Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 341

年份

2024 1

2023 33

2022 32

2021 38

2020 25

2019 24

2018 22

2017 36

2016 14

2015 7

2014 6

2013 7

2012 8

2011 8

2010 7

2009 8

2008 5

2007 10

2006 7

2005 10

展开︾

关键词

多目标优化 11

检测 5

固体废物 4

无损检测 4

目标识别 4

资源化利用 4

COVID-19 2

TMS320DM642 2

主成分分析 2

发展目标 2

可靠性灵敏度 2

悬索桥 2

效果评估 2

无氢渗碳 2

稳健设计 2

2035 1

2035年 1

4-adj模型 1

5G 1

展开︾

检索范围：

排序：展示方式：

基于场景自适应概念学习的无监督目标检测 Research Articles

浦世亮1,赵暐1,陈伟杰1,杨世才1,谢迪1,潘云鹤2

《信息与电子工程前沿（英文）》 2021年第22卷第5期页码 615-766 doi: 10.1631/FITEE.2000567

摘要：目标检测是机器视觉领域最热门的研究方向之一，在学术界已取得令人瞩目的成果，在工业界也存在许多有价值的应用。然而，主流的检测方法仍有两个缺陷：（1）即使是经过大量数据有效训练的模型，仍然无法很好地泛化到新场景中；（2）模型一旦部署到位，则无法随着不断累积的无标注数据自主进化。为克服上述问题，受视觉知识理论启发，提出一种场景自适应进化的无监督视频目标检测算法，该算法可利用目标群体概念，降低场景变化带来的不利影响。首先通过预训练检测模型从无标注数据中提取大量候选目标，然后对候选目标聚类，构建目标概念的视觉知识字典，其中各个聚类中心代表一种目标原型。其次，通过研究不同目标簇和不同群体目标信息之间的关系，提出基于图的群体信息传播策略以判断目标概念的归属，可有效区分候选目标。最终，利用收集到的伪类标微调预训练模型，实现算法对新场景的自适应。

关键词：视觉知识；无监督视频目标检测；场景自适应学习

HTML PDF 收藏

联合局部学习和组稀疏回归的无监督特征选择 Regular Papers

Yue WU, Can WANG, Yue-qing ZHANG, Jia-jun BU

《信息与电子工程前沿（英文）》 2019年第20卷第4期页码 538-553 doi: 10.1631/FITEE.1700804

摘要：由于难以获取标签信息，无监督特征选择算法相较于有监督特征选择算法应用更为广泛，其关键在于找出更能反映数据分布的特征集合。由于数据集中存在冗余和噪声，使用全部特征并不能很好展现数据的真实分布。为解决这一问题，本文提出联合局部学习和组稀疏回归的无监督特征选择算法。将基于局部学习聚类方法与组稀疏回归算法有机整合，选出有效反映数据流形分布同时保持组稀疏结构的特征。

关键词：无监督；局部学习；组稀疏回归；特征选择

HTML PDF 收藏

无监督域自适应的动态参数化学习 Research Article

蒋润华1,2,韩亚洪1,2

《信息与电子工程前沿（英文）》 2023年第24卷第11期页码 1616-1632 doi: 10.1631/FITEE.2200631

摘要：无监督领域自适应通过学习域不变表示实现神经网络从有标签数据组成的源域到无标签数据组成的目标域迁移。近期研究通过直接匹配这两个域的边缘分布实现这一目标。此外，为获得判别能力强和域不变的表示，提出在源域和目标域上对齐优化过程。本文通过综合实验证明了所提出方法的有效性，并在3个视觉任务的7个数据集上进行广泛比较，证明可行性。

关键词：无监督领域自适应；优化步骤；跨域判别表示；语义判别

HTML PDF 收藏

FAAD：一种无监督快速准确的数据流上多维序列异常检测方法 Regular Papers

Bin LI, Yi-jie WANG, Dong-sheng YANG, Yong-mou LI, Xing-kong MA

《信息与电子工程前沿（英文）》 2019年第20卷第3期页码 388-404 doi: 10.1631/FITEE.1800038

摘要：最近，序列异常检测被广泛应用于许多领域。这些领域中的序列数据在数据流上通常是多维的。设计同时满足检测精度和速度的数据流上多维序列异常检测方法是一个挑战。因为：（1）序列数据和庞大状态空间的维度冗余导致序列建模能力较差；（2）异常检测无法适应数据流的高速性，尤其是概念漂移会降低检测率。一方面，大多数现有序列异常检测方法集中在单维序列。为提高数据流上多维序列异常检测性能，提出一种新型无监督快速和准确异常检测（fast and accurate anomaly detection，FAAD）方法，该方法包括3种算法。其次，为加速模型构建确保数据流上序列的检测率，提出一种“基于索引概率后缀树的随机抽样和子序列划分”（random sampling and subsequence partitioning based在流平台Storm上实施FAAD检测多维日志审计数据。与现有异常检测方法相比，FAAD在检测精度和速度方面不受概念漂移影响，具有良好性能。

