话题集
行人重识别
行人重识别(Person re-identification)也称行人再识别,是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像,检索跨设备下的该行人图像。旨在弥补目前固定的摄像头的视觉局限,并可与行人检测/行人跟踪技术相结合,可广泛应用于智能视频监控、智能安保等领域。
图像检索
图像检索将基于视觉特征和基于文本语义的技术结合在一起,通过建立知识库,实现自动提取语义和图像特征的功能,并且充分考虑到用户特征对检索系统的影响,
行人检测
行人检测( Pedestrian Detection)是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。该技术可与行人跟踪,行人重识别等技术结合,应用于人工智能系统、车辆辅助驾驶系统、智能机器人、智能视频监控、人体行为分析、智能交通等领域。 由于行人兼具刚性和柔性物体的特性 ,外观易受穿着、尺度、遮挡、姿态和视角等影响,使得行人检测成为计算机视觉领域中一个既具有研究价值同时又极具挑战性的热门课题。
目标检测
目标检测,也叫目标提取,是一种基于目标几何和统计特征的图像分割,它将目标的分割和识别合二为一,其准确性和实时性是整个系统的一项重要能力。尤其是在复杂场景中,需要对多个目标进行实时处理时,目标自动提取和识别就显得特别重要。
二值化
二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
白平衡
白平衡是描述显示器中红、绿、蓝三基色混合生成后白色精确度的一项指标。白平衡是电视摄像领域一个非常重要的概念,通过它可以解决色彩还原和色调处理的一系列问题。
遥感图像处理
遥感图像处理(processing of remote sensing image data)是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作,以求达到预期目的的技术。遥感图像处理可分为两类:一是利用光学、照相和电子学的方法对遥感模拟图像(照片、底片)进行处理,简称为光学处理;二是利用计算机对遥感数字图像进行一系列操作,从而获得某种预期结果的技术,称为遥感数字图像处理。
图像细化
图像细化(Image Thinning),一般指二值图像的骨架化(Image Skeletonization) 的一种操作运算。 细化是将图像的线条从多像素宽度减少到单位像素宽度过程的简称,一些文章经常将细化结果描述为“骨架化”、“中轴转换”和“对称轴转换”。
卡尔曼滤波算法
卡尔曼滤波算法 (Kalman Filter) 是序贯数据同化的一种,是由Kalman针对随机过程状态估计提出的。KF的基本思想是利用前一时刻的状态估计值和当前时刻的观测值来获得动态系统当前时刻状态变量的最优估计,包括预报和分析两个步骤。
概念层次网络
概念层次网络(Hierarchical Network of Concepts,HNC),是面向整个自然语言理解的理论框架。这个理论框架是以语义表达为基础的,它对语义的表达是概念化、层次化、网络化的,所以称它为概念层次网络理论。
文本挖掘
文本挖掘是WEB挖掘的一个分支,用于从文本数据中获取有趣的信息和知识,主要用于信息检索、智能商务、生物信息技术等
神经机器翻译
神经机器翻译(Neural Machine Tranlation),简称 NMT,。2014年开始兴起的机器翻译方法,逐渐应用卷积神经网络(CNN),递归神经网络(RNN),注意力机制等技术,2016年已基本全面取代传统的统计机器翻译(SMT)。Google,百度,搜狗等已上线神经机器翻译系统。
语音识别技术
语音识别技术,也被称为自动语音识别Automatic Speech Recognition,(ASR),其目标是将人类的语音中的词汇内容转换为计算机可读的输入,例如按键、二进制编码或者字符序列,尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。
计算语言学
计算语言学(Computational Linguistics)指的是这样一门学科,它通过建立形式化的数学模型,来分析、处理自然语言,并在计算机上用程序来实现分析和处理的过程,从而达到以机器来模拟人的部分乃至全部语言能力的目的。
人脸识别
息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。
EM算法
EM算法(Expectation Maximization Algorithm)是一种迭代优化策略,也是一种数据添加算法。它的计算方法中每一次迭代都分两步,其中一个为期望步(E步),另一个为极大步(M步)。
社会网络分析
社会网络分析是社会学领域比较成熟的分析方法,社会学家们利用它可以比较得心应手地来解释一些社会学问题。许多学科的专家如经济学、管理学等领域的学者们在新经济时代——知识经济时代,面临许多挑战时,开始考虑借鉴其他学科的研究方法,社会网络分析就是其中的一种。
数据降维
数据降维又称维数约简(Dimensionality reduction),通过单幅图像数据的高维化,将单幅图像转化为高维空间中的数据集合,对其进行非线性降维。寻求其高维数据流形本征结构的一维表示向量,将其作为图像数据的特征表达向量。
强化学习
强化学习(reinforcement learning),又称再励学习、评价学习,是一种重要的机器学习方法,在智能控制机器人及分析预测等领域有许多应用。
异常检测
异常检测是指根据非正常行为(系统或用户)和使用计算机非正常资源来检测入侵行为.其关键在于建立用户及系统正常行为轮廓(Profile),检测实际活动以判断是否背离正常轮廓。