2022年, 第35卷, 第1期　刊出日期：2022-01-25

  

• 全选
  |

论文
• Select
  主编寄语

  郑南宁

  模式识别与人工智能. 2022, 35(1): 0-0.

  PDF全文 ( ) 可视化 收藏
综述与评论
• Select
  基于模型的机器人强化学习研究综述

  孙世光, 兰旭光, 张翰博, 郑南宁

  模式识别与人工智能. 2022, 35(1): 1-16. https://doi.org/10.16451/j.cnki.issn1003-6059.202201001

  PDF全文 ( ) HTML ( ) 可视化 收藏

  基于模型的强化学习通过学习一个环境模型和基于此模型的策略优化或规划,实现机器人更接近于人类的学习和交互方式.文中简述机器人学习问题的定义,介绍机器人学习中基于模型的强化学习方法,包括主流的模型学习及模型利用的方法.主流的模型学习方法具体介绍前向动力学模型、逆向动力学模型和隐式模型.模型利用的方法具体介绍基于模型的规划、基于模型的策略学习和隐式规划,并对其中存在的问题进行探讨.最后,结合现实中机器人学习任务面临的问题,介绍基于模型的强化学习在其中的应用,并展望未来的研究方向.

论文与报告
• Select
  属性网络中基于变分图自编码器的异常节点检测方法

  李忠, 靳小龙, 王亚杰, 孟令宾, 庄传志, 孙智

  模式识别与人工智能. 2022, 35(1): 17-25. https://doi.org/10.16451/j.cnki.issn1003-6059.202201002

  PDF全文 ( ) HTML ( ) 可视化 收藏

  图神经网络为属性网络数据挖掘提供融合利用结构信息和属性信息的方法,但是在现阶段基于图自动编码器进行无监督属性网络异常节点检测时,常将正常节点子属性插值形成的节点误识别为异常节点,导致方法的假负率较高.针对上述问题,文中提出基于变分图自编码器的异常节点检测方法.模型包含两个编码器和一个解码器,利用一个编码器和一个解码器构成的变分自编码器模型,重建原始输入数据,再利用解码器和第二个编码器,使模型学习到不包含异常节点数据的网络隐层表达.通过双变分自编码器学习正常节点子特征,并利用重建误差作为节点的异常度量,将由正常节点子特征构成的正常节点判别为正常节点.在真实网络数据集上的实验表明,文中方法能有效进行属性网络异常节点检测.
• Select
  融合社交网络信息的长尾推荐方法

  冯晨娇, 宋鹏, 张凯涵, 梁吉业

  模式识别与人工智能. 2022, 35(1): 26-36. https://doi.org/10.16451/j.cnki.issn1003-6059.202201003

  PDF全文 ( ) HTML ( ) 可视化 收藏

  在长尾推荐场景中,目标用户更信任与自己兴趣相似的好友的推荐结果,故为目标用户推荐其好友的个性化偏好物品有利于提高长尾推荐性能.相应地,如何有效融合社交网络信息与评分矩阵信息,提升推荐性能自然成为长尾推荐中的重要问题.为此,文中从信息融合视角出发,通过社交网络和评分矩阵共享用户的潜在特征向量,并将好友推荐信息作为长尾推荐的重要影响因素,建立融合社交网络信息的长尾推荐方法.将用户活跃度、项目非流行度、用户项目偏好水平及好友推荐行为作为输入,采用变分推断方法,得出模型中相关未知参数,实现预测功能.实验表明,文中方法能在有效实现长尾物品推荐的同时,保证较高的推荐精度.
• Select
  基于控制点和RGB向量差联合梯度Census变换的立体匹配算法

  王森, 危辉, 孟令江

  模式识别与人工智能. 2022, 35(1): 37-50. https://doi.org/10.16451/j.cnki.issn1003-6059.202201004

  PDF全文 ( ) HTML ( ) 可视化 收藏

  为了解决立体匹配算法在弱纹理区域及边界区域匹配精度较低的问题,文中提出基于控制点和RGB向量差联合梯度Census变换的立体匹配算法.首先,使用基于动态时间归整的行匹配算法,寻找最优匹配路径,经过扭曲对齐选取匹配特征点作为控制点.再使用基于RGB向量差代价联合基于梯度Census变换代价作为非控制点的匹配代价,基于梯度Census变换增加像素点的鲁棒性,RGB三向量保留图像三维色彩信息,使求得的代价精度更高.然后,融合求得的控制点与非控制点的匹配代价,作为初始匹配代价,基于RGB三向量差求得针对不同纹理区域的自适应窗口,在该窗口内以一次水平方向和竖直方向代价聚合的方式进行初始代价优化,同时使用多步骤优化减少视差错误率.最后,在Middlebury数据集上对不同区域测试视差错误率和在真实机器人场景上求取视差,将求得的视差利用三维成像原理进行三维重建测试.理论分析和实验表明,文中算法明显降低弱纹理区域和边界的误匹配率.
研究与应用
• Select
  基于度量学习的回环检测描述子提升算法

