您的位置： 专家智库 > >

白静

作品数：38 被引量：129H指数：7
供职机构：北方民族大学计算机科学与工程学院更多>>
发文基金：国家自然科学基金宁夏回族自治区自然科学基金中国科学院西部之光基金更多>>
相关领域：自动化与计算机技术文化科学金属学及工艺更多>>

合作作者

文献类型

  • 36篇期刊文章
  • 2篇会议论文

领域

  • 34篇自动化与计算...
  • 4篇文化科学
  • 1篇金属学及工艺

主题

  • 14篇网络
  • 9篇图像
  • 8篇三维模型
  • 8篇维模型
  • 6篇神经网
  • 6篇神经网络
  • 6篇卷积
  • 5篇卷积神经网络
  • 4篇点云
  • 4篇三维模型检索
  • 3篇端到端
  • 3篇三维CAD模...
  • 3篇视图
  • 3篇细粒度
  • 3篇可重用
  • 3篇NET
  • 3篇草图
  • 3篇草图检索
  • 2篇多视图
  • 2篇虚拟试衣

机构

  • 38篇北方民族大学
  • 10篇杭州电子科技...
  • 1篇苏州大学
  • 1篇武汉大学
  • 1篇浙江科技学院
  • 1篇宁夏医科大学
  • 1篇中央民族大学

作者

  • 38篇白静
  • 9篇秦飞巍
  • 2篇贾艳波
  • 2篇任荣
  • 2篇张春梅
  • 2篇张少敏
  • 1篇陆惠玲
  • 1篇李娟
  • 1篇周广平
  • 1篇计忠平
  • 1篇袁文强
  • 1篇王晓峰
  • 1篇张霖
  • 1篇彭勇

传媒

  • 13篇计算机辅助设...
  • 6篇计算机工程与...
  • 4篇图学学报
  • 3篇教育教学论坛
  • 2篇计算机工程
  • 1篇计算机集成制...
  • 1篇光学精密工程
  • 1篇电子与信息学...
  • 1篇计算机科学
  • 1篇科技资讯
  • 1篇中国图象图形...
  • 1篇计算机科学与...
  • 1篇中国科学：信...
  • 1篇第十七届全国...

