【摘 要】
：
针对在家居设计过程中饰品的挑选与摆放耗时较长的问题， 提出一种融合设计历史知识的数据驱动的智能饰品摆放方法. 首先将已有的专业设计师设计好的家居场景划分成一系列子空间结构， 针对存放饰品的子空间标记和提取对应的饰品与子空间的特征关联信息; 然后构建相应的学习模型， 把子空间的特征信息与饰品的特征信息构成融合特征; 接着， 在新的场景中对需要摆放饰品的系列子空间， 利用训练好的模型和饰品库的饰品特征
论文部分内容阅读
针对在家居设计过程中饰品的挑选与摆放耗时较长的问题， 提出一种融合设计历史知识的数据驱动的智能饰品摆放方法. 首先将已有的专业设计师设计好的家居场景划分成一系列子空间结构， 针对存放饰品的子空间标记和提取对应的饰品与子空间的特征关联信息; 然后构建相应的学习模型， 把子空间的特征信息与饰品的特征信息构成融合特征; 接着， 在新的场景中对需要摆放饰品的系列子空间， 利用训练好的模型和饰品库的饰品特征生成相应的饰品摆放方案; 同时， 根据饰品在已有的摆放历史数据中的位置和语义信息挖掘饰品之间的关联关系，
其他文献
针对体育视频动作识别方法正确率较低的问题,提出了一种结合融合不变性特征与混合核方法的体育视频动作识别方法.采用高斯混合模型构建不变性特征,并对特征进行降维.采用混合核方法分别完成局部特征与全局特征的分类.标准体育动作数据集上的实验结果表明,降维后的融合不变性特征能够保留体育动作关键信息,与混合核方法配合密切,该方法既能够显著提升识别性能,也能够提升识别效率.该方法可以构建实时、在线的体育视频动作识
相比于香农采样所需的大规模样本,压缩采样在视频信号的高能效表征方面具有独特优势。当关键帧采样率与非关键帧采样率不一致时,现有的帧间片匹配算法在多种联合采样率下呈现出不稳定的重建质量。为了充分利用帧间的相关性进行视频压缩感知重构,本文提出了一种采样率自适应的帧间片匹配重构算法,根据关键帧采样率与非关键帧采样率的相对变化执行差异化的帧间片匹配,以更好地适配不同联合采样率生成的视频码流。所提算法首先对各
遥感图像由于包含的地物尺度差别大、地物边界复杂等原因，造成准确提取遥感图像特征具有一定难度，精确分割遥感图像比较困难，针对这一问题，提出了一种编码-解码器的AFU-Net网络。在U-Net基础上使用一个自下而上、自上而下的结构，并引入密集跳跃连接得到融合不同层次的多尺度特征。使用非对称卷积块强化水平和垂直方向的平方卷积核，并采用残差单元加深网络深度。利用FReLU激活函数提升网络解析能力，从而提高
针对网络模型执行过程耗时过长的问题，受到像素切割网络架构中的编解码结构启发，设计了一种高效的轻量级主干网络，使用深度可分离卷积作为基本的卷积模块，利用了多维自学习模块（Multidimensional Self-Learning Module，MSLM）对特征矩阵进行自适应的学习来增强有用信息权重，同时使用编解码结构对其主干结构进行效率上的优化，设计出了深度可分离网络（Codec Depth Se
针对在用短波红外显微镜观测目标时，目标的尺寸往往会受到镜头景深限制的问题，提出一种多聚焦融合的方法，可有效扩展显微镜成像的景深。通过改变物距获得大量不同聚焦平面的图像，利用多尺度和局域加权方差来量化区域清晰度，获得焦平面掩膜，之后采用形态学方法优化掩膜边界，最终加权融合焦平面区域得到细节完备的目标整体图。实验中利用景深为10 μm左右的显微镜镜头得到了纵向尺寸为几百微米目标的高质量图像。实验结果表
近年来，分布式光伏站点数量迅速增长，频发的支路异常带来了巨大的发电效能损失，也产生了如何精准且高效检测多站支路异常的需求。为解决上述问题，本文提出了基于多站支路功率联合学习的分布式光伏支路异常检测方法。该方法通过多个光伏站支路异常检测任务联合学习的方式，提取了辨识多站支路异常特征的相似性和差异性表示；通过构建的多尺度卷积神经网络有效捕捉了多站支路功率中存在的差异性异常特征；利用辅助任务充分学习多站
交互式图像分割通过先验信息指导获取图像中人们感兴趣的部分，但是现有算法无法在效率和精度上实现平衡，为了解决此问题，提出了一种基于超像素和随机游走的快速交互式分割算法(random walk on superpixel,SPRW)。首先，将图像预分割为具有局部相似性的超像素区域，使用像素颜色均值对超像素区域表示；其次，根据人工标记的先验信息，建立F-B图结构，扩展随机游走的范围，并使用随机游走的方法
针对目前人脸表情识别方法准确率低、模型大和识别时间长的问题，提出了一种基于卷积神经网络的通道注意力人脸表情识别算法，在普通的卷积层中加入Xception网络中的可分离卷积网络，减少参数量和运算成本。在可分离卷积层的输出加入通道注意力Senet，实现对输出通道的权值按重要程度进行重新分配。引入Resnet网络中残差机制，减轻梯度消失现象。对设计的模型分别在CK+，RAF-DB数据集和FER2013数
针对传统的烟火检测方法在农田等复杂场景、干扰较多的环境下检测性能低的问题，在经典SSD模型基础上，引入残差学习模块对基础VGG16网络进行修改，修改特征金字塔网络结构并在改进SSD模型中构建新的特征金字塔，使用组归一化代替批量归一化进行数据归一化处理。对改进SSD模型与经典SSD模型、Yolo v3模型及Faster R-CNN模型进行对比测试，实验结果表明改进SSD模型较其他三种模型mAP分别提
为了克服分数阶变分图像复原模型在图像的不同区域变分策略恒定以及未有效利用退化函数先验信息的缺点，建立了一种充分利用退化函数先验信息的自适应分数阶图像复原模型。该模型利用退化函数的平滑先验，采用分数阶变分对退化函数加以表示，并通过极小化图像局部梯度信息对分数阶变分项进行约束。模型的优化求解采用极小化Bregman距离与对偶迭代相结合的方法，并通过对比实验证明建立的自适应分数阶图像复原模型可以更好地复