关键词：数据流；多维序列；异常检测；概念漂移；特征选择

HTML PDF 收藏

针对无监督域自适应问题的深度逐层领域修正算法 Article

Shuang LI, Shi-ji SONG, Cheng WU

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 91-103 doi: 10.1631/FITEE.1700774

摘要：该算法通过在已有深度网络中增加领域修正层，将源域网络成功适配到目标领域。逐层增加的领域修正层能够将两个领域特征的最大均值偏差（maximum mean discrepancy, MMD）距离最小化，从而完美匹配源域和目标域样本的特征表示。LDC算法不需要目标领域有标记样本，在几个跨领域分类识别数据集都取得了当时最好结果，且其训练比已有深度域自适应算法快近10倍。

关键词：无监督域自适应；最大均值偏差；残差网络；深度学习

HTML PDF 收藏

体育视频摘要中的镜头分类和回放检测 Research Article

Ali JAVED, Amen ALI KHAN

《信息与电子工程前沿（英文）》 2022年第23卷第5期页码 790-800 doi: 10.1631/FITEE.2000414

摘要：由于摄像机、回放速度、光照条件、剪辑效果、比赛结构和类型等方面的差异，体育视频摘要的自动分析具有挑战性。为了解决这些问题，针对户外运动视频，本文提出一种基于镜头分类和回放检测的有效视频摘要框架。准确的镜头分类对于更好地安排输入视频从而进行进一步处理（关键事件或回放检测）是必要的。因此，提出一种基于轻量级卷积神经网络的镜头分类方法。该方法对每一个镜头进行回放检测；特别地，检测出从体育视频中识别出回放片段的连续标识转换帧。为此，提出局部八元模式特征来表示视频帧，并训练极限学习机分为回放或非回放两类。基于YouTube体育视频集中的足球、棒球和板球运动对所提框架进行性能评估。实验结果证明所提框架能够可靠地用于户外运动视频摘要的镜头分类和回放检测。

关键词：极限学习机；轻量级卷积神经网络；局部八元模式；镜头分类；回放检测；视频摘要

HTML PDF 收藏

针对水下作业的新型机器人视觉感知框架 Research Article

鲁岳1,陈星宇2,吴正兴1,喻俊志1,3,文力4

《信息与电子工程前沿（英文）》 2022年第23卷第11期页码 1602-1619 doi: 10.1631/FITEE.2100366

摘要：

水下机器人操作通常需要视觉感知（如目标检测和跟踪），但水下场景视觉质量较差，且代表一种特殊分布，会影响视觉感知的准确性。同时，检测的连续性和稳定性对机器人感知也很重要，但常用的基于静态精度的评估（即平均精度（average precision））不足以反映检测器的时序性能。首先，研究不同质量的数据分布与视觉恢复在检测性能上的关系。结果表明虽然分布质量对分布内检测精度几乎没有影响，但是视觉恢复可以通过缓解分布漂移，从而有益于真实海洋场景的检测。此外，提出基于目标轨迹的检测连续性和稳定性的非参考评估方法，以及一种在线轨迹优化（online tracklet refinement，OTR）来提高检测器的时间性能。为了将视频目标检测（video object detection，VID）方法扩展到单目标跟踪任务，提出小交并比抑制（small-overlap suppression，SOS）方法，实现目标检测和目标跟踪之间的灵活切换

关键词：水下作业；机器人感知；视觉恢复；视频目标检测

HTML PDF 收藏

基于时域滤波和关联策略的红外慢速目标检测 Article

Jing-li GAO,Cheng-lin WEN,Zhe-jing BAO,Mei-qin LIU

《信息与电子工程前沿（英文）》 2016年第17卷第11期页码 1176-1185 doi: 10.1631/FITEE.1601203

摘要：红外慢速目标的一些独特特性，例如像素少，不成形的边缘信息，低信杂比和低速等，使得它们的检测异常困难，而当被淹没在复杂背景中时尤甚。为了解决这一问题，根据时域目标检测和关联策略，本文提出了一种有效的红外目标检测算法。首先，建立一种时域目标检测模型对疑似目标进行分割，该模型主要包含三个阶段，时域滤波，时域目标融合和交叉积滤波；然后提出一种图模型，来关联不同时刻获取的疑似目标。这种关联依赖于目标的运动和表观特征，可进行多次关联操作获取目标轨迹，并据此区分真实目标和由噪声或杂波引起的虚假目标。实验结果表明本文提出的方法能够准确、鲁棒地检测复杂背景下的红外慢速目标，且与几种基准方法相比具有优越的检测性能。

