論文元數據搜索，找到相關信息共 3 條：
2013, 35(4): 777-783.
doi: 10.3724/SP.J.1146.2012.01023
刊出日期：2013-04-19
借鑒變色龍視覺的高度獨立性、對稱性、全局性與選擇性兼顧等特點，該文提出一種基于雙PTZ (Pan-Tilt-Zoom)相機的主從跟蹤方法。由于兩個相機的對稱性和參數可變性、可控性，這種方法相對于靜止加主動相機的主從跟蹤系統(tǒng)，可以增大監(jiān)控范圍；相對于多靜止加主動相機的系統(tǒng)，可減小硬件開銷；相對于全向加主動相機的系統(tǒng)，更有利于信息融合。該文設計了基于球面坐標模型的主從控制方法，可方便實現兩相機在任意pan-tilt-zoom參數下的主從模式跟蹤，實現對目標的多尺度視覺關注。在室外場景中進行的多組實驗驗證了所提方法的有效性。
2023, 45(6): 2205-2215.
doi: 10.11999/JEIT220413
刊出日期：2023-06-10
針對目前深度學習單階段檢測算法綜合性能不平衡以及在嵌入式設備難以部署等問題，該文提出一種面向嵌入式平臺的高性能目標檢測算法?；谥豢?次5代 (YOLOv5)網絡，改進算法首先在主干網絡部分采用設計的空間頸塊代替原有的焦點模塊，結合改進的混洗網絡2代替換原有的跨級局部暗網絡，減小空間金字塔池化 (SPP)的內核尺寸，實現了主干網絡的輕量化。其次，頸部采用了基于路徑聚合網絡 (PAN)設計的增強型路徑聚合網絡 (EPAN)，增加了P6大目標輸出層，提高了網絡的特征提取能力。然后，檢測頭部分采用以自適應空間特征融合 (ASFF)為基礎設計的自適應空洞空間特征融合 (A-ASFF)來替代原有的檢測頭，解決了物體尺度變化問題，在少量增加額外開銷情況下大幅提升檢測精度。最后，函數部分采用高效交并比 (EIoU)代替完整交并比 (CIoU)損失函數，采用S型加權線性單元 (SiLU)代替HardSwish激活函數，提升了模型的綜合性能。實驗結果表明，與YOLOv5-S相比，該文提出的同版本算法在mAP@.5，mAP@.5:.95上分別提高了4.6%和6.3%，參數量降低了43.5%，計算復雜度降低了12.0%，在Jetson Nano平臺上使用原模型和TensorRT加速模型進行速度評估，分別減少了8.1%和9.8%的推理延遲。該文所提算法的綜合指標超越了眾多優(yōu)秀的目標檢測網絡，對嵌入式平臺更為友好，具有實際應用意義。
, 最新更新時間: ,
doi: 10.11999/JEIT240324
非局部稀疏表示模型，如聯合稀疏(JS)模型、低秩(LR)模型和組稀疏表示(GSR)模型，通過有效利用圖像的非局部自相似(NSS)屬性，在圖像去噪研究中展現出巨大的潛力。流行的基于字典的JS算法在其目標函數中利用松馳的凸懲罰，避免了NP-hard稀疏編碼，但只能得到近似的稀疏表示。這種近似的JS模型未能對潛在的圖像數據施加低秩性，從而導致圖像去噪質量降低。該文提出一種新穎的低秩正則聯合稀疏(LRJS)模型，用于求解圖像去噪問題。提出的LRJS模型同時利用非局部相似塊的LR和JS先驗信息，可以增強非局部相似塊之間的相關性(即低秩性)，從而可以更好地抑制噪聲，提升去噪圖像的質量。為了提高優(yōu)化過程的可處理性和魯棒性，該文設計了一種具有自適應參數調整策略的交替最小化算法來求解目標函數。在兩個圖像去噪問題(包括高斯噪聲去除和泊松去噪)上的實驗結果表明，提出的LRJS方法在客觀度量和視覺感知上均優(yōu)于許多現有的流行或先進的圖像去噪算法，特別是在處理具有高度自相似性的圖像數據時表現更為出色。提出的LRJS圖像去噪算法的源代碼通過以下鏈接下載：https://pan.baidu.com/s/14bt6u94NBTZXxhWjBHxn6A?pwd=1234 ，提取碼：1234。
