P3100﹥《视频异常行为检测综述》
概述:视频异常行为检测作为计算机视觉的研究热点,通过提取视频内容时间和空间特征,判断视频中是否存在异常事件和事件种类,定位异常发生的区域和时间。以有监督/无监督学习为线索,对现有视频异常行为检测方法进行系统梳理和归纳。在有监督类方法中,细分为基于偏差均值计算方法和基于多模态方法;在无监督类方法中,主要总结了基于完全无监督的多种方法。从当前主流建模思路出发对偏差均值计算方法系统性说明,按照不同模态特征的使用及其处理方式对多模态方法进行阐述和总结,根据两种模型训练方式介绍完全无监督方法。对比了不同模型的网络架构,并归纳总结出各类异常行为检测模型的测试数据集、使用场景、优势和局限性。通过基准数据集以帧级标准和像素级标准等常用评价标准进行了模型比较和性能评估,同时通过不同方法的性能表现进行类内对比,并对结果进行分析总结。通过虚拟合成数据集、多模态大模型和轻量级模型等五个方向探究了视频异常行为检测的发展趋势。
作者简介:吴沛宸,硕士研究生,中国人民公安大学信息网络安全学院,主要研究方向为计算机视觉。
郭放,博士,讲师,中国人民公安大学信息网络安全学院,主要研究方向
为视频图像技术、计算机视觉;E-mail: guofang@ppsuc.edu.cn。
引用:吴沛宸, 袁立宁,等. 视频异常行为检测综述[J]. 计算机科学与探索,2024,12: 3100-3125.
全文:点击下载
P3126﹥《深度学习在轻度认知障碍分类诊断中的应用》
概述:阿尔兹海默症是一种不可逆的神经退行性疾病,至今尚无彻底治愈可能,但可通过早期干预延缓其进展。轻度认知障碍是阿尔兹海默症的初始阶段,正确识别该阶段对阿尔兹海默症早期诊断继而进行早期干预意义重大。深度学习因其能够自动提取图像特征,目前已成为辅助轻度认知障碍分类诊断的研究热点。为了更好地对轻度认知障碍进行分类研究,对近年来的基于深度学习的轻度认知障碍分类诊断进行回顾。介绍了轻度认知障碍分类诊断中常用数据集,整理了各数据集数据数量、数据类型及下载地址。总结了常用的数据预处理方式以及模型评价指标。重点介绍了深度学习模型与方法在轻度认知障碍分类诊断中的应用,包括但不限于自动编码器、深度置信网络、生成对抗网络、卷积神经网络、图卷积神经网络,并指出研究中所使用的模型可解释性技术。总结了各种算法的主要思想及优缺点,并对比了基于深度学习的轻度认知障碍分类方法在公开数据集上的分类诊断表现,归纳出相关研究中尚存的不足,并对未来研究方向进行了展望。
作者简介:周启香,硕士研究生,CCF 学生会员,山东中医药大学医学信息工程学院,主要研究方向为医学图像处理、医疗健康大数据。
王晓燕,博士,副教授,硕士生导师,山东中医药大学医学信息工程学院,主要研究方向为中医药智能化、医疗健康大数据;E-mail:sdnuwxy@126.com。
引用:周启香,王晓燕,等. 深度学习在轻度认知障碍分类诊断中的应用 [J]. 计算机科学与探索,2024,12: 3126-3143.
全文:点击下载
P3203﹥《改进北方苍鹰优化算法的收敛性及其性能对比分析》
概述:针对北方苍鹰优化算法存在易陷入局部最优的问题,提出一种改进北方苍鹰优化算法(INGO)。在种群初始化阶段,引入佳点集方法映射到搜索空间,提高了种群的多样性以及避免了早熟;在位置更新阶段,加入鱼鹰局部勘探位置更新策略和自适应惯性权重因子,增强了全局勘探和局部开发能力同时提升算法的收敛速度和收敛精度;建立INGO算法的北方苍鹰捕猎过程Markov链模型,证明了全局收敛性。通过实验仿真与六种经典智能算法进行对比分析验证INGO算法的有效性,并对INGO算法进行收敛曲线和Wilcoxon秩和检验分析,实验结果表明INGO算法能够有效地避免陷入局部最优,具有较强的收敛精度和鲁棒性。为了进一步描述INGO算法的实际应用能力,将该算法成功应用于工程设计问题中,验证了INGO算法在实际应用中的有效性。
作者简介:郑新宇,硕士研究生,沈阳工业大学理学院,主要研究方向为智能优化算法。
李媛,博士,教授,硕士生导师,沈阳工业大学理学院,主要研究方向为智能优化算法、大数据分析等;E-mail:syliyuan@sut.edu.cn。
引用:郑新宇,姚,等. 改进北方苍鹰优化算法的收敛性及其性能对比分析[J] . 计算机科学与探索,2024,12: 3203-3218.
全文:点击下载
上一条:寒假推迟还期通知