温静

作品数：18被引量：42H指数：4
导出分析报告
供职机构：山西大学计算机与信息技术学院更多>>
发文主题：单目图像加权上下文信息CNN一体化更多>>
发文领域：自动化与计算机技术文化科学交通运输工程更多>>
发文期刊：《图学学报》《计算机技术与发展》《计算机教育》《计算机工程与应用》更多>>
所获基金：国家自然科学基金山西省高等学校科技创新项目国家教育部博士点基金留学人员科技活动项目择优资助经费更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于多粒度信息融合的无监督行人重识别方法被引量：2
《计算机工程与应用》2023年第13期99-109,共11页温静 张福康 
国家自然科学青年基金(61703252)。
现有的无监督行人重识别算法通过残差网络仅能提取粗略的全局特征,但是随着数据集中行人、姿态数目和背景复杂性的激增,这些特征表明行人不同姿态的能力不足,使得模型出现欠拟合,进而导致识别精度下降。基于对上述问题的分析,从空间域...
关键词：行人重识别 多粒度 残差块 自注意力机制 上下文信息 特征融合 无监督方法 
面向相交多流形聚类的标签传播算法
《计算机工程》2023年第6期90-98,共9页高小方 原玉梁 温静 白雪飞 
国家自然科学基金(61772323);山西省自然科学基金(201701D121053)。
经典的流形学习算法假设样本数据位于高维单流形上,但在现实生活中的真实数据通常位于高维多流形上,且这些数据往往相互交叠,导致流形学习算法效果不佳。传统的标签传播算法通过相似性矩阵构建连接矩阵,实现良好分离数据的聚类,但不能...
关键词：流形学习 多流形聚类 切空间 相交 标签传播 
基于场景对象注意与深度图融合的深度估计被引量：1
《计算机工程》2023年第2期222-230,共9页温静 杨洁 
山西省基础性研究计划(201901D211176)。
现有单目深度估计算法主要从单幅图像中获取立体信息,存在相邻深度边缘细节模糊、明显的对象缺失问题。提出一种基于场景对象注意机制与加权深度图融合的单目深度估计算法。通过特征矩阵相乘的方式计算特征图任意两个位置之间的相似特...
关键词：场景对象注意 加权深度图融合 上下文信息 深度估计 三维重建 
自适应融合局部和全局特征的图像质量评价被引量：1
《计算机技术与发展》2022年第11期50-57,共8页温静 白鑫 
国家自然科学青年基金项目(61703252);山西省基础研究计划青年项目(201901D211176)。
无参考图像质量评价通过算法来量化图像质量的失真程度。有效建立失真位置与周围空间的依赖关系能提高质量预测的准确性,但目前基于卷积神经网络的无参考图像质量评价方法,仅通过传统的卷积对局部失真区域进行特征提取,无法有效地获取...
关键词：无参考图像质量评价 视觉特征 局部和全局特征学习 自适应特征融合 卷积神经网络 
正弦图智能插值法CT稀疏重建被引量：1
《核电子学与探测技术》2021年第6期1125-1131,共7页温静 乔志伟 
国家自然科学基金(62071281);山西省重点研发计划(201803D421012);山西省留学人员科技活动项目(RSC1622);山西省回国留学人员科研项目(2020-008)。
介绍了基于正弦稀疏插值法对CT图像进行稀疏重建的方法。该方法采用稀疏采样,在DNCDD网络的基础上,提出递减感受野密集连接DNCNN网络结构,汲取图像特征。网络模型采用不同大小的卷积核并加入了密集连接,通过与线性插值方法及不同经典网...
关键词：智能插值 稀疏重建 卷积神经网络 递减感受野密集连接DNCNN 医学图像 
基于时空上下文信息增强的目标跟踪算法被引量：1
《计算机应用》2021年第12期3565-3570,共6页温静 李强 
山西省研究生教育改革研究课题(2020YJJG030)。
充分利用视频中的时空上下文信息能明显提高目标跟踪性能,但目前大多数基于深度学习的目标跟踪算法仅利用当前帧的特征信息来定位目标,没有利用同一目标在视频前后帧的时空上下文特征信息,导致跟踪目标易受到邻近相似目标的干扰,从而在...
关键词：目标跟踪 上下文信息 显著特征 特征增强 深度学习 
基于多级全局信息传递模型的视觉显著性检测被引量：2
《计算机应用》2021年第1期208-214,共7页温静 宋建伟 
国家自然科学青年基金资助项目(61703252);山西省应用基础研究计划项目(201701D121053)。
对神经网络中的卷积特征采用分层处理的思想能明显提升显著目标检测的性能。然而,在集成分层特征时,如何获得丰富的全局信息以及有效融合较高层特征空间的全局信息和底层细节信息仍是一个没有解决的问题。为此,提出了一种基于多级全局...
关键词：显著性检测 全局信息 神经网络 信息传递 多尺度池化 
基于带squeeze-and-excitation模块的ResNeXt的单目图像深度估计方法被引量：1
《计算机应用》2021年第1期215-219,共5页温静 李智宏 
山西省应用基础研究计划项目(201701D121053)。
针对目前单目图像深度估计任务缺乏对特征通道之间的全局信息关系表示的问题,提出了一种基于SEResNeXt的单目图像深度估计方法。首先,通过建模特征通道间的动态且非线性的关系来提高网络的全局信息表示能力;然后,采用特征重标定策略来...
关键词：单目图像深度估计 信息聚合 全局信息 特征重标定 特征响应 
基于多尺度反卷积深度学习的显著性检测被引量：1
《计算机科学》2020年第11期179-185,共7页温静 李雨萌 
国家自然科学基金青年科学基金(61703252);山西省1331工程项目;山西省应用基础研究计划项目(201701D121053)。
传统的显著性检测方法大多在单一的尺度上分辨感兴趣的目标和背景,无法有效地获取多分辨率下的局部细节信息,为此提出多尺度反卷积的深度学习网络模型。首先,在多尺度下对各层特征及各层对比特征进行反卷积,充分利用反卷积层中的卷积核...
关键词：显著性检测 深度学习 多尺度特征 反卷积 多分辨率 
基于注意力机制的复杂场景文本检测被引量：6
《计算机科学》2020年第7期135-140,共6页刘燕 温静 
国家自然科学基金青年科学基金(61703252);山西省1331工程项目;山西省应用基础研究计划项目(201701D121053)。
传统的文本检测方法大多采用自下而上的流程,它们通常从低级语义字符或笔画检测开始,然后进行非文本组件过滤、文本行构建和文本行验证。复杂场景中文字的造型、尺度、排版以及周围环境的剧烈变化,导致人的视觉系统是在不同的视觉粒度...
关键词：文本检测 深度学习 注意力机制 
全选清除导出
共2页<12>
检索报告 对象比较 聚类工具 使用帮助 返回顶部