Query：
学者姓名：曾勋勋
Refining：
Year
Type
Indexed by
Source
Complex
Co-
Language
Clean All
Abstract ：
在图像的采集过程中,?图像往往会带有一定的噪声信息,?这些噪声信息会破坏图像的纹理结构,?进而干扰语义分割任务.?现有基于带噪图像的语义分割方法,?大都是采取先去噪再分割的模型.?然而,?这种方式会导致在去噪任务中丢失语义信息,?从而影响分割任务.?为了解决该问题,?提出了一种多尺度多阶段特征融合的带噪图像语义分割的方法,?利用主干网络中各阶段的高级语义信息以及低级图像信息来强化目标轮廓语义信息.?通过构建阶段性协同的分割去噪块,?迭代协同分割和去噪任务,?进而捕获更准确的语义特征.?在PASCAL?VOC?2012和Cityscapes数据集上进行了定量评估,?实验结果表明,?在不同方差的噪声干扰下,?模型依旧取得了较好的分割结果.
Keyword ：
协同任务 协同任务 图像去噪 图像去噪 注意力机制 注意力机制 特征融合 特征融合 语义分割 语义分割
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 黄琳 , 陈飞 , 曾勋勋 . 多尺度多阶段特征融合的带噪图像语义分割 [J]. | 计算机系统应用 , 2023 , 32 (3) : 58-69 . |
| MLA | 黄琳 等. "多尺度多阶段特征融合的带噪图像语义分割" . | 计算机系统应用 32 . 3 (2023) : 58-69 . |
| APA | 黄琳 , 陈飞 , 曾勋勋 . 多尺度多阶段特征融合的带噪图像语义分割 . | 计算机系统应用 , 2023 , 32 (3) , 58-69 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
图像拼接旨在将多张具有重叠区域的图像拓展成视野更加宽广的全景图,当输入的图像不满足原本严格的成像前提的时候,往往无法进行拼接,即使强行拼接,也可能造成不自然的扭曲以及影响观感的伪影.以往的拼接算法通过计算刚性变换来实现对齐,而通过计算非刚性变换可以在一定程度上提高对齐效果.受医学图像使用人工标记点配准的启发,提出一种基于薄板样条配准和全局相似的图像交互拼接的方法.首先通过交互标记点计算非刚性变换将目标图像和参考图像进行初步对齐;其次,引入全局相似性缓解非重叠区域的投影失真;最后使用优化的交互图切算法进一步消除伪影,并提升整个算法的鲁棒性.实验证明,在许多商用软件无法拼接的场景下,该算法仍然可以...
Keyword ：
全景图 全景图 图像对齐 图像对齐 图像拼接 图像拼接 标记点 标记点 薄板样条配准 薄板样条配准
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 黄华峰 , 陈飞 , 曾勋勋 . 基于薄板样条配准和全局相似的图像交互拼接 [J]. | 南京大学学报(自然科学) , 2021 , 57 (05) : 828-837 . |
| MLA | 黄华峰 等. "基于薄板样条配准和全局相似的图像交互拼接" . | 南京大学学报(自然科学) 57 . 05 (2021) : 828-837 . |
| APA | 黄华峰 , 陈飞 , 曾勋勋 . 基于薄板样条配准和全局相似的图像交互拼接 . | 南京大学学报(自然科学) , 2021 , 57 (05) , 828-837 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
目前许多目标检测模型在噪声环境中都会出现精度下降.为了提高目标检测模型在噪声环境中的精度,本文从两方面提高检测精度.首先,提出一个基于残差结构的抗噪特征提取模块,为后续的网络模块提供支撑.其次,利用目标的先验信息,针对性地改进模型的锚框设计和损失函数设计.根据目标的形状先验信息设计锚框的形状.将IOU损失函数作为模型的Bbox损失函数,其中IOU损失项及最小闭包区域根据目标形状先验信息计算.实验数据集为血细胞数据集和下旁腺数据集,基准对照模型为Yolov3和RetinaNet,同时也可移植到其他检测模型.在血细胞数据集环境中,比较Yolov3的精度由62.7提高到75.7.在下旁腺数据集中同样...
Keyword ：
IOU损失函数 IOU损失函数 先验信息 先验信息 噪声图像 噪声图像 形状特征 形状特征 目标检测 目标检测
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 蔡钟晟 , 陈飞 , 曾勋勋 . 一种具有抗噪性能的圆形目标检测器 [J]. | 南京师大学报(自然科学版) , 2021 , 44 (04) : 85-93 . |
| MLA | 蔡钟晟 等. "一种具有抗噪性能的圆形目标检测器" . | 南京师大学报(自然科学版) 44 . 04 (2021) : 85-93 . |
| APA | 蔡钟晟 , 陈飞 , 曾勋勋 . 一种具有抗噪性能的圆形目标检测器 . | 南京师大学报(自然科学版) , 2021 , 44 (04) , 85-93 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
Internal patch prior (e.g. self-similarity) has achieved a great success in image denoising. However, it is a challenging task to utilize clean external natural patches for denoising. Natural image patch comes from very complex distributions which are hard to learn without supervision. In this paper, we use an autoencoder to discover and utilize these underlying distributions to learn a compact representation that is more robust to realistic noises. By exploiting learned external prior and internal self-similarity jointly, we develop an efficient patch sparse coding scheme for real-world image denoising. Numerical experiments demonstrate that the proposed method outperforms many state-of-the-art denoising methods, especially on removing realistic noise. © The Author(s) 2019.