关键词：时域目标检测；慢速移动目标；图匹配；目标关联

HTML PDF 收藏

联邦无监督表示学习 Research Article

张凤达1,况琨1,陈隆1,游兆阳1,沈弢1,肖俊1,张寅1,吴超2,吴飞1,庄越挺1,李晓林3,4,5

《信息与电子工程前沿（英文）》 2023年第24卷第8期页码 1181-1193 doi: 10.1631/FITEE.2200268

摘要：为利用分布式边缘设备上大量未标记数据，我们在联邦学习中提出一个称为联邦无监督表示学习(FURL)的新问题，以在没有监督的情况下学习通用表示模型，同时保护数据隐私。

关键词：联邦学习；无监督学习；表示学习；对比学习

HTML PDF 收藏

融合自监督图学习与目标自适应屏蔽的会话型推荐方法 Research Article

王祎童,蔡飞,潘志强,宋城宇

《信息与电子工程前沿（英文）》 2023年第24卷第1期页码 73-87 doi: 10.1631/FITEE.2200137

摘要：为了解决上述问题，本文提出一种融合自监督图学习与目标自适应屏蔽的会话型推荐方法(SGL-TM)。具体来说，首先根据所有涉及到的会话构建全局图，然后从物品之间的全局连接中捕捉自监督信号，用来监督模型生成当前会话中准确的物品表示。之后，通过比较真值与经过我们设计的目标自适应屏蔽模块调整后的物品的预测分数来计算主监督损失。最后，将主监督组件与辅助自监督模块相结合，以获得用来优化模型参数的最终损失。

关键词：会话型推荐；自监督学习；图神经网络；目标自适应屏蔽

HTML PDF 收藏

学习挑选伪标签：一种用于命名实体识别的半监督学习方法 Research Articles

李真真,冯大为,李东升,卢锡城

《信息与电子工程前沿（英文）》 2020年第21卷第6期页码 809-962 doi: 10.1631/FITEE.1800743

摘要：本文提出一种用于NER任务的半监督方法，其通过学习一个判别模块筛除错误伪标签，以创建高质量标注数据。伪标签是为未标记数据自动生成的标签，并被当作真实标签用来训练模型。该半监督框架包括3个步骤：为特定NER任务构建最佳单神经网络模型，学习一个评价伪标签的模块，以及迭代创建新的标记数据和改进NER模型。

关键词：命名实体识别；无标注数据；深度学习；半监督学习方法

HTML PDF 收藏

一种面向地面区域检测和目标跟踪的多传感器系统协同调度方法 Research Article

张昀普,付强,单甘霖

《信息与电子工程前沿（英文）》 2023年第24卷第2期页码 245-258 doi: 10.1631/FITEE.2200121

摘要：本文提出一种面向多任务协同的多传感器系统协同调度方法，并将其应用于地面区域检测和目标跟踪。调度的目的是选择最佳的传感器来完成分配的作战任务，并获得最佳作战收益。首先建立区域检测模型，并提出检测风险的计算方法以量化在调度中的检测收益。然后结合道路约束信息和多普勒盲区信息建立地面目标跟踪模型，并引入后验克拉美罗下限评估未来时刻的跟踪精度。最后，考虑检测、跟踪和能耗控制的需求建立目标函数，通过求解目标函数，得到最优的传感器调度方案。仿真结果表明，所提传感器调度方法可以选择合适的传感器完成所需作战任务，并在区域检测、目标跟踪和能耗控制方面均具有良好性能。

关键词：传感器调度；区域检测；目标跟踪；道路约束；多普勒盲区

HTML PDF 收藏

基于多表征声呐数据特征融合的水下目标检测方法 Research Article

王非1,李婉玉1,刘淼2,周景春1,张维石1

《信息与电子工程前沿（英文）》 2023年第24卷第6期页码 828-843 doi: 10.1631/FITEE.2200429

摘要：现有水下目标检测方法多基于物体的几何形状从声呐数据中识别物体，这些方法几乎忽略数据采集和数据表征过程所产生的形状畸变问题。该框架中设计了三种特征融合策略，以分析特征融合对检测器不同模块的影响。同时，这些融合策略可以直接集成到其他检测器中，如YOLO系列。实验结果表明，所提特征融合方法对检测器中候选区域模块和分类模块的结果都有所增益。

关键词：水下目标检测；声呐数据表示形式；特征融合

HTML PDF 收藏

面向运动估计器硬件实现的加权块匹配检测算法

张霞,郑南宁,张光烈,吴勇,王少瑞,徐维朴

《中国工程科学》 2002年第4卷第1期页码 47-53

摘要：

在各种视频处理算法中，运动补偿型算法大大提高了各种视频处理效果。运动估计器的硬件实现是各种运动补偿视频处理算法在实际系统中运用的关键。由于块匹配运动估计算法较低的运算复杂度和硬件实现难度以及块匹配检测标准函数很高的调用频率，已经广泛应用到各种实际系统中。文中提出了加权最小最大误差的匹配检测标准，能够降低运动估计器的运算复杂度，减少估计器的硬件面积，提高硬件速度，而且能够降低递归搜索块匹配运动估计算法固有误差传递带来的负面影响。

关键词：视频处理运动补偿运动估计块匹配检测标准