王文举 作品数:64 被引量:44 H指数:4 供职机构: 上海理工大学 更多>> 发文基金: 上海市科学技术委员会科研基金 上海市自然科学基金 更多>> 相关领域: 自动化与计算机技术 艺术 文化科学 轻工技术与工程 更多>>
多尺度特征跳跃融合的三维点云语义分割方法 本发明提供一种多尺度特征跳跃融合的三维点云语义分割方法用于提高三维点云语义分割的精度。在该方法中,构建了多尺度学习空间上下文特征网络,该网络主要包括学习空间上下文特征模块、改进的特征跳跃融合模块及多尺度连接模块。其中,学... 王涛 王文举一种多聚焦多源图像融合方法 本发明提供一种多聚焦多源图像融合方法,对具有M个聚焦点的源图像进行分解融合叠加处理,将源图像分解成基部和细节,采用双数复小波算法对所述基部进行滤波去噪获得融合基部,采用预训练模型VGG‑S对细节进行深度特征提取获得细节特... 王文举 傅杰 高欣然基于SVM的高通量dPCR基因芯片荧光图像分类研究 被引量:6 2020年 目的为了实现高通量dPCR基因芯片荧光图像的亮点分类与计数,提出一种基于支持向量机(SVM)的荧光图像分类与计数方法。方法首先对荧光图像进行去噪、对比度增强等图像预处理,对预处理后荧光图像进行亮点区域提取标注,去除背景与暗点的冗余信息,利用方向梯度直方图(Histogram of Oriented Gradient,HOG)提取鉴别特征,计算合并所有样本的亮点特征得到HOG特征向量,根据已得到的HOG特征向量创建一个线性SVM分类器,利用训练好的SVM分类器对荧光图像亮点进行分类与计数。结果对比传统算法,文中算法具有较高的分类识别精度,平均准确率高达98%以上,可以很好地实现荧光图像亮点分类与计数。结论在有限的小样本标注数据下,文中算法具有良好的分类性能,能够有效识别荧光图像中的亮点,对其他荧光图像分类研究也具有一定参考价值。 刘丽 孙刘杰 王文举关键词:支持向量机 方向梯度直方图 基于三维稠密连接卷积神经网络的高光谱图像分类方法 本发明提供了一种基于三维稠密连接卷积神经网络的高光谱图像分类方法,具有这样的特征,包括以下步骤:步骤一,输入高光谱图像的三维立方数据块;步骤二,用三维稠密光谱块处理三维立方数据块得到谱间特征图;步骤三,用三维过渡层处理谱... 窦曙光 王文举 姜中敏文献传递 三维模型数字水印算法 本发明提供一种三维模型数字水印算法,其特征在于,包括:水印嵌入算法;和水印提取算法,其中,水印嵌入算法包括:(1)生成两个n×n随机矩阵a和b;(2)生成二值水印图像,进行相位值为a的变换、傅里叶变换、相位值为b的变换以... 秦杨 孙刘杰 王文举求解三维空间内任意两个多面体间的最近距离的方法 本发明提供了一种求解三维空间内任意两个多面体间的最近距离的方法,具有这样的特征,包括以下步骤:步骤S1,分别将多面体M<Sub>x</Sub>和多面体M<Sub>y</Sub>的三维模型表面三角网格化并进行预处理得到处理... 王文举 窦曙光 姜中敏文献传递 基于双鬼注意力机制网络的高光谱图像重建方法 本发明提供一种基于双鬼注意力机制网络的高光谱图像重建方法,用于对单幅RGB图像进行高光谱图像的重建,包括如下步骤:步骤1,输入一幅RGB图像并进行处理,得到浅层特征信息;步骤2,将浅层特征信息进入第1个双鬼残差注意力模块... 王江薇 王文举一种基于交替更新卷积神经网络的高光谱图像分类方法 本发明提供一种基于交替更新卷积神经网络的高光谱图像分类方法,包括如下步骤:提取原始数据块作为交替更新谱间块的输入;采用交替更新谱间块进行学习,提取精炼过的谱间特征;采用降维层连接交替更新谱间块和交替更新空间块,对谱间特征... 窦曙光 王文举 姜中敏单幅RGB图像计算光谱成像的深度学习研究综述 2023年 为解决传统的光谱成像方法成本高、图像采集时间较长的问题,深度学习被引入计算光谱成像来研究如何从单幅RGB图像中重建光谱,为各种计算机视觉应用提供辅助信息。当前对基于深度学习的单幅RGB图像计算光谱成像方法还未有全面、系统的深入认识与研究。为此针对计算光谱成像所使用的深度学习算法和网络模型进行了系统的归纳、分析和对比。基于CNN(convolutional neural networks)、GAN(generative adversarial networks)、注意力和Transformer四个类别详细梳理了近几年重建性能优异的有监督学习方法;基于自编码器和领域自适应两类别分析、探讨、比较了热度较高的无监督学习方法。同时列举了算法常用数据集和评估指标,对未来的研究趋势和发展方向进行了展望。 姜中敏 张婉言 王文举关键词:计算机视觉 光谱图像 基于深度学习的三维点云语义分割方法研究 被引量:13 2021年 综述了基于深度学习的三维点云语义分割方法的研究进展。利用文献分析法,按照数据的表现形式对基于深度学习的三维点云语义分割的方法进行阐述。探讨了近些年的国内外发展现状,分析了目前相关方法的优缺点,并展望了未来发展的趋势。深度学习的加入在点云语义分割技术研究上发挥着越来越重要的作用,推动了制造与包装等领域趋向于智能信息化。根据各类方法的优缺点,利用深度学习技术构建出基于投影、体素、多视图以及直接基于点云的2D-3D组合语义分割框架模型是未来的一个重要研究方向。 王涛 王文举 蔡宇关键词:计算机视觉 三维点云