【摘 要】
：
针对建筑物3D建模场景下所需的建筑物主体轮廓俯视平面图获取成本较高、航拍图建筑物的分割精度低、建筑物屋顶存在干扰物影响分割等问题,文中提出了一种将5个点的位置表示为热图作为网络额外输入通道的基于深层残差网络的航拍图建筑物精确分割方法,该方法在航拍图建筑物的精确分割任务中取得了比较好的分割效果。实验结果表明,该方法具有比传统半自动分割方法Grabcut更高的分割精度和分割效率;具有比DEXTR方法更
【机 构】
：
广西大学计算机与电子信息学院,广西多媒体通信与网络技术重点实验室,广西大学土木建筑工程学院
【基金项目】
：
广西壮族自治区科技计划项目(2017AB15008),崇左市科技计划项目(FB2018001),广西高等学校高水平创新团队及卓越学者计划。
论文部分内容阅读
针对建筑物3D建模场景下所需的建筑物主体轮廓俯视平面图获取成本较高、航拍图建筑物的分割精度低、建筑物屋顶存在干扰物影响分割等问题,文中提出了一种将5个点的位置表示为热图作为网络额外输入通道的基于深层残差网络的航拍图建筑物精确分割方法,该方法在航拍图建筑物的精确分割任务中取得了比较好的分割效果。实验结果表明,该方法具有比传统半自动分割方法Grabcut更高的分割精度和分割效率;具有比DEXTR方法更好的鲁棒性和抗干扰性。该方法可以为建筑物3D重建任务提供高精度的建筑物俯视轮廓图和建筑物顶部图片,还可以
其他文献
触发词检测是事件抽取的一项基本任务,该任务涉及对触发词进行识别和分类。目前,已有工作主要存在两方面的问题:1)用于触发词检测的神经网络模型只考虑了句子的顺序表示,且通过顺序建模的方法在捕捉长距离依赖关系时效率较低;2)基于表示的方法虽然解决了手动提取特征的问题,但用作初始训练特征的词向量对句子的表示程度有所欠缺,难以捕捉深层的双向表征。因此,文中提出了一种基于BERT模型和GCN网络的触发词检测模型BGCN,该模型通过引入BERT词向量来强化特征表示,并引入句法结构来捕捉长距离依赖,对事件触发词进行检测。
逻辑回归是一个应用广泛的分类模型,但由于高维数据分类任务在实际应用中变得越来越频繁,使得分类模型面临着巨大的挑战。应对该挑战的一种有效方法是对模型进行正则化。许多已有的正则化逻辑回归直接运用L1范数罚作为正则化罚项,而不考虑特征之间的复杂关联关系。也有一些研究工作基于特征的组信息设计了正则化罚项,但它们假设组信息是预先给定的。文中从网络的视角对特征数据中存在的潜在模式进行挖掘,并基于此提出了一个基于网络结构的正则化逻辑回归。首先,以网络的形式描述特征数据并构建出特征网络;其次,从网络科学的角度对特征网络进
在群智感知系统中,从分布式数据源中持续收集和分析数据可以为先进的数据挖掘模型提供决策支持。由于数据中可能包含个人相关的信息,数据的采集和分析过程中通常伴随着隐私泄露的风险。本地化差分隐私作为先进的隐私保护方案可在用户的隐私性和数据的可用性之间提供较好的权衡。当前,键值数据作为异构类型数据,其同时含有分类数据和数值数据,基于本地化差分隐私在多维度下对键值数据进行关联分析面临着一定的挑战。针对隐私保护前提下键值数据的发布和关联分析问题,首先定义了键值数据的频率关联和均值关联问题,然后提出了适用于键值对的索引独
针对软件测试技术课程的特点及传统课堂教学中存在的不足,提出将腾讯课堂、雨课堂、腾讯QQ、慕测平台与软件测试教学整合的思路,介绍混合式教学实践,最后通过调查数据说明教学效果。
手势识别在人机交互中有着广泛的应用前景,近年来随着无线通信与物联网的飞速发展,几乎任何地方都部署了WiFi设备,并涌现了大批关于WiFi信道状态信息(Channel State Information, CSI)的手势识别方法,目前大多数基于CSI手势识别的研究仅针对了已知场景下的手势识别研究,对于未知场景,需要增加未知场景中的新数据进行额外的学习训练,否则识别精度将会大幅下降,限制了其实用性。针
移动边缘计算是近年出现的一种新型网络计算模式,它允许将具有较强计算能力和存储性能的服务器节点放置在更加靠近移动设备的网络边缘(如基站附近),让移动设备可以近距离地卸载任务到边缘设备进行处理,从而解决了传统网络由于移动设备的计算和存储能力弱且能量较有限,从而不得不耗费大量时间、能量且不安全地将任务卸载到远方的云平台进行处理的弊端。但是,如何让仅掌握局部有限信息(如邻居数量)的设备根据任务的大小和数量选择卸载任务到本地,还是在无线信道随时间变化的动态网络中选择延迟、能耗均最优的移动边缘计算服务器进行全部或部分
针对低光照图像背景环境复杂导致目标检测易产生误检、漏检现象,提出了一种基于SSD目标检测的改进低光照图像精度和速度的方法。该方法先对低光照图像进行增强处理,然后将处理后的低光照图像和增强图像分别输入到融入乐高滤波器的SSD网络结构中进行训练检测,通过得到的两种检测模型对处理后的数据集进行检测,最后融合检测结果候选框中的不重复框,筛选候选框中的重复框,标记出正确位置的目标,从而提升对低光照图像检测的
火灾发生时烟气流动与温度分布预测是建筑和消防领域中的热门技术。针对现有的火灾烟气流动与温度分布预测工作烦琐、预测准确度低的现状,提出基于趋势特征向量的火灾烟气流动与温度分布预测模型,用深度学习方法进行相关数据的训练与预测,对揭示火灾发生及其发展规律有重要意义,可为火灾扑救和人员疏散提供辅助信息。所提模型能够抽取火灾时间序列数据中的趋势特征,并将这些特征作为先验知识来加速和优化深度神经网络的训练过程
网络侦察为网络攻击杀伤链的首要阶段,而指纹识别是网络侦察的重要组成部分,是成功实施网络攻击的先决条件.主动防御尤其是欺骗防御理念的推广促使防御者采取指纹信息隐藏、
视频异常检测算法是视频处理领域的研究热点之一,用于检测视频中是否包含异常事件。然而,由于没有异常样本参与训练过程,且异常样本与正常样本之间存在一定程度的相似性,因此很难设计出一种有辨识力的异常检测模型。为了解决上述问题,文中首先提出了一种基于相似度保持和样本恢复的特征选择方法,该方法能够保留正常样本的相似关系,进而可以学习到能够准确描述正常事件的特征。其次,将异常事件检测任务转化为分类任务,并提出