【摘 要】
：
利用计算机技术代替人工挖掘出图像和视频中有价值的信息是计算机视觉一直追求的目标。分割任务包括图像分割和前景检测又称为前景分割是计算机视觉中的基本的任务之一。前者往往是针对静态图像的处理而后者是视频信号尤其是监控视频。本文首先从静态图像中的目标分割任务入手,设计了太赫兹图像中的目标分割算法,并在此基础上引申到基于视频的分割,提出了跨场景的前景分割方法,取得了如下成果:1.基于生成对抗网络的太赫兹图像
论文部分内容阅读
利用计算机技术代替人工挖掘出图像和视频中有价值的信息是计算机视觉一直追求的目标。分割任务包括图像分割和前景检测又称为前景分割是计算机视觉中的基本的任务之一。前者往往是针对静态图像的处理而后者是视频信号尤其是监控视频。本文首先从静态图像中的目标分割任务入手，设计了太赫兹图像中的目标分割算法，并在此基础上引申到基于视频的分割，提出了跨场景的前景分割方法，取得了如下成果：
1. 基于生成对抗网络的太赫兹图像分割算法
在本文中，我们提出了基于生成对抗网络的分割方法，并根据分割任务和数据特点在生成对抗网络损失函数基础上增加重构误差和稀疏性约束；在模型结构上设计了选择性U-Net兼顾了召回率和虚警率的平衡。模型在太赫兹图像中的分割指标优于 Mask-RCNN，并且由于简单的结构，模型能够达到69.7帧每秒的处理速度满足实时安检的要求。
2. 基于注意力机制和时空域特征融合的前景分割算法
传统基于背景建模的方法建立复杂的时空域统计模型，利用手工设计的特征进行前景和背景的分类；最近的分割方法使用卷积神经网络学习丰富的层次化特征，但是忽略了图像序列之间的时域信息。本文提出了融合时空域特征，跨场景分割的方法，并利用注意力机制将各个层次的静态图像信息和光流特征进行融合，填补了高层和低层特征之间的语义鸿沟。模型在Change Detection 2014数据集上的分割结果超过了传统的基于统计的方法和最近的基于深度学习的方法，并且在其他没有经过训练的数据集上表现出较好的跨场景分割能力。
其他文献
移动设备不断地发展和进步,移动设备的使用频率越来越高,其安全性也越来越受重视。各类身份认证机制出现来解决移动设备的安全问题,保护用户的隐私数据。目前,移动设备的身份认证机制大部分属于显式身份认证,仅针对于移动设备的单次解锁,不保证解锁设备后移动设备的安全性。本文以移动设备的持续身份认证为研究对象,从单生物特征和多生物特征两个角度展开了研究。改进了基于运动传感器的持续身份认证,同时提出了基于运动传感
时间序列预测在科学和社会的各个领域起着重要的作用。然而,随着信息时代的到来,各类时间序列数据层出不穷,采样频率也越来越高。如此巨大的数据量中,非平稳和多变量性质的存在加剧了预测的挑战性,许多传统的预测模型已经无法胜任现在的预测任务。现有的基于循环神经网络的深度学习模型,尤其是基于长短期记忆(LSTM)和门循环单元(GRU)的循环神经网络已获得了令人印象深刻的预测性能。然而,尽管LSTM结构上更为复
物联网与5G技术的蓬勃发展,导致移动终端设备产生海量的数据。数据资产催生出众多新型应用,但是移动终端设备计算资源不足与云端处理能耗过高致使移动云计算的固有缺点开始暴露,当前的云计算架构面临重大挑战。移动边缘计算(MEC)的出现为上述问题提供了解决方案,在靠近终端处提供计算与存储资源,边缘服务器既可以处理终端的上行任务,又能承接云端下放服务。终端任务可以选择卸载到边缘服务器上执行,终端设备只需发送服
在当前的移动应用程序开发中,新兴涌现出的Dev Ops实践(例如,持续交付,集成和用户反馈分析)和工具正在变得越来越普遍。例如,在软件发布周期中,用户反馈的集成(以用户评论的形式提供)代表了移动应用程序维护和发展的宝贵资源。为了充分利用这些资源,开发人员急需要在用户评论和需要更改的软件产品(例如源代码和文档)之间建立语义链接,从而根据用户反馈定位到潜在需要更改的文件。此外,随着移动应用市场的快速发
快速有效地识别视频中的人体动作,具有广泛的应用前景及潜在的经济价值。但目前视频动作识别方法易受到运动人体晃动、背景变化、摄相机抖动、运动人体阴影等背景因素影响。如何在复杂场景下准确地进行动作识别成为了计算机视觉中的热点问题。本文使用深度学习方法,经过对已有视频动作识别算法的充分调研后展开研究,具体工作和创新点如下:1)针对目前的双流卷积神经网络无法将空间线索和时间线索有效地关联起来的缺陷,本文从特
近年来,随着高通量测序技术的不断发展,RNA-Seq即转录组测序技术已成为转录组研究的重要工具,被广泛应用于生物学、医学和药学等领域。异构体的表达水平估计和差异表达比例分析是转录组学研究的主要内容,对疾病的诊断和治疗有重要意义。异构体表达水平估计中先对定位到异构体上的读段进行计数,再进行归一化计算,最后获得异构体表达水平,保证了不同异构体的表达水平在不同条件下的可比性。异构体差异表达比例分析中通过
目前,图像描述算法已是人工智能领域的研究热点之一,在跨模态检索以及视觉语义理解方面也有着广阔的应用。当前已有的图像描述算法主要是基于编码器-解码器架构的,一般采用卷积神经网络作为图像编码器,循环神经网络作为解码器。最近,一种基于卷积神经网络的解码器被提出来,用以解决循环神经网络不可并行计算的问题。然而,当前基于的卷积神经网络解码器算法不能直接建模输入单词间的相关性以及特征通道之间的相关性。同时,这
大数据时代信息种类和数量变得繁复而冗杂,传统协同过滤算法在应对这种“信息过载”问题力不从心。因此,大量的专家和学者提出了多种推荐算法来改善推荐效果,满足用户需求。其中建立信任网络,使用用户间信任度对用户进行推荐便是其中一种典型算法。本文工作针对信任网络,使用社会网络中用户的关联关系得出用户之间的信任度,基于用户间信任度聚类对目标用户做出合理的推荐。论文的主要工作和创新如下:(1)基于双重邻居选取策
随着多种定位设备的普及,基于位置的服务(ocation ased Services,S)已经广泛存在。尽管有了一些关于频繁模式挖掘的理论,但是还没有研究室内环境的。因此,针对室内移动对象轨迹频繁模式挖掘的研究工作显得尤为重要和迫切,以更好地为用户提供更加优质的位置服务。本文借鉴参考现有的经验,同时考虑到室内空间与室外空间的差异性,针对室内环境下的移动对象,对其做如下研究:(1)为改善传统的频繁模式
模幂算法作为公开密钥算法的核心操作,是侧信道攻击的主要目标。自第一次计时攻击公开后,攻击者利用侧信道攻击实现了对公钥密码体制中的模幂算法中秘密信息的恢复。因为密码设备释放的“泄露”物理信息与模幂算法有很大的关联,从而未受保护的模幂算法为侧信道攻击提供了各种可能性。随着侧信道攻击技术的20多年的发展,针对模幂算法抗侧信道攻击的安全性的研究更是一个非常重要的研究课题。迄今为止,对模幂算法的侧信道攻击方