您的检索：
学者姓名：张勇
精炼检索结果：
年份
成果类型
收录类型
来源
综合
合作者
语言
清除所有精炼条件
摘要 ：
随着信息技术的高速发展,各种数字档案数据量出现了爆炸式的增长。如何合理地挖掘分析档案数据,提升对新收录档案智能管理的效果已成为一个亟需解决的问题。现有的档案数据分类方法是面向管理需求的人工分类,这种人工分类的方式效率低下,忽略了档案固有的内容信息。此外,对于档案信息发现和利用来说,需进一步挖掘分析档案数据内容之间的关联性。面向档案智能管理的需求,从档案数据的文本内容角度出发,对人工分类的档案进行进一步分析。采用LDA模型提取文档的主题特征向量,进而用K-means算法对档案的主题特征进行聚类,得到档案间的关联。针对新收录档案数据的分类问题,采用现有档案数据,有监督的训练FastText深度学习...
关键词 ：
FastText文本分类 FastText文本分类 档案管理 档案管理 LDA特征表示 LDA特征表示 文本聚类 文本聚类
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 霍光煜 , 张勇 , 孙艳丰 et al. 基于语义的档案数据智能分类方法研究 [J]. | 计算机工程与应用 , 2021 , 57 (06) : 247-253 . |
| MLA | 霍光煜 et al. "基于语义的档案数据智能分类方法研究" . | 计算机工程与应用 57 . 06 (2021) : 247-253 . |
| APA | 霍光煜 , 张勇 , 孙艳丰 , 尹宝才 . 基于语义的档案数据智能分类方法研究 . | 计算机工程与应用 , 2021 , 57 (06) , 247-253 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
基于语义的档案数据智能分类方法研究
关键词 ：
文本聚类 文本聚类 档案管理 档案管理 FastText文本分类 FastText文本分类 LDA特征表示 LDA特征表示
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 霍光煜 , 张勇 , 孙艳丰 et al. 基于语义的档案数据智能分类方法研究 [J]. | 霍光煜 , 2021 , 57 (6) : 247-253 . |
| MLA | 霍光煜 et al. "基于语义的档案数据智能分类方法研究" . | 霍光煜 57 . 6 (2021) : 247-253 . |
| APA | 霍光煜 , 张勇 , 孙艳丰 , 尹宝才 , 计算机工程与应用 . 基于语义的档案数据智能分类方法研究 . | 霍光煜 , 2021 , 57 (6) , 247-253 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种基于空间自注意力图卷积循环神经网络的交通数据修复方法，全连接层作为输入层将输入映射到一个高维空间提高模型的表达能力；双向图卷积门控循环单元是将门控循环单元中的全连接层替换为图卷积得到的，它能够同时建模局部空间相关性和时间相关性；多头空间自注意力模块用于捕获路网的隐含空间相关性，同时还能从全局聚合各个节点的信息；卷积层作为输出层用于对特征维度进行衰减。本发明利用图卷积建模局部空间相关性；利用门控循环单元学习交通数据的动态变化，捕获时间相关性；此外，考虑到交通状况受到许多潜在因素的影响，本发明采用多头空间自注意力机制从全局来建模交通数据的隐含空间相关性。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张勇 , 林锋 , 胡永利 et al. 一种基于空间自注意力图卷积循环神经网络的交通数据修复方法 : CN202110182167.4[P]. | 2021-02-09 . |
| MLA | 张勇 et al. "一种基于空间自注意力图卷积循环神经网络的交通数据修复方法" : CN202110182167.4. | 2021-02-09 . |
| APA | 张勇 , 林锋 , 胡永利 , 尹宝才 . 一种基于空间自注意力图卷积循环神经网络的交通数据修复方法 : CN202110182167.4. | 2021-02-09 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种基于任意角度人体图像的正面姿态估计方法属于计算机视觉领域，本发明包括一种多角度人体图像数据集的制作以及针对所提出数据集进行二维人体图像的正面姿态估计的算法设计两部分。数据集制作部分主要通过设计一整套数据的采集和数据的处理的方法，通过数据集的制作为算法设计提供数据支持。算法设计部分主要是通过对目前主流的深度学习算法进行改进，以实现任意角度人体图像的正面姿态估计。本发明可以完成任意角度图像的正面姿态估计，即使对人体自遮挡非常严重的背面图像，或者有部分人体缺失侧面图像也可以有较好的表现。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 尹宝才 , 唐永正 , 张勇 et al. 一种基于任意角度人体图像的正面姿态估计方法 : CN202110210298.9[P]. | 2021-02-11 . |
| MLA | 尹宝才 et al. "一种基于任意角度人体图像的正面姿态估计方法" : CN202110210298.9. | 2021-02-11 . |
| APA | 尹宝才 , 唐永正 , 张勇 , 陈路飞 , 尹禹化 . 一种基于任意角度人体图像的正面姿态估计方法 : CN202110210298.9. | 2021-02-11 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
Vehicle reidentification refers to the mission of matching vehicles across nonoverlapping cameras, which is one of the critical problems of the intelligent transportation system. Due to the resemblance of the appearance of the vehicles on road, traditional methods could not perform well on vehicles with high similarity. In this paper, we utilize hypergraph representation to integrate image features and tackle the issue of vehicles re-ID via hypergraph learning algorithms. A