保留拓扑结构的深度哈希技术,用于超快速、以无人机为主导的物体检测
《IEEE Transactions on Neural Networks and Learning Systems》:Topology-Preserving Deep Hashing for Ultrafast Drone-Dominated Object Detection
【字体:
大
中
小
】
时间:2026年05月07日
来源:IEEE Transactions on Neural Networks and Learning Systems 8.9
编辑推荐:
摘要:在过去的十年中,无人机(或称无人驾驶飞行器)已被广泛应用于许多现代人工智能系统中。在这项研究中,我们提出了一种新颖的深度哈希框架,能够快速地从无人机拍摄的照片中检测对象。我们的方法可以内在且灵活地编码每个目标对象的多种拓扑结构,从而以视角和高度不变的方式发现多尺度对象。此
摘要:
在过去的十年中,无人机(或称无人驾驶飞行器)已被广泛应用于许多现代人工智能系统中。在这项研究中,我们提出了一种新颖的深度哈希框架,能够快速地从无人机拍摄的照片中检测对象。我们的方法可以内在且灵活地编码每个目标对象的多种拓扑结构,从而以视角和高度不变的方式发现多尺度对象。此外,通过协同利用lF 和 l1 规范,计算出的哈希码对低质量的无人机照片和可能被污染的语义标签具有鲁棒性。更具体地说,对于每张无人机照片,我们提取其中视觉/语义上显著的对象部分。为了描述它们的拓扑结构,我们通过将空间上相邻的对象块链接成一个小型图来构建图集。随后,设计了一种二进制矩阵分解(MF)方法,以分层利用这些图集的语义,其中整合了三个属性:1)深度二进制哈希码学习;2)受污染的照片/标签去噪;3)自适应数据图更新。据此,采用了一种流形正则化特征选择器来进一步获得更具区分性的深度哈希码。最后,使用每张无人机照片中图集对应的哈希码进行基于排名的对象发现。在DAC-SDC、MOHR和我们的自编译数据集上的全面实验展示了我们方法的竞争速度和准确性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号