简介:近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.
简介:道路目标检测在智慧城市建设中扮演着重要角色,而Faster-RCNN是目前主流的目标检测网络结构算法.本文在Faster-RCNN卷积神经网络结构基础上增加了特征金字塔网络层,并采用关注损失函数替代了原有的交叉熵损失函数.其中增加的特征金字塔特征融合层可以提取到检测图片中更具鲁棒性和一般性的前背景特征,而通过关注损失函数则能起到缓解检测图片中的正负样本不均的情况.最后,在公开数据集KITTI上实验证实,改进的目标检测算法能实现提高原有的Faster-RCNN目标检测准确率.
简介:在中国高校科技期刊研究会组织的“2018年度中国高校杰出·百佳·优秀科技期刊”遴选活动中,《中国计量大学学报》被评为“2018年度中国高校编辑出版质量优秀科技期刊”这次评选活动旨在不断提升高校科技期刊的创新力、影响力、贡献力和编辑出版质量,对高校科技期刊在科研活动和学术交流中的作用及其质量做出客观、全面的评价,以树立榜样、明确方向,促进高校科技期刊健康发展.其中,中国高校编辑出版质量优秀科技期刊的评选是在差错率低于万分之一的前提下,结合期刊的学术指标和学术影响力,由专业评审组对期刊的政治、编辑出版质量进行综合审查,评选出中国高校编辑出版质量优秀科技期刊53种.