研究论文 在上共享 使用线性时变叠加层系统进行三维物体识别作者:穆罕默德 索拉比·纳斯拉巴迪,雷扎 萨法巴赫什作者信息和声明IET计算机视觉,体积15,问题5页380-391https://doi.org/10.1049/cvi2.12029出版:2021年4月9日 出版历史 获取引文提醒新增引文提醒!此警报已成功添加,将发送到:只要您选择的记录被引用,您就会收到通知。新引文提醒!拜托登录到您的帐户 目录IET计算机视觉体积15,问题5以前的文章SASO公司上一个摘要工具书类信息和贡献者文献计量学和引文视图选项工具书类媒体桌子分享摘要目标识别是计算机视觉中一项具有挑战性的任务,有着众多的应用。面临的挑战是选择具有可承受计算成本的适当健壮特征。特征学习试图通过使用各种对象样本的学习过程来解决特征提取问题。本研究提出了一个两阶段优化框架,以识别一阶线性非齐次差分方程的结构,该方程是构建图像的线性时变叠加层系统(LtvoL)。第一阶段是通过应用遗传算法确定一组有限的脉冲,称为叠加层。第二阶段定义了从中导出的相应差分方程的系数L(左)2正规化。通过专门为此模型设计的新过程,可以对测试图像进行分类。在华盛顿RGB‐D数据集和ETH‐80上的实验显示出了可喜的结果,这些结果可与基于RGB-D的对象识别的最先进方法相媲美。工具书类[1]Dash,M.,Liu,H.:分类的特征选择。智力。数据分析. 1(1‐4), 131–156 (1997)谷歌学者[2]Guyon,I.,Elisseeff,A.:变量和特征选择简介。J.马赫。学习。雷斯. 3, 1157–1182 (2003)谷歌学者[3]Unler,A.,Murat,A.:一种用于二进制分类问题中特征选择的离散粒子群优化方法。欧洲药典。雷斯. 206(3), 528–539 (2010)谷歌学者[4]Liu,Y.等:一种改进的粒子群特征选择算法。J.拜恩。工程. 8(2), 191–200 (2011)谷歌学者[5]Chang,H.C.等人:利用混合田口遗传算法求解带总工期优化的柔性作业车间调度问题。IEEE接入. 3, 1740–1754 (2015)谷歌学者[6]Kuo,P.H.等人:采用模糊逻辑和自适应分区进化遗传算法开发了一个自动情感音乐伴奏系统。IEEE接入. 3, 815–824 (2015)谷歌学者[7]Xue,B.等人:特征选择的进化计算方法综述。IEEE传输。进化。计算. 20(4), 606–626 (2015)谷歌学者[8]Al‐Sahaf,H.:用少量实例自动合成鲁棒图像描述符的遗传编程(博士论文),3-6。新西兰惠灵顿维多利亚大学(2017)谷歌学者[9]Sîrbu,A.,Ruskin,H.J.,Crane,M.:基因调控网络推理的阶段:进化算法的作用。在:进化算法IntechOpen(2011年)谷歌学者[10]Tsoulos,I.G.,Lagaris,I.E.:用遗传编程求解微分方程。遗传学。程序。进化马赫数. 7(1), 33–54 (2006)谷歌学者[11]古铁雷斯。纳瓦罗·D·洛佩兹。Aguayo,S.:使用遗传算法和泰勒级数矩阵法求解常微分方程。《物理学杂志》。Commun公司. 2(11), 115010 (2018)谷歌学者[12]Brunton,S.L.,Proctor,J.L.,Kutz,J.N.:通过非线性动力系统的稀疏识别从数据中发现控制方程。程序。国家。阿卡德。科学。美国. 113(15), 3932–3937 (2016)谷歌学者[13]Xu,W.W.,Stalzer,M.:基于数据集的代数公式推导紧致定律。J.计算。科学。马德里(2019)谷歌学者[14]Arnaldo,I.,O'Reilly,U.M.,Veeramachaneni,K.:通过特征合成构建预测模型。在:2015年遗传和进化计算年度会议记录(ACM),第983–990页。西班牙马德里(2015)谷歌学者[15]纳迪·A·塔亚拉尼。Bathaie,S.、Safabakhsh,R.:使用基于变异的遗传算法进化神经网络结构和权重。在:2009年第14届国际CSI计算机会议(IEEE),第536–540页(2009年)谷歌学者[16]Stanley,K.O.,Bryant,B.D.,Miikkulainen,R.:nero视频游戏中的实时神经进化。IEEE传输。进化。计算. 9(6), 653–668 (2005)谷歌学者[17]Stanley,K.O.,Miikkulainen,R.:通过增强拓扑进化神经网络。进化。计算. 10(2), 99–127 (2002)谷歌学者[18]Risi,S.、Stanley,K.O.:基于增强超立方体的编码,用于进化神经元的位置、密度和连接性。Artif公司。