-
韩亚洪
-
-
- 所属机构:天津大学
- 所在地区:天津市
- 研究方向:自动化与计算机技术
- 发文基金:国家自然科学基金
相关作者
- 吴飞
- 作品数：597被引量：3,364H指数：27
- 供职机构：浙江大学
- 研究主题：人工智能 跨媒体 视频 网络 文本
- 李广
- 作品数：23被引量：37H指数：4
- 供职机构：天津大学
- 研究主题：热障涂层 递归神经网络 视频 无标度网络 供应链系统
- 操晓春
- 作品数：50被引量：0H指数：0
- 供职机构：天津大学
- 研究主题：伪造 数字图像 图像 计算机视觉 图像处理技术
- 马健
- 作品数：23被引量：12H指数：1
- 供职机构：天津大学
- 研究主题：各向异性 雾霾 支持向量回归 传输率 C3N4
- 马书博
- 作品数：5被引量：0H指数：0
- 供职机构：天津大学
- 研究主题：递归神经网络 图像描述 词法分析 训练集 自然语言描述
- 一种从结构化文本到图像描述的生成方法
- 本发明公开了一种从结构化文本到图像描述的生成方法，从互联网下载图片，构成图片训练集；对训练集中图像对应的描述进行词法分析，构造结构化文本；利用现有的神经网络模型，提取训练集图像的卷积神经网络特征，并以<图像特征，结...
- 马书博韩亚洪李广
- 文献传递
- 一种基于训练集数据的对抗攻击方法
- 本发明公开了一种基于训练集数据的对抗攻击方法，步骤1、使用VOC2007图像数据集训练检测模型；步骤2、对训练集中图像进行筛选寻找单类别训练集图像Y；步骤3、使用图像集Y构建KD‑tree进行存储；步骤4、对要攻击的图片...
- 韩亚洪安健侨石育澄贾凡
- 结合内容与链接分析搜索特定主题的权威Web信息源
- 搜索引擎是目前最主要的Web信息检索工具，然而搜索引擎的效果还不能令人满意。因此，在搜索结果返回用户前需要有一个检索后处理过程，即主题精选过程。当前很多Web检索系统能以页面和站点两种粒度向用户提交检索结果，但现有的主题...
- 韩亚洪
- 关键词：HITS多粒度链接分析WEB信息检索
- 文献传递
- 一种基于模型抽取的步长自适应的对抗攻击方法
- 本发明公开了一种基于模型抽取的步长自适应的对抗攻击方法，步骤1、构建图像数据集；步骤2、对图像集合IMG训练卷积神经网络，作为待攻击目标模型，步骤3、计算交叉熵损失函数，实现对卷积神经网络的模型抽取，初始化迭代攻击的梯度...
- 韩亚洪石育澄
- 文献传递
- 监督式异构稀疏特征选择的国画分类和预测被引量：10
- 2013年
- 为了使用国画底层视觉特征对国画作者进行分类预测,提出了利用监督式异构稀疏特征进行选择的方法.首先通过提取多种底层异构视觉特征对国画风格进行描述,建立国画高级语义信息向底层视觉的映射;然后从这些异构特征中选择出最能代表该作者独特风格的特征子集,实现不同画家迥异的绘画风格与国画底层稀疏特征的对应与转换;最后利用这些特征子集对国画作者进行预测,完成分类任务.实验结果表明,该方法具有较好的国画分类性能.
- 王征孙美君韩亚洪张冬
- 关键词：特征子集国画
- 一种自动驾驶场景中小且密集的交通标志检测方法
- 本发明公开了一种自动驾驶场景中小且密集的交通标志检测方法，包括以下步骤：(1)采集车辆行车记录仪拍摄的视频数据，从中提取图片，对图片中的交通标志进行标注，形成由<图像，目标框>对构成的交通标志数据集；(2)数...
- 韩亚洪葛园园许有疆赵帅
- 文献传递
- 一种结构化的图像描述方法
- 本发明属于图像检索技术领域，尤其涉及一种结构化的图像描述方法，包括：获取进行训练的图像，并对图像中每个物体构造3层树状结构标签，形成训练集；提取训练集中图像每个物体的低层特征，训练得到所有候选的类，子类以及属性相对应的分...
- 韦星星韩亚洪操晓春
- 文献传递
- 动态可伸缩向量图的设计与实现被引量：1
- 2005年
- 在对XML及SVG技术进行了研究和总结的基础上,设计了一个基于后台数据库进行动态SVG管理的应用。该应用通过程序在后台数据库数据和SVG的文本数据(XML数据)之间建立联系,实现了SVG图像基于后台数据库数据变化的动态管理。设计和实现结果表明:基于数据库实现Web上SVG图像的动态管理是可行的。
- 韩亚洪赵元庆
- 关键词：可扩展标记语言文档对象模型数据库WEB
- 人工智能中的推理:进展与挑战被引量：4
- 2018年
- 推理是人工智能中的核心问题,本文分析了基于知识图谱推理、记忆驱动的推理、多智能体推理、因果推理和跨媒体综合推理等方面研究内容,探讨不同推理手段今后值得重视的研究方向。
- 吴飞韩亚洪李玺郑庆华陈熙霖
- 关键词：逻辑记忆跨媒体
- 自动驾驶场景下小且密集的交通标志检测被引量：16
- 2018年
- 在自动驾驶场景中,交通标志的检测和识别对行车周围环境的理解至关重要。行车过程中拍摄的图片中存在许多较小的交通标志,它们很难被现有的物体检测方法检测到。为了能够精确地检测到这部分小的交通标志,我们提出了用浅层VGG16网络作为物体检测框架R-FCN的主体网络,并改进VGG16网络,主要有两个改进点:1)减小特征图缩放倍数,去掉VGG16网络卷积conv4_3后面的特征图,使用RPN网络在浅层卷积conv4_3上提取候选框;2)特征拼层,将尺度相同的卷积conv4_1、conv4_2、conv4_3层的特征拼接起来形成组合特征(aggregated feature)。改进后的物体检测框架能够检测到更多的小物体,在驭势科技提供的交通标志数据集上取得了很好的性能,检测的准确率mAP达到了65%。
- 葛园园许有疆赵帅韩亚洪
- 关键词：交通标志目标检测卷积神经网络自动驾驶
