检索范围:
排序: 展示方式:
EDVAM:用于虚拟博物馆视觉注意建模的三维眼动数据集 Research Article
周赟湛1,冯天2,帅世辉3,厉向东4,孙凌云5,杜本麟2
《信息与电子工程前沿(英文)》 2022年 第23卷 第1期 页码 101-112 doi: 10.1631/FITEE.2000318
视觉知识的五个基本问题 Perspectives
潘云鹤
《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.2040000
面向视觉概念构建的三维形状空间学习:挑战与研究进展 Perspective
童欣
《信息与电子工程前沿(英文)》 2022年 第23卷 第9期 页码 1290-1297 doi: 10.1631/FITEE.2200318
基于定量属性的单目标视觉跟踪算法评价体系研究 Article
Wen-jing KANG, Chang LIU, Gong-liang LIU
《信息与电子工程前沿(英文)》 2020年 第21卷 第3期 页码 405-421 doi: 10.1631/FITEE.1900245
关键词: 视觉跟踪;性能评价;视觉属性;计算机视觉
基于图卷积注意力网络的视频摘要方法 Research Articles
李平1,2,唐超1,徐向华1
《信息与电子工程前沿(英文)》 2021年 第22卷 第6期 页码 902-913 doi: 10.1631/FITEE.2000429
面向视觉常识推理的有向视觉连接 Research Articles
韩亚洪1,2,武阿明1,朱霖潮3,杨易3
《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.2000722
视觉知识:智能创意初探 Perspectives
庄越挺,汤斯亮
《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.2100116
基于人工智能技术的儿童ADHD辅助诊断系统 Research
张雁翼1,孔鸣2,赵天琦2,洪文琛2,谢迪3,王春茂3,杨荣旺1,李荣1,朱强2
《信息与电子工程前沿(英文)》 2021年 第22卷 第3期 页码 400-414 doi: 10.1631/FITEE.1900729
NGAT:基于广度和深度探索注意力机制的半监督图表示学习 Research Articles
胡荐苛,张引
《信息与电子工程前沿(英文)》 2022年 第23卷 第3期 页码 409-421 doi: 10.1631/FITEE.2000657
关键词: 图学习;半监督学习;节点分类;注意力机制
基于注意机制编码解码模型的答案选择方法 Article
Yuan-ping NIE, Yi HAN, Jiu-ming HUANG, Bo JIAO, Ai-ping LI
《信息与电子工程前沿(英文)》 2017年 第18卷 第4期 页码 535-544 doi: 10.1631/FITEE.1601232
关键词: 问答技术、答案选择、注意机制、深度学习
论视觉知识 Perspective
Yun-he PAN
《信息与电子工程前沿(英文)》 2019年 第20卷 第8期 页码 1021-1025 doi: 10.1631/FITEE.1910001
关键词: None
一种端到端语音合成中的高效解码自注意力网络 Research Article
赵伟1,2,许力1,2
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1127-1138 doi: 10.1631/FITEE.2100501
关键词: 高效解码;端到端;自注意力网络;语音合成
室内导航系统视觉标记性能分析 Article
Gaetano C. LA DELFA,Salvatore MONTELEONE,Vincenzo CATANIA,Juan F. DE PAZ,Javier BAJO
《信息与电子工程前沿(英文)》 2016年 第17卷 第8期 页码 730-740 doi: 10.1631/FITEE.1500324
关键词: 室内定位;视觉标记;计算机视觉
户外空中双机械手抓取设计和视觉伺服 Article
Pablo Ramon-Soria, Begoña C. Arrue, Anibal Ollero
《工程(英文)》 2020年 第6卷 第1期 页码 77-88 doi: 10.1016/j.eng.2019.11.003
本文介绍了一种配备有RGB-D摄像机的使用带有双机械手的无人飞行器(unmanned aerial vehicle, UAV)抓取已知物体的系统。空中操纵仍然是一项极具挑战性的任务。本文主要从三个方面对这一任务进行了评价:目标检测与姿态估计、抓取设计、飞行中的抓取动作。人工神经网络(artificial neural network, ANN)首先被用来获得有关物体位置的线索。接下来,使用对齐算法获取对象的六维(six-dimensional, 6D)姿态,并使用扩展的卡尔曼滤波器进行滤波。然后,使用物体的三维(three-dimensional, 3D)模型来估计空中机械手可实现良好抓取的排列清单。检测算法的结果(即对象的姿态)用于更新手臂朝向对象的轨迹。如果由于无人机的振荡而无法达到目标姿态,则算法将切换到下一个可行的抓取。本文介绍了总体方法,给出了每个模块的仿真实验结果和实际实验结果,并提供了视频演示结果。
关键词: 空中操纵,抓取设计,视觉伺服
标题 作者 时间 类型 操作
室内导航系统视觉标记性能分析
Gaetano C. LA DELFA,Salvatore MONTELEONE,Vincenzo CATANIA,Juan F. DE PAZ,Javier BAJO
期刊论文