首页期刊导航|自动化学报
期刊信息/Journal information
自动化学报
中国自动化学会 中国科学院自动化研究所
自动化学报

中国自动化学会 中国科学院自动化研究所

王飞跃

月刊

0254-4156

aas@ia.ac.cn

010-62565763；82614566

100190

北京市海淀区中关村东路95号（北京2728信箱）

自动化学报/Journal Acta Automatica SinicaCSCD北大核心CSTPCDEI
查看更多>>本刊是中国科学院主管，中国自动化学会、中国科学院自动化研究所共同主办的高级学术期刊。本刊主要刊载自动化科学与技术领域的高水平理论性和应用性的科研成果，内容包括：1）自动控制理论；2）系统理论与系统方法；3）自动化技术在国民经济各领域中的创造性应用；4）自动化系统计算机辅助设计；5）机器人与自动化；6）人工智能与智能控制；7）模式识别与图象处理；8）自动控制系统中的新概念、新原理、新方法、新设计；9）信息理论与信息处理技术等。
正式出版
收录年代

    联合深度超参数卷积和交叉关联注意力的大位移光流估计

    王梓歌葛利跃陈震张聪炫...
    1631-1645页
    查看更多>>摘要：针对现有深度学习光流估计模型在大位移场景下的准确性和鲁棒性问题,提出了一种联合深度超参数卷积和交叉关联注意力的图像序列光流估计方法.首先,通过联合深层卷积和标准卷积构建深度超参数卷积以替代普通卷积,提取更多特征并加快光流估计网络训练的收敛速度,在不增加网络推理量的前提下提高光流估计的准确性;然后,设计基于交叉关联注意力的特征提取编码网络,通过叠加注意力层数获得更大的感受野,以提取多尺度长距离上下文特征信息,增强大位移场景下光流估计的鲁棒性;最后,采用金字塔残差迭代模型构建联合深度超参数卷积和交叉关联注意力的光流估计网络,提升光流估计的整体性能.分别采用MPI-Sintel和KITTI测试图像集对本文方法和现有代表性光流估计方法进行综合对比分析,实验结果表明本文方法取得了较好的光流估计性能,尤其在大位移场景下具有更好的估计准确性与鲁棒性.

    光流大位移交叉关联注意力深度超参数卷积深度学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    目标跟踪中基于IoU和中心点距离预测的尺度估计

    李绍明储珺冷璐涂序继...
    1646-1659页
    查看更多>>摘要：通过分析基于交并比(Intersection over union,IoU)预测的尺度估计模型的梯度更新过程,发现其在训练和推理过程仅将IoU作为度量,缺乏对预测框和真实目标框中心点距离的约束,导致外观模型更新过程中模板受到污染,前景和背景分类时定位出现偏差.基于此发现,构建了一种结合IoU和中心点距离的新度量NDIoU(Normalization distance IoU),在此基础上提出一种新的尺度估计方法,并将其嵌入判别式跟踪框架.即在训练阶段以NDIoU为标签,设计了具有中心点距离约束的损失函数监督网络的学习,在线推理期间通过最大化NDIoU微调目标尺度,以帮助外观模型更新时获得更加准确的样本.在七个数据集上与相关主流方法进行对比,所提方法的综合性能优于所有对比算法.特别是在GOT-10k数据集上,所提方法的AO、SR0.50和SR0.75三个指标达到了 65.4％、78.7％和53.4％,分别超过基线模型4.3％、7.0％和4.2％.

    目标跟踪交并比尺度估计中心点距离

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于孪生网络与多重通道融合的脱机笔迹鉴别

    林超群王大寒肖顺鑫池雪可...
    1660-1670页
    查看更多>>摘要：脱机签名验证模型因其具有判断签名是否伪造的能力而备受关注.当今大多数脱机签名验证模型可分为深度度量学习方法和双通道判别方法.大部分深度度量学习方法利用孪生网络生成每张图片的细节特征向量,采用欧氏距离法判断相似度,但是欧氏距离仅考虑两个点之间的绝对距离,而容易忽视点的方向、缩放的信息,不会考虑数据之间的相关性,因此无法捕获特征向量内部之间的关系;而双通道判别方法在网络训练前就进行特征的判别,更能判断不同图像的相似性,但此时图像的细节特征不够清晰,大量特征丢失.针对双通道判别方法中特征消失过多的问题,提出了一种面向独立于书写者场景的手写签名离线验证模型 MCFFN(Multi-channel feature fusion network).在 CEDAR、BHSig-B、BHSig-H 和ChiSig四个不同语言的签名数据集上测试了所提出的方法,实验证明了所提方法的优势和潜力.

    脱机手写签名验证深度度量学习孪生网络通道融合ACMix

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据