福建省自然科学基金(2013J05088)
- 作品数：5 被引量：15H指数：2
- 相关作者：柯逍牛玉贞杜明智林世平李绍滋更多>>
- 相关机构：福州大学厦门大学更多>>
- 发文基金：福建省自然科学基金国家自然科学基金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 融合深度特征和语义邻域的自动图像标注被引量：11
- 2017年
- 传统图像标注方法中人工选取特征费时费力,传统标签传播算法忽视语义近邻,导致视觉相似而语义不相似,影响标注效果.针对上述问题,文中提出融合深度特征和语义邻域的自动图像标注方法.首先构建基于深度卷积神经网络的统一、自适应深度特征提取框架,然后对训练集划分语义组并建立待标注图像的邻域图像集,最后根据视觉距离计算邻域图像各标签的贡献值并排序得到标注关键词.在基准数据集上实验表明,相比传统人工综合特征,文中提出的深度特征维数更低,效果更好.文中方法改善传统视觉近邻标注方法中的视觉相似而语义不相似的问题,有效提升准确率和准确预测的标签总数.
- 柯逍周铭柯牛玉贞
- 关键词：图像标注
- 粒子群优化结合相关反馈的花卉图像检索
- 2016年
- 针对花卉图像特性,为平衡花卉图像检索系统的检索精度与速度,提出一种将粒子群优化结合于花卉检索相关反馈的算法.算法以2RGB为花卉图像的颜色模型,选取计算量较小的图像低层特征描述,按用户的满意度对检索结果进行评价,指导反馈过程中粒子的最优运动方向.实验结果表明,该算法能有效提高系统的检索效率.
- 朱丹红柯逍叶菁
- 关键词：粒子群优化
- 多尺度特征融合与极限学习机的玉米种子检测被引量：3
- 2016年
- 目的玉米种子等农作物检测是农业信息化领域中一个关键问题,为了能够快速和准确地实现对其检测,提出基于多尺度特征融合与极限学习机的玉米种子无损检测算法。方法首先对种子特征的描述采用局部特征和全局特征相结合的特点,局部特征采用多尺度方向梯度直方图特征,而在全局特征上则提取HSV颜色模型特征。其次,针对传统的BP神经网络以及SVM等存在训练时间长、检测速度慢的不足,采用极限学习机作为其检测算法。此外,为了避免样本在训练时带来的过多时间消耗,该检测模型上采用了并行训练算法。再次,针对原始图像分辨率过高问题所带来的检测时间以及内存消耗较大的问题,采用一种基于局部均值的图像缩小算法。最后,针对该文采用的滑动窗口扫描可能带来的同一对象多窗口重叠的问题,提出了一种基于模糊聚类的局部窗口融合算法。结果仿真结果表明,提出的方法可实现对玉米种子的准确检测,对检测样本的测试精度达到97.66%,同时误差控制在0.1%。结论相比传统的方法,提出的方法在检测速度、检测准确率上均有所改善,无需严格的硬件设备要求并且对玉米种子检测时不会产生任何损伤。
- 柯逍杜明智
- 关键词：极限学习机目标检测模糊聚类
- 实验关于汽车空调温度系统优化控制仿真研究被引量：1
- 2016年
- 汽车空调系统具有明显的非线性时变性和滞后性,采用传统的PID控制难以及时作出相应调整。根据传统PID控制理论,以一阶惯性纯滞后的汽车空调系统为例,将Smith算法和模糊控制算法与传统的PID控制策略相结合,减小了系统的超调量,增强了系统的稳定性。同时根据结合后的算法响应时间延长的缺陷,对原有Smith-Fuzzy-PID算法进行改进,即在控制量输出前加上一层专家PID控制,提出了一种改进的Smith-Fuzzy-PID算法。对三种控制器仿真结果的比较表明,改进Smith-Fuzzy-PID算法在减小超调量和响应时间上均优于原有Smith-Fuzzy-PID算法,说明改进算法针对一阶惯性纯滞后的汽车空调系统可行有效。
- 郑岸以林世平柯逍
- 关键词：模糊专家控制
- 基于Co-training的图像自动标注
- 2013年
- 图像自动标注是图像理解与模式识别等领域中具有挑战性的关键研究问题.目前图像自动标注领域存在着一些问题,如未标注数据规模要远大于标注数据规模,只能单独使用某种图像分割策略与某类图像表示方法.针对上述问题,提出了基于Co-training的图像自动标注方法,通过构建4个独立的特征属性进而建立4个子分类器,将不同的图像分割方法与特征表示方法整合到一个统一框架中,利用提出的基于投票与一致性相结合的自适应算法扩展原始训练集.该方法通过使用Co-training算法,利用大量未标注数据来提升图像自动标注的性能.通过在Corel 5K数据库上进行实验,验证了提出方法的有效性.
- 柯逍李绍滋陈国龙
- 关键词：图像自动标注
