应人脸图像质量评估框架设计

    摘要： 本文提出了一种人脸图像质量评估框架，以解决人脸识别实时应用中的局限性。该框架用于判断图像是否适合进行人脸识别。我们首先利用机器学习算法建立图像质量特征与人脸识别性能之间的关系模型，提取多种特征（如聚焦度量、亮度、遮挡面部等）并研究其对人脸识别准确率的影响。在分析该方法结果后，我们采用深度学习构建了一个二元分类器，在将图像送入实际人脸识别流程前做出接受或拒绝的决策。该决策基于人脸识别框架从图像中正确匹配面部的概率。我们使用Chokepoint数据集和开源人脸识别软件OpenFace来构建本框架。

    关键词： 分类、深度学习、边缘计算、卷积神经网络、机器学习

    更新于2025-09-04 15:30:14

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于Sentinel-1 ScanSAR图像的卷积神经网络海冰分类

    摘要： 本文利用Sentinel-1 ScanSAR IR GRD产品，通过卷积神经网络（CNN）进行海冰制图。根据SAR图像纹理特征，将海面和海冰分别划分为2类和4类：平滑海面、粗糙海面、粒状冰、块状冰、平滑冰和条带冰。首先使用ESA SNAP软件对Sentinel-1 SAR图像进行预处理，随后通过人工判读完成样本切分与标注工作。采用3种空间尺度（32×32、64×64、128×128）的图像块作为CNN训练输入，经训练后的CNN模型用于从ScanSAR图像生成海冰分布图。结果显示该方法具有良好前景，后续研究仍在进行中。

    关键词： 海冰、分类、卷积神经网络、深度学习、合成孔径雷达

    更新于2025-09-04 15:30:14

  • 基于多尺度分解网络的高效可变速率图像压缩

    摘要： 尽管深度学习图像压缩方法已展现出卓越的编码性能，但大多数方法通过训练特定网络仅输出单一优化压缩率。然而实际应用中必须支持可变速率压缩，或以高编码性能满足目标速率需求。本文提出一种新型图像压缩方法，使单个CNN模型能高效生成可变速率并实现优化的率失真（RD）性能。该方法包含基于CNN的多尺度分解变换与内容自适应码率分配：变换网络通过学习将输入图像分解为多尺度表征，同时优化各尺度的RD性能；针对给定目标速率或质量因子的典型场景，提供两种码率分配算法来确定每个图像块的最优尺度——对于目标速率，基于内容复杂度进行自适应分配；对于表示速率与质量权衡的质量因子，则通过最小化RD成本确定最优尺度。实验结果表明，本方法以MS-SSIM指标衡量的RD性能达到最先进水平，其高效性超越JPEG2000和BPG标准，且能严格控率生成目标压缩结果。

    关键词： 卷积神经网络，多尺度分解变换，内容自适应码率分配，有损图像压缩，可变速率图像压缩

    更新于2025-09-04 15:30:14