feature descriptor can only extract features from a single aspect. To merge multiple feature descriptors, an efficient and appropriate representation is particularly necessary, and a hypergraph is naturally suitable for modeling high-order relationships. In addition, the spatiotemporal correlation of traffic status between cameras is the constraint beyond the image, which can greatly improve the re-ID accuracy of different vehicles with similar appearances. The method proposed in this paper uses hypergraph optimization to learn about the similarity between the query image and images in the library. By using the pair and higher-order relationship between query objects and image library, the similarity measurement method is improved compared to direct matching. The experiments conducted on the image library constructed in this paper demonstrates the effectiveness of using multifeature hypergraph fusion and the spatiotemporal correlation model to address issues in vehicle reidentification. © 2021 Wang Li et al.
关键词 ：
Vehicles Vehicles Cameras Cameras Intelligent systems Intelligent systems Learning algorithms Learning algorithms Image enhancement Image enhancement
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Li, Wang , Yong, Zhang , Wei, Yuan et al. Vehicle Reidentification via Multifeature Hypergraph Fusion [J]. | International Journal of Digital Multimedia Broadcasting , 2021 , 2021 . |
| MLA | Li, Wang et al. "Vehicle Reidentification via Multifeature Hypergraph Fusion" . | International Journal of Digital Multimedia Broadcasting 2021 (2021) . |
| APA | Li, Wang , Yong, Zhang , Wei, Yuan , Hongxing, Shi . Vehicle Reidentification via Multifeature Hypergraph Fusion . | International Journal of Digital Multimedia Broadcasting , 2021 , 2021 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
Three-dimensional human body curve-skeleton is widely used in pose estimation, skeleton animation and other fields. This paper proposes an improved l(1) median model that can extract three-dimensional human body curve-skeleton. The model includes three-dimensional human body reconstruction from multi-view images, interpolation curve-skeleton extraction, l(1) median skeleton completion, and continuous frame curve-skeleton optimization. Through the completion and optimization processes, the curve-skeleton we extract is smoother and more complete compared with previous methods. We conduct experiments on multi-view human body image dataset collected from light field acquisition system. Both quantitative and qualitative results demonstrate the effectiveness of our model.
关键词 ：
Continuous frames optimization Continuous frames optimization Curve-skeleton extraction Curve-skeleton extraction l(1) median model l(1) median model Shape segmentation Shape segmentation
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | Zhang, Yong , Chen, Lufei , Tan, Fei et al. An improved l(1) median model for extracting 3D human body curve-skeleton [J]. | MULTIMEDIA TOOLS AND APPLICATIONS , 2021 , 80 (24) : 33547-33571 . |