生活. 18(4), 331–363 (2012)谷歌学者[19]Rempis,C.,Pasemann,F.:一种用于复杂机器人行为控制的交互式约束神经进化方法。在:用于实际应用的进化算法变体第305–341页。斯普林格,柏林(2012)谷歌学者[20]Sher,G.I.:基板塑性。在:Erlang神经进化手册第735-752页。柏林施普林格出版社(2013)谷歌学者[21]Vargas,D.V.,Murata,J.:具有统一神经模型的光谱多样性神经进化。IEEE交易。神经网络。学习。系统. 28(8), 1759–1773 (2016)谷歌学者[22]Edlund,J.A.等人:在动画师的进化过程中,随着适应度的增加,综合信息也会增加。公共科学图书馆计算。生物.7(10),e1002236(2011)谷歌学者[23]Rostami,S.,Neri,F.:用于多目标优化问题的快速超级卷驱动选择机制。Swarm进化。计算. 34, 50–67 (2017)谷歌学者[24]Shenfield,A.,Rostami,S.:人工神经网络在具有类不平衡的多类医学诊断问题中的多目标进化。在:IEEE生物信息学和计算生物学计算智能会议(IEEECIBCB),第1-8页(2017年)谷歌学者[25]Iba,H.:通过遗传编程推断微分方程模型。信息科学. 178(23), 4453–4468 (2008)谷歌学者[26]Deng,X.,Ali,H.:重建基因调控网络的计算方法。在:计算系统生物信息学。CSB2003.2003年IEEE生物信息学会议论文集(IEEE CSB2003)第413-414页(2003年)谷歌学者[27]Noman,N.,Iba,H.:使用差异进化和局部搜索启发式推断基因调控网络。IEEE ACM传输。计算。生物信息素. 4(4), 634–647 (2007)谷歌学者[28]Daisuke,T.,Horton,P.:从基因表达时间序列推断无标度网络。生物信息学杂志。计算。生物. 4(02), 503–514 (2006)谷歌学者[29]Kabir,M.、Noman,N.、Iba,H.:使用线性时变模型从微阵列数据反向工程基因调控网络。BMC生物信息.11(1),S56(2010)谷歌学者[30]Keedwell,E.,Narayanan,A.:发现具有神经-遗传杂交的基因网络。IEEE ACM传输。计算。生物信息素. 2(3), 231–242 (2005)谷歌学者[31]Kordmahalleh,M.M.等人:通过可进化递阶递归神经网络识别时滞基因调控网络。生物数据最小值. 10(1), 29 (2017)谷歌学者[32]Samra,G.A.,Khalefah,F.:使用动态图像处理技术和遗传算法定位车牌号。IEEE传输。进化。计算. 18(2), 244–257 (2013)谷歌学者[33]Lones,M.A.等人:进化分类器以识别帕金森病患者的运动特征。IEEE Trans-Evol计算. 18(4), 559–576 (2013)谷歌学者[34]Krawiec,K.,Bhanu,B.:通过进化和协同进化特征合成进行视觉学习。IEEE传输。进化。计算. 11(5), 635–650 (2007)谷歌学者[35]Lillywhite,K.等人:一种用于一般目标识别的特征构造方法。图案重新设计. 46(12), 3300–3314 (2013)谷歌学者[36]Naqvi,S.S.,Browne,W.N.,Hollitt,C.:通过光谱消光检测显著物体。图案识别. 51, 209–224 (2016)谷歌学者[37]Iqbal,M.等人:学习各种图像类型的特征融合策略以检测显著对象。图案识别. 60, 106–120 (2016)谷歌学者[38]Al‐Sahaf,H.等人:关键点检测和特征提取:用于进化旋转不变纹理图像描述符的动态遗传编程方法。IEEE传输。进化。计算. 21(6), 825–844 (2017)谷歌学者[39]Shah,S.A.A.等人:用于三维物体识别的进化特征学习。IEEE接入. 6, 2434–2444 (2018)谷歌学者[40]Porter,T.,Duff,T.:合成数字图像ACM SIGGRAPH Compute。图表。18,第253-259页。(1984)谷歌学者[41]Lai,K.等人:大规模分层多视图RGB‐D对象数据集。在:2011年IEEE机器人与自动化国际会议(IEEE)第1817-1824页(2011年)谷歌学者[42]Lai,K.等人:结合RGB和深度信息进行目标识别的稀疏距离学习。在:2011年IEEE机器人与自动化国际会议(IEEE)第4007-4013页(2011年)谷歌学者[43]Socher,R.等人:卷积-用于三维对象分类的递归深度学习。