  韩彬, 罗伦, 刘雄伟, 沈会良

  模式识别与人工智能. 2022, 35(1): 51-61. https://doi.org/10.16451/j.cnki.issn1003-6059.202201005

  PDF全文 ( ) HTML ( ) 可视化 收藏

  回环检测是同步定位与地图构建系统的组成模块,目前大多数回环检测算法从数据帧提取特征描述子,通过描述子之间的欧氏距离搜索回环,未对提取的特征描述子进行特征增强.针对上述问题,文中提出基于度量学习的回环检测描述子提升算法.设计轻量级算法模块,对生成的描述子进行特征空间变换,增强描述子的区分能力,有效提升回环检测性能.通过位姿和描述子结合的方式成组制作三元组数据集,解决标签模糊的问题.提出扩充数据集的思路,解决回环样本显著不足的问题.基于三元组损失函数改造损失函数,适配回环检测场景,训练用于特征空间变换的神经网络模块.在KITTI、NCLT数据集上的测试表明,文中算法具有较强的泛化能力.
• Select
  基于自动修补策略的网络剪枝

  苏启航, 钱烨强, 袁伟, 杨明, 王春香

  模式识别与人工智能. 2022, 35(1): 62-70. https://doi.org/10.16451/j.cnki.issn1003-6059.202201006

  PDF全文 ( ) HTML ( ) 可视化 收藏

  为有效缓解深度神经网络因其庞大的计算资源消耗而产生的实际应用受限的问题,研究人员设计包括剪枝在内的多种压缩策略.基于贪心思想的网络剪枝算法大都包含训练、剪枝、微调三部分,无法求得最优的剪枝结构.因此,文中结合人工规则和自动搜索方法,提出基于自动修补策略的网络剪枝.整体剪枝流程包括训练、预剪枝、修补和微调四个阶段,增加的修补阶段可调整预剪枝模型的结构.具体方法是使用神经架构搜索实现修补操作,设计搜索空间和搜索策略,并基于预剪枝阶段的卷积核排序加速评估过程.实验表明文中方法在剪枝率较高时仍能保持网络的准确率.
• Select
  基于语义传播与前/背景感知的图像语义分割网络

  刘漳辉, 占小路, 陈羽中

  模式识别与人工智能. 2022, 35(1): 71-81. https://doi.org/10.16451/j.cnki.issn1003-6059.202201007

  PDF全文 ( ) HTML ( ) 可视化 收藏

  虽然图像语义分割因其有助于更好地分析和理解图像而被广泛应用于多个领域,但是基于全卷积神经网络的模型在语义分割方面依然存在分辨率重构及如何利用上下文信息的问题.因此,文中提出基于语义传播与前/背景感知的图像语义分割网络.首先,提出联合语义传播上采样模块,提取高层特征的全局语义信息与局部语义信息,用于得到语义权重,将高层特征语义传播到低层特征,缩小两者之间的语义差距,再通过逐层上采样实现分辨率重构.此外,还提出金字塔前/背景感知模块,通过两个并行分支提取不同尺度前景特征与背景特征,建立前景与背景间的依赖关系,捕获多尺度的前/背景感知特征,增强前景特征的上下文表示.语义分割基准数据集上的实验表明,文中网络性能较优.
• Select
  基于加速自适应时空背景感知相关滤波的目标追踪算法

  李养晓, 卫福源, 周正华, 赵建伟

  模式识别与人工智能. 2022, 35(1): 82-91. https://doi.org/10.16451/j.cnki.issn1003-6059.202201008

  PDF全文 ( ) HTML ( ) 可视化 收藏

  基于相关滤波设计鲁棒的追踪算法是目标追踪领域的一个重要研究方向.背景、空间信息和时间信息对提高算法的追踪性能具有重要意义.在背景感知追踪算法的基础上,融合空间信息和时间信息,考虑空间权值矩阵的自适应性,文中提出基于加速自适应时空背景感知相关滤波的目标追踪算法.运用加速的交替方向乘子法求解空间权值矩阵和滤波器,实现目标自适应追踪.利用背景信息、空间信息及空间权值的自适应性,增强追踪器对背景和目标的鉴别能力.运用时间正则项,缓解追踪器在目标遮挡下的追踪漂移问题.应用加速的交替方向乘子法,提高求解速度.实验表明,文中算法在目标遮挡、背景干扰等情况下的追踪性能较优.