Keyword ：
Image coding Image coding Image denoising Image denoising Learning systems Learning systems Numerical methods Numerical methods
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | Chen, Fei , Chen, Haiqing , Zeng, Xunxun et al. Autoencoder-based patch learning for real-world image denoising [J]. | Journal of Algorithms and Computational Technology , 2019 , 13 . |
| MLA | Chen, Fei et al. "Autoencoder-based patch learning for real-world image denoising" . | Journal of Algorithms and Computational Technology 13 (2019) . |
| APA | Chen, Fei , Chen, Haiqing , Zeng, Xunxun , Wang, Meiqing . Autoencoder-based patch learning for real-world image denoising . | Journal of Algorithms and Computational Technology , 2019 , 13 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
高等学校数学公共基础课程的教学评价通常以督导组专家和学生评价为主,存在主观性强、 成本高、 难推广等局限性.文章结合数学类课程的学科特点和教学特点,利用互联网、 移动终端和智能监控技术获取课堂教学的相关视频、 音频、 图像等多源数据,结合人工智能技术和层次分析法,构建基于多源数据分析的教学质量评价指标,克服传统评价方法中的主观随意性,提高评价效率,实现无人教学评价.
Keyword ：
人工智能 人工智能 层次分析法 层次分析法 教学评价 教学评价 数学公共基础课程 数学公共基础课程
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 曾勋勋 , 陈飞 , 吕书龙 et al. 基于多源数据层次分析的数学课堂教学评价 ——以高等数学为例 [J]. | 高等理科教育 , 2019 , (5) : 44-49 . |
| MLA | 曾勋勋 et al. "基于多源数据层次分析的数学课堂教学评价 ——以高等数学为例" . | 高等理科教育 5 (2019) : 44-49 . |
| APA | 曾勋勋 , 陈飞 , 吕书龙 , 薛美玉 , 朱玉灿 , 陈晓星 . 基于多源数据层次分析的数学课堂教学评价 ——以高等数学为例 . | 高等理科教育 , 2019 , (5) , 44-49 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
基于大学数学公共基础课教学的现状,从最近发展区理论所倡导的教学观出发,提出最近发展区理论的教学融入与实施办法,还提出因材施教的原则与最近发展区理论的对接.倡导教学应立足于学生的最近发展区,立足于教学的有效性,确定最近发展区并使最近发展区转化为现有发展水平,最终使学生从知识接受者转变为知识探索者,以实现教学效果的最大化.最后,通过实证分析最近发展区理论在教学实践中取得的显著效果.
Keyword ：
数学公共基础课 数学公共基础课 最近发展区 最近发展区 有效教学 有效教学
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 薛美玉 , 吕书龙 , 曾勋勋 . 数学公共基础课中最近发展区理论的探索与实证 [J]. | 高等理科教育 , 2019 , (6) : 121-125,113 . |
| MLA | 薛美玉 et al. "数学公共基础课中最近发展区理论的探索与实证" . | 高等理科教育 6 (2019) : 121-125,113 . |
| APA | 薛美玉 , 吕书龙 , 曾勋勋 . 数学公共基础课中最近发展区理论的探索与实证 . | 高等理科教育 , 2019 , (6) , 121-125,113 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
A shape prior-based object segmentation is developed in this paper by using a shape transformation distance to constrain object contour evolution. In the proposed algorithm, the transformation distance measures the dissimilarity between two unaligned shapes by cyclic shift, which is called 'circulant dissimilarity'. This dissimilarity with respect to transformation of the object shape is represented by circular convolution, which could be efficiently computed by using fast Fourier transform. Given a set of training shapes, the kernel density estimation is adopted to model shape prior. By integrating low-level image feature, high-level shape prior and transformation distance, a variational segmentation model is proposed to solve the transformation invariance of shape prior. Numerical experiments demonstrate that circulant dissimilarity-based shape registration outperforms the iterative optimization on explicit pose parameters, and show promising results and highlight the potential of the method for object registration and segmentation.