在:神经信息处理系统研究进展,第656–664页(2012年)谷歌学者[44]Bo,L.,Ren,X.,Fox,D.:用于对象识别的深度核描述符。在:2011年IEEE/RSJ智能机器人和系统国际会议(IEEE)第821-826页(2011年)谷歌学者[45]Bo,L.,Ren,X.,Fox,D.:基于RGB‐D的对象识别的无监督特征学习。在:实验机器人第387-402页。柏林施普林格出版社(2013)谷歌学者[46]Eitel,A.等人:用于鲁棒RGB‐D对象识别的多模式深度学习。在:2015年IEEE/RSJ智能机器人与系统国际会议(IROS)第681-687页(2015年)谷歌学者[47]Nguyen,K.等人:具有现成cnn功能的虹膜识别:深度学习视角。IEEE接入. 6, 18848–18855 (2017)谷歌学者[48]Aakerberg,A.等人:深度值预处理,用于基于RGB‐d对象识别的精确传输学习。在:国际JCCI,第121–128页(2017)谷歌学者[49]Zhang,Y.等:脑-机接口中EEG分类的多核极限学习机。专家系统。应用程序. 96, 302–310 (2018)谷歌学者[50]Carlucci,F.M.,Russo,P.,Caputo,B.:合成数据深度图像的深度表示。在:2017 IEEE机器人与自动化国际会议(ICRA)第1362-1369页(2017年)谷歌学者[51]Leibe,B.,Schiele,B.:分析基于外观和轮廓的对象分类方法收录于:2003年IEEE计算机学会计算机视觉和模式识别会议论文集,第II–409卷(2003)谷歌学者[52]Wang,J.等人:使用高度函数进行形状匹配和分类。模式识别。莱特. 33(2), 134–143 (2012)谷歌学者[53]Daliri,M.R.,Torre,V.:用于形状识别和检索的稳健符号表示。图案识别. 41(5), 1782–1798 (2008)谷歌学者[54]Daliri,M.R.,Torre,V.:基于内核编辑距离的形状识别。计算机视觉图像理解. 114(10), 1097–1103 (2010)谷歌学者[55]Wang,X.等人:用于稳健形状分类的轮廓碎片袋。图案识别. 47(6), 2116–2125 (2014)谷歌学者[56]Krizhevsky,A.,Sutskever,I.,Hinton,G.E.:使用深度卷积神经网络进行ImageNet分类。在:神经信息处理系统研究进展第1097-1105页(2012年)谷歌学者 建议 基于分数级融合的面部图像的动物分类 一个在图像和视频数据中检测和描述动物生命的真实动物生物识别系统是机器视觉中的一个新兴课题。这些系统开发了用于动物分类的计算机视觉方法。一种新的动物实验方法。。。阅读更多信息用于彩色人脸识别的半监督非相关字典学习 彩色图像越来越多地用于计算机视觉、模式识别和机器学习领域,因为它们可以提供比灰度图像更多的可识别信息。因此,彩色人脸识别吸引了越来越多的关注。。。阅读更多信息用于Openset对象识别和图像检索的同伦图像伪方差 本文提出了一种新的基于像素线性分析的同伦图像伪变量人脸识别方法。将样本人脸与测试图像进行匹配,首先确定最相似的图像。同位图像伪不变量是。。。阅读更多信息 评论 Please enable JavaScript to view thecomments powered by Disqus. 信息和贡献者问询处发布于 IET计算机视觉 第15卷第5期2021年8月69页EISSN公司:1751-9640内政部:10.1049/cvi2.v15.5期刊目录 ©2021作者。IET计算机视觉由John Wiley&Sons Ltd代表The Institution of Engineering and Technology出版。这是一篇根据知识共享属性许可证,允许在任何媒体上使用、分发和复制,前提是正确引用了原始作品。出版商John Wiley&Sons公司。美国出版历史出版:2021年4月9日作者标记计算机视觉差分方程特征提取遗传算法图像颜色分析学习(人工智能)物体识别时变系统限定符研究文章贡献者 其他指标查看文章指标文献计量学和引文文献计量学 文章指标 0引文总数0总下载次数下载次数(过去12个月)0下载次数(最近6周)0反映截至2024年9月22日的下载量 其他指标查看作者指标引文视图选项查看选项获取访问权限 登录选项检查您是否可以通过登录凭据或您的机构访问本文。登录完全访问权限获取此出版物 媒体数字其他桌子分享分享共享此出版物链接复制链接已复制!复制失败。在社交媒体上分享LinkedIn链接Reddit网站电子邮件附属公司穆罕默德 索拉比·纳斯拉巴迪计算机工程系伊朗德黑兰阿米尔卡比尔科技大学查看个人资料雷扎 萨法巴克什计算机工程系伊朗德黑兰阿米尔卡比尔科技大学查看个人资料