| MLA | Zhang, Yong et al. "An improved l(1) median model for extracting 3D human body curve-skeleton" . | MULTIMEDIA TOOLS AND APPLICATIONS 80 . 24 (2021) : 33547-33571 . |
| APA | Zhang, Yong , Chen, Lufei , Tan, Fei , Wang, Shaofan , Yin, Baocai . An improved l(1) median model for extracting 3D human body curve-skeleton . | MULTIMEDIA TOOLS AND APPLICATIONS , 2021 , 80 (24) , 33547-33571 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
针对理工科课程在教学内容、方式上实施"润物细无声"式课程思政的难度,以计算机图形学为例,提出课程思政建设总体思路,在阐述具体课程思政建设过程及结果的基础上,凝练总体建设原则,给出一般化的理工科课程思政建设策略,为在理工科院校更广泛、更有效地开展课程思政建设提供思路。
关键词 ：
内涵与外延 内涵与外延 理工科课程思政建设 理工科课程思政建设 科学方法论 科学方法论 计算机图形学 计算机图形学 课程思政 课程思政
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 孔德慧 , 李敬华 , 王立春 et al. 基于计算机图形学教学实践的理工科课程思政建设研究 [J]. | 计算机教育 , 2021 , (09) : 15-18 . |
| MLA | 孔德慧 et al. "基于计算机图形学教学实践的理工科课程思政建设研究" . | 计算机教育 09 (2021) : 15-18 . |
| APA | 孔德慧 , 李敬华 , 王立春 , 张勇 , 孙艳丰 . 基于计算机图形学教学实践的理工科课程思政建设研究 . | 计算机教育 , 2021 , (09) , 15-18 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明涉及一种基于多任务学习的实时人脸检测及头部姿态估计方法，用于解决头部姿态估计模型在同时估计多人头部姿态时的低效性，以及存在大量冗余计算的问题。具体包括特征提取网络以及四个支路组成，特征提取网络用于提取输入图片的4个不同层级的语义信息，每个层级的语义信息送入到对应支路当中。每个支路用于对不同层级的语义信息进行人脸检测及头部姿态估计，四条支路输出结果即为最终的人脸检测及对应的头部位姿估计结果。同时设计了多任务损失函数来评判模型的收敛，包含人脸检测的损失及头部姿态估计损失两部分。本发明在估计多人头部姿态时，效率有了巨大的提升。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 尹宝才 , 陈世存 , 张勇 et al. 一种基于多任务学习的实时人脸检测及头部姿态估计方法 : CN202110093339.0[P]. | 2021-01-22 . |
| MLA | 尹宝才 et al. "一种基于多任务学习的实时人脸检测及头部姿态估计方法" : CN202110093339.0. | 2021-01-22 . |
| APA | 尹宝才 , 陈世存 , 张勇 , 唐永正 , 苗壮壮 . 一种基于多任务学习的实时人脸检测及头部姿态估计方法 : CN202110093339.0. | 2021-01-22 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种面向移动终端的轻量化开集地标识别方法，属于计算机视觉领域。本发明首先基于MobileNet‑V2轻量化网络进行改进，使其适用于地标识别任务，然后利用辅助训练集并构建新损失函数，从而提高网络的外分布异常检测能力，最后使用多项指标评估网络性能。本发明基于轻量化神经网络模型并结合外分布检测方法，使部署在移动端的模型既能排除异常图像干扰，又能高效识别任务内地标建筑，同时具备低延迟和轻量的优势。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 胡永利 , 贾林涛 , 张勇 et al. 一种面向移动终端的轻量化开集地标识别方法 : CN202110184512.8[P]. | 2021-02-10 . |
| MLA | 胡永利 et al. "一种面向移动终端的轻量化开集地标识别方法" : CN202110184512.8. | 2021-02-10 . |
| APA | 胡永利 , 贾林涛 , 张勇 , 苗壮壮 , 尹宝才 . 一种面向移动终端的轻量化开集地标识别方法 : CN202110184512.8. | 2021-02-10 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种基于自适应空间自注意力图卷积的交通预测方法属于交通领域和深度学习领域，提出一种自适应空间自注意力图卷积网络(ASSAGCN)用于交通预测。ASSAGCN的由2个残差块堆叠而成。每个残差块由一个图卷积模块(GCN)、一个多头空间自注意力模块(MHSSA)、一个门控融合模块(GF)和一个多感受野空洞因果卷积模块(MRDCC)构成。其中GCN基于连通性对路网的局部空间相关性进行建模；MHSSA用于捕获路网的隐含空间相关性，同时还能从全局聚合各个节点的信息；GF对GCN和MHSSA的输出进行融合；MRDCC用于建模时间相关性。输入层采用一个简单的全连接层将输入映射到一个高维空间提高模型的表达能力，输出层采用2个1×1的卷积层。本发明能够捕获到路网中潜在的空间相关性，适应路网结构的动态变化。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张勇 , 林锋 , 胡永利 et al. 一种基于自适应空间自注意力图卷积的交通预测方法 : CN202110186065.X[P]. | 2021-02-14 . |
| MLA | 张勇 et al. "一种基于自适应空间自注意力图卷积的交通预测方法" : CN202110186065.X. | 2021-02-14 . |
| APA | 张勇 , 林锋 , 胡永利 , 尹宝才 . 一种基于自适应空间自注意力图卷积的交通预测方法 : CN202110186065.X. | 2021-02-14 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
