公共文化服务平台

薛彦兵: 作品数：67 被引量：113H指数：6; 供职机构：天津理工大学更多>>; 发文基金：国家自然科学基金天津市自然科学基金天津市高等学校科技发展基金计划项目更多>>; 相关领域：自动化与计算机技术文化科学电子电信农业科学更多>>

合作作者

自适应特征融合与递进金字塔池化的水下目标检测方法: 本发明公开了一种自适应特征融合与递进金字塔池化的水下目标检测方法，其步骤包括：利用YOLOV7骨干网络对其进行特征提取；将输出特征输入到空间金字塔池化F‑SPPCSP模块进行互相关操作；将输出特征输入到特征融合区域，最终...; 温显斌白鹏飞薛彦兵冯美玲韩猛

融合人体关键点与可见部位注意力特征的行人检测方法: 一种融合人体关键点与可见部位注意力特征的行人检测方法，通过引入人体关键点注意力机制和可见部位注意力机制来对严重遮挡的行人特征进行优化，在抑制遮挡物的特征信息的同时使更多的特征信息聚集在行人上，减少遮挡物对模型的干扰，使得...; 薛彦兵董翔超蔡靖王志岗温显斌

基于残差网络的三维模型检索算法被引量：2: 2019年; 近年来,基于视图的3D模型检索已经成为计算机视觉领域的重点研究方向。3D模型检索算法包括特征提取和检索算法两个部分,且鲁棒的特征对于检索算法起着决定性的作用。目前,研究者们已经提出了许多人工设计特征和深度学习特征,但是很少有人比较它们的异同。因此,文中对不同的人工设计特征和深度学习特征的性能进行了评估分析,基于充分对比的前提,采用了多个数据集、多样的评价标准和不同的检索算法进行了实验,并进一步比较了深度网络不同层特征对性能的影响,从而提出了基于残差网络的三维模型检索算法。在多个公开数据集上的实验表明:1)残差网络所提取的深度特征相较于传统特征,综合性能提升了1%～20%;2)与VGG网络所提取的深度特征相比,残差网络的综合性能提升了1%～5%;3)VGG网络中不同层特征的性能也有差异,深层特征与浅层特征相比,综合性能提升了1%～6%;4)随着网络深度的增加,残差网络所提取的特征的综合性能得到了有限提高,且比其他对比特征均更加鲁棒。; 李荫民薛凯心高赞薛彦兵薛彦兵徐光平; 关键词：3D模型检索特征提取

一种MEAN SHIFT跟踪改进算法研究: 2012年; Mean Shift算法在视频序列中的目标跟踪已经广泛被应用于计算机视觉研究以及应用中。该算法应用于跟踪中,具有计算量低,可实时跟踪等优点,但有时会出现漂移问题。本文针对传统Mean Shift算法的实现进行了研究和总结。并提出了基于分块的改进方法,在Mean Shift跟踪算法中加入了空间信息。实验证明改进算法与原始算法比较具有更好的跟踪精度。; 李超贺鹏刘利平薛彦兵; 关键词：SHIFT 分块

基于全局特征捕捉聚合的多视角神经网络的三维模型检索方法: 一种基于全局特征捕捉聚合的多视角神经网络的三维模型检索方法，实现了对多视角图像间内在联系的挖掘，同时实现了对多视角图像的有效聚合，得到了拥有紧凑的高区分度的三维模型形状特征描述符,具体包含以下步骤：(1)模型多视图表示,...; 高赞李荫民张桦徐光平薛彦兵王志岗; 文献传递

基于深度运动轨迹信息的人体动作描述算法被引量：5: 2017年; 受到dense轨迹特征的启发,本文提出了基于深度运动轨迹信息的动作描述算法,首先,利用稠密光流场对L帧深度视频提取稠密(dense)兴趣点并形成稠密轨迹,其次,利用轨迹前后兴趣点的深度信息计算深度变化值,并将它加入到稠密轨迹和HOG描述算子的计算中;再次,在整个数据集上,计算所有动作的平均深度变化值并利用它判断每类动作的深度信息变化情况;最后,根据深度信息变化剧烈程度选择不同的码书,对视频样本进行投影并分类。在两个公开深度动作数据集DHA-17和UTkinect上进行了实验,实验结果表明基于深度运动轨迹信息的动作描述算法具有较好的区分性和鲁棒性,其性能与一些先进的且具有代表性的算法具有可比性。; 章国泰高赞张桦薛彦兵徐光平; 关键词：深度数据

一种基于图像曲线化调整和颜色重分布的数据增强方法: 一种基于图像曲线化调整和颜色重分布的数据增强算法，通过利用三角函数调整图像的姿势、利用改进的漫水填充算法调整行人的颜色信息，并将新生成的图片数据应用到深度学习网络的训练过程中，通过分别扩增图片的姿势和外观信息，以达到对数...; 薛彦兵陈龙袁立明徐光平温显斌; 文献传递

一种基于深度运动轨迹的人体动作识别方法: 本发明公开了一种基于深度运动轨迹的人体动作识别方法，实现对基于深度信息的人体动作鲁棒描述和识别。具体包含以下步骤：（1）视频预处理，（2）多尺度空间构建，（3）各尺度空间的空间网格化及特征点选取，（4）特征点跟踪，（5）...; 张桦高赞宋健明薛彦兵徐光平; 文献传递

一种新的多尺度深度学习图像语义理解方法研究被引量：13: 2016年; 如何在深度学习中融合图像的多尺度信息,是基于深度学习的视觉算法需要解决的一个关键问题。本文提出一种基于多尺度交替迭代训练的深度学习方法,并应用于图像的语义理解。算法采用卷积神经网络(CNN)从原始图像中提取稠密性特征来编码以每个像素为中心的矩形区域,将多个尺度图像交替迭代训练,能够捕获不同尺度下的纹理、颜色和边缘等重要信息。在深度学习提取特征分类结果的基础上,提出了一种结合超像素分割的方法,统计超像素块的主导类别,来校正分类错误的像素类别,同时描绘出目标区域边界轮廓,完成最终的语义理解。在Stanford Background Dataset 8类数据集上验证了本文方法的有效性,准确率达到77.4%。; 蒋应锋张桦薛彦兵周冕徐光平高赞; 关键词：土壤有机质土壤因子地理加权回归模型艾比湖流域

基于禁忌搜索的分片复制码最优冗余率编码矩阵构造方法: 一种基于禁忌搜索的分片复制码最优冗余率编码矩阵构造方法。包含以下步骤：使用初始编码生成算法生成搜索起始编码矩阵；输入参数初始化搜索进程，采用C4圈数量作为启发式准则，利用固定行重列重矩阵交换操作产生邻域编码矩阵；通过禁忌...; 郭星徐光平张桦薛彦兵高赞徐珂琼; 文献传递