年份

  • 3篇2024
  • 8篇2023
  • 6篇2022
  • 2篇2021
  • 3篇2020
  • 5篇2019
  • 2篇2018
  • 1篇2017
  • 2篇2015
  • 2篇2014
  • 2篇2013
  • 1篇2012
  • 1篇2011
共 38 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
基于DenseNet-Attention模型的高光谱图像分类被引量：5
2020年
针对高光谱图像标记样本量少,提取特征不充分以及提取到的特征不区分贡献度的问题,提出一个新型的DenseNet-Attention网络模型(DANet)。首先,该模型利用三维卷积核同步提取联合光谱空间特征,同时密集连接网络(DenseNet)的稠密连接块除了能够充分提取更加鲁棒的特征外,还减少了大量参数;其次,自注意力(self-attention)机制作为一个模块加入到稠密连接块中,可以使上层提取到的特征在进入下一层网络之前,经过该模块对其进行权重分配,使具有丰富的物类别信息的特征得到加强,进而区分特征的贡献度。网络模型以原始高光谱图像邻域块作为输入,无需任何预处理,是一个端对端学习的深度神经网络。在印第安松树林和帕维亚大学数据集上进行对比试验,网络模型的分类精度分别能够达到99.43%和99.99%,有效提高了高光谱图像分类精度。
张永鹏张春梅白静
关键词：高光谱图像分类
面向三维点云的端到端细粒度分类网络
2023年
针对基于深度学习的三维点云分类方法在元类识别中对子类解译不足的问题,提出一种面向点云的三维模型细分类框架,构建具备层间语义相关和层内上下文感知的端到端细粒度点云网络——FGP-Net.首先以相互连接的卷积算子构建密集连接块,层内利用球邻域查询构造局部区域以完成局部到整体的特征映射,并通过偏置注意力机制关注上下文差异,从而更好地捕捉细粒度属性;然后在层间利用多层特征融合策略探索各层特征间的相关性,通过反向传播学习相关语义信息以提升模型分类性能.在FG3D的3个子数据集Airplane,Chair和Car上的实验结果表明,FGP-Net的总体准确率分别达到95.77%,80.88%和77.94%;与先进的三维点云分类模型PointNet++,PointCNN,Point2Sequence,DGCNN等相比,FGP-Net的分类性能均具有一定的优越性.
白静邵会会姬卉武如嵩
关键词：三维点云
基于自适应多类中心和半异构网络的三维模型草图检索
2022年
草图具有易于构建且不受语言、专业、年龄限制等优势,基于手绘草图的三维模型检索受到越来越多的关注。然而在三维模型草图检索任务中,三维模型具有复杂性,草图具有类内多样性,同时三维模型与草图之间又具有巨大的域间差异性,这些特点的相互作用严重影响检索的准确性。针对以上问题,提出了一种基于自适应多类中心和半异构网络的三维模型草图检索方法。首先,通过异构网络分别提取草图和三维模型的初始特征:设计了基于自适应多类中心的草图特征嵌入子网络以捕捉草图数据的类内多样性,采用了基于多视图特征融合的三维模型特征嵌入子网络适应三维模型的复杂性。然后,以包含丰富语义信息的语义标签为指引,构建同构网络实现草图-三维模型的跨域共享特征嵌入,缩小域间的差异性。在大型公开数据集SHREC2013和SHREC2014上的对比实验表明,该算法获得了和当前最好算法一致的检索性能。
白静拖继文白少进杨瞻源
关键词：三维模型检索
无人驾驶中的场景实时语义分割方法被引量：10
2021年
无人驾驶的一个重要组成部分是汽车行驶环境感知,使人们对可在低功耗移动设备上实时运行的高精度语义分割方法产生了强烈的需求.然而,在分析影响语义分割网络精度和速度的因素时可以发现,空间信息和上下文特征很难兼顾,而使用2路网络分别获取空间信息和上下文信息的方法,又会增加计算量及存储量.因此,提出从残差结构网络中划分出空间信息路径和上下文信息路径的想法,并基于此设计一个双路语义分割网络.该网络还含有用于融合2路多尺度特征的特征融合模块,以及用于优化上下文语义路径输出结果的注意力精炼模块.该网络基于PyTorch框架实现,使用NVIDIA1080Ti显卡进行实验,在道路场景数据集Cityscapes上,mIoU达到78.8%,运行速度达到27.5帧/s.
秦飞巍沈希乐彭勇邵艳利袁文强袁文强计忠平
关键词：无人驾驶
MSP-Net:多尺度点云分类网络被引量：11
2019年
针对传统点云分类网络难以充分发挥卷积神经网络优势的问题,提出一种多尺度点云分类网络MSP-Net.首先,基于局部区域划分的完备性、自适应性、重叠性及多尺度特性要求,提出了多尺度局部区域划分算法,并以点云及不同层次的特征为输入,得到多尺度局部区域;然后构建了包含单尺度特征提取、低层次特征聚合及多尺度特征融合等模块的多尺度点云分类网络.该网络充分地模拟了卷积神经网络的作用原理,具备随着网络尺度和深度的增加,局部感受野越来越大,特征抽象程度越来越高的基本特征.最后将该算法应用在标准公开数据集ModelNet10和ModelNet40上,分别取得了94.71%和91.73%的分类准确率,表明该算法在同类工作中处于领先或相当的水平,验证了算法思想的可行性及有效性.
白静徐浩钧
基于扩展特征树的三维CAD模型相似评价被引量：9
2014年
针对现有的三维CAD模型检索算法难以有效捕捉零件中包含的工程语义、无法满足设计重用需求的问题,提出一种基于扩展特征树的三维CAD模型相似评价方法。以三维CAD模型的边界表示为输入,通过交互定义设计特征及自动识别特征间关系的方法建立其扩展特征树;综合扩展特征树及其特征的几何属性表征给定三维CAD模型,并通过非精确的树匹配算法及一种自适应的权重分配方案实现三维CAD模型间的相似评价。理论分析及实验结果表明,该算法能够快速检索到相似的三维CAD模型,其检索结果较好地反映了模型的设计语义,满足设计重用需求。
白静
关键词：三维实体模型树匹配
基于多局部显著视图与CNN的三维模型分类被引量：4
2018年
为提高基于视图的三维模型分类算法准确度,结合多局部显著视图与卷积神经网络(CNN)提出一种新的三维模型分类算法。提取三维模型多视角下的局部视图,引入显著性评价,建立多局部显著视图集合,以合理表征原始三维模型,兼顾数据表示的完整性和多样性。在此基础上,综合单视图CNN,利用bagging策略构建面向三维模型分类任务的集成深度学习模型,从而提高分类器的泛化性和准确率。在ModelNet10数据集上的实验结果表明,该算法可有效提高分类准确率。
白静相潇司庆龙刘振刚秦飞巍
关键词：卷积神经网络
面向三维模型多样化分类的深度集成学习
2023年
基于深度学习的三维模型分类方法大都面向特定的具体任务,在面向三维模型多样化分类任务时表现不佳,泛用性不足。为此,提出了一种通用的端到端的深度集成学习模型E2E-DEL(end-to-end deep ensemble learning),由多个初级学习器和一个集成学习器组成,可以自动学习复杂三维模型的复合特征信息;并使用层次迭代式学习策略,综合考量不同层次网络的特征学习能力,合理平衡各个初级学习器的子特征学习和集成学习器的集成特征学习效果,自适应于三维模型多样化分类任务。基于此,设计了一种面向多视图的深度集成学习网络MV-DEL(multi-view deep ensemble learning),应用于一般性、细粒度、零样本三种不同类型的三维模型分类任务中。在多个公开数据集上的实验验证了该方法具有良好的泛化性与普适性。
白少进白静司庆龙姬卉袁涛
图卷积神经网络及其在图像识别领域的应用综述
2023年
卷积神经网络被广泛应用于图像识别领域并且展现出强大的特征提取能力,但它只能处理欧氏空间的结构化数据,无法适用于非结构化数据的处理。为应对该限制,图卷积神经网络利用谱域和空域方法,拓展了卷积运算的范围,使其能够在非欧几里德空间中进行特征学习,具备图数据的平移不变性,可以实现对非结构化图数据的表征学习。首先阐述了基于频域和空域的两种类型图卷积神经网络的基本原理,并且介绍了相关的改进工作;然后围绕图像识别领域,重点介绍了图卷积神经网络在多标签图像识别、基于骨架的动作识别和高光谱图像分类中的具体应用,总结其研究的最新进展,并对相关的模型进行了性能对比与分析;最后对全文内容进行总结,并对未来的发展方向进行展望。
李文静白静彭斌杨瞻源
关键词：图像识别人工智能
网络工程专业工作坊教学模式改革探索被引量：3
2019年
针对网络工程专业实践类课程存在的问题,建立工作坊教学模式,并以《Web程序设计》为例展开改革探索,初步验证工作坊教学模式在网络工程专业实践课中的应用效果。
白静贾艳波李娟
关键词：工作坊网络工程专业
全选 清除 导出
共4页<1234>
聚类工具0