Keyword ：
circulant dissimilarity circulant dissimilarity kernel density estimation kernel density estimation level set level set Segmentation Segmentation shape prior shape prior
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | Zeng, Xunxun , Chen, Fei , Wang, Meiqing et al. Circulant dissimilarity-based shape registration for object segmentation [J]. | INTERNATIONAL JOURNAL OF COMPUTER MATHEMATICS , 2019 , 96 (4) : 753-766 . |
| MLA | Zeng, Xunxun et al. "Circulant dissimilarity-based shape registration for object segmentation" . | INTERNATIONAL JOURNAL OF COMPUTER MATHEMATICS 96 . 4 (2019) : 753-766 . |
| APA | Zeng, Xunxun , Chen, Fei , Wang, Meiqing , Lai, Choi-Hong . Circulant dissimilarity-based shape registration for object segmentation . | INTERNATIONAL JOURNAL OF COMPUTER MATHEMATICS , 2019 , 96 (4) , 753-766 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
Traditionally, object segmentation and action classification in vision have been solved as two independent problems, even though it is often the case that the solution to one impacts the solution to the other. In this paper, a general variational framework is developed to use shape group Boltzmann machine (SGBM) to simultaneously segment object and classify action from multiple images. Considering the foreground similarity and the background consistency in low-level images, shape group is adopted to link top-down object segmentation with bottom-up action inference. The SGBM uses deep Boltzmann machine to model the hierarchical architecture of shape group. The obtained shape representation and similarity transformation can be exploited to guide low-level image segmentation. The collaboration between high-level and low-level can efficiently improve the results of object segmentation and action classification simultaneously. Experiments performed under low-quality conditions reveal that the method can segment the test objects accurately even for severe noises, occlusions, deformations, etc. (C) 2018 Elsevier B.V. All rights reserved.
Keyword ：
Classification Classification Deep Boltzmann machine Deep Boltzmann machine Object segmentation Object segmentation Shape prior Shape prior Transformation invariance Transformation invariance
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | Zeng, Xunxun , Chen, Fei , Wang, Meiqing . Shape group Boltzmann machine for simultaneous object segmentation and action classification [J]. | PATTERN RECOGNITION LETTERS , 2018 , 111 : 43-50 . |
| MLA | Zeng, Xunxun et al. "Shape group Boltzmann machine for simultaneous object segmentation and action classification" . | PATTERN RECOGNITION LETTERS 111 (2018) : 43-50 . |
| APA | Zeng, Xunxun , Chen, Fei , Wang, Meiqing . Shape group Boltzmann machine for simultaneous object segmentation and action classification . | PATTERN RECOGNITION LETTERS , 2018 , 111 , 43-50 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
本发明涉及一种基于先验形状和循环移位的目标分割方法。该方法，首先将形状用概率的方式定义，建立一个先验目标的形状库并运用主成份分析进行降维，利用核密度估计拟合先验形状分布建立先验形状约束项。然后利用先验形状的循环移位，将目标位移和旋转变换，看作循环卷积运算，通过快速傅里叶变换，提高运算速度。将目标形变与底层灰度特征相结合建立数据约束项。接着将数据约束项和先验形状约束项线性组合建立总的能量函数，最后通过能量极小化完成目标的分割。本发明利用高层先验形状的循环移位辅助底层目标分割，解决了现有目标分割方法中对于目标形状发生形变时分割效果不佳的问题。
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 曾勋勋 , 陈飞 . 基于先验形状和循环移位的目标分割方法 : CN201610878522.0[P]. | 2016/10/9 . |
| MLA | 曾勋勋 et al. "基于先验形状和循环移位的目标分割方法" : CN201610878522.0. | 2016/10/9 . |
| APA | 曾勋勋 , 陈飞 . 基于先验形状和循环移位的目标分割方法 : CN201610878522.0. | 2016/10/9 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
本发明涉及一种基于深度玻尔兹曼机的协同目标分割与行为识别方法。该方法，首先利用深度玻尔兹曼机从目标行为训练库中学习行为与动作的多层结构特征，接着以底层图像分割为出发点，根据贝叶斯推理，将目标分割看作最大化条件概率，然后在学习得到的高层先验行为指导下，采用目标形状信息作为底层、中层和高层连接的纽带，并建立总的能量函数，最后通过能量极小化完成目标的同时分割与行为识别。本发明利用底层与高层的协同合作可以同时提高目标分割的精度和行为识别的准确性，解决了在低质量环境下由于噪声、遮挡、光照等多种因素影响下分割效果不佳的问题。
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 陈飞 , 曾勋勋 , 王灿辉 . 基于深度玻尔兹曼机的协同目标分割与行为识别方法 : CN201610878504.2[P]. | 2016/10/9 . |
| MLA | 陈飞 et al. "基于深度玻尔兹曼机的协同目标分割与行为识别方法" : CN201610878504.2. | 2016/10/9 . |
| APA | 陈飞 , 曾勋勋 , 王灿辉 . 基于深度玻尔兹曼机的协同目标分割与行为识别方法 : CN201610878504.2. | 2016/10/9 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Export
| Results： |
Selected to |
| Format： |
