刘兵
- 作品数：97 被引量：199H指数：8
- 供职机构：中国矿业大学更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术文化科学理学电子电信更多>>
- 一种基于深度孪生胶囊网络的光学遥感场景分类方法
- 本发明公开了一种基于深度孪生胶囊网络的光学遥感图像场景分类方法，包括如下设计：1、删除深度残差网络深层的平均池化层及其之后的层；2、将微调后的深度残差网络作为特征提取器；3、分别对输入图像提取特征，将获取到的特征转化为胶...
- 周勇周松刘兵赵佳琦
- 数论变换与周期性序列关系在图像压缩中应用
- 2007年
- 利用数论变换的性质、整型变换的特点、变换速度快和算法简单的优势,结合图像数据的特点以及二维序列与变换系数之间的关系,提出并证明了数论变换转置定理和周期性二维序列与变换系数关系定理.该定理为用于二值图像压缩奠定了理论基础,特别是利用周期性二维序列与变换系数间的关系来判断图像是否具有周期性,进而确定其行列周期,以达到提高压缩比的目的.使用国际电报电话咨询委员会(CCITT)推荐的8幅二值图像进行验证,结果表明:数论变换快速算法及证明的两个定理,用于对图像数据的压缩是可行的,若分块适当可提高运算速度,减少存储空间,提高压缩比.提出的算法在图像压缩中应用具有较大的理论意义和应用价值.
- 张虹刘兵蔡正兴
- 关键词：图像压缩
- 基于深度孪生残差网络的光学遥感场景分类方法及装置
- 本发明公开了一种基于深度孪生残差网络的光学遥感图像分类方法，属于图像处理技术领域。在训练阶段，首先通过两个完全相同的深度残差网络，对输入的遥感图像对进行特征提取，分别得到它们的特征表示，然后结合这两个特征表示计算其在特征...
- 周勇刘栩宁赵佳琦姚睿刘兵夏士雄郑沂
- 一种基于卷积神经网络的矿山灾害事件检测方法
- 一种基于卷积神经网络的矿山灾害事件检测方法，适用于煤矿灾害类事件检测使用。包括模型设计和模型训练两部分，模型设计部分主要包括混合特征输入层和高速迭代空洞卷积神经网络的设计两部分，通过混合输入文本词级、字符级和实体特征向量...
- 刘鹏魏卉子赵崇帅鹿晓龙舒雅冯琳吴攀鑫刘兵丁恩杰
- 面向C++语言的编译原理实例化教学研究被引量：2
- 2016年
- 针对编译原理教学过程中存在的课程理论性强、理论与实际结合不紧密、学生初学困难等突出问题,结合C++这种面向过程与对象的高级程序设计语言,以"中间代码生成"为例,研究并提出一种适合编译原理课程的实例化教学模式,同时结合实例设计这种教学模式的实施方案,最后分析方案的适用性并说明教学效果。
- 刘兵张辰姜淑娟
- 关键词：实例化教学C++语言教学模式
- 一种生成式图像先验的场景文字图像超分辨方法
- 本发明公开了一种生成式图像先验的场景文字图像超分辨方法，该方法包含两个阶段；第一个阶段，构建一个基于多模态的扩散模型，使用GPT模型从低分辨率文字图像中获得特定的文本信息，生成高分辨率图像先验；第二个阶段，构建一个ITP...
- 姚睿李留恋周勇祝汉城刘兵赵佳琦邵志文
- 一种基于动态提示记忆网络的视频阴影检测方法及装置
- 本发明公开了一种基于动态提示记忆网络的视频阴影检测方法及装置，借助投影阴影的物体处理混淆阴影，能够在不累积错误的情况下聚合时间信息；该方法包括动态提示模块和基于提示的记忆模块两部分；所述动态提示模块利用局部提示和全局提示...
- 姚睿李志城周勇刘兵胡伏原祝汉城赵佳琦邵志文
- 面向工程教育专业认证的实例化驱动混合教学模式的探索与实践——以“编译原理”课程为例被引量：5
- 2021年
- 根据工程教育专业认证对复杂工程问题解决能力的要求,以Clang+LLVM作为编译器实例化案例,以C++语言作为教学语言,研究并提出了一种适合“编译原理”课程的实例化驱动混合教学模式,实践证明,这种教学模式能够充分激发学生的学习兴趣,实现了学生主体性与教师主导性的统一,有效地提高了“编译原理”课程的教学质量。
- 刘兵刘明明
- 关键词：实例化教学C++语言教学模式工程教育专业认证
- 一种基于双重稀疏长短期Transformer的视频阴影检测方法
- 本发明公开了一种基于双重稀疏长短期Transformer的视频阴影检测方法，先将第一帧图像输入微调SAM模型生成参考帧伪掩码，并用于初始化长短期记忆库，然后将当前帧图像输入编码器提取查询特征，同时从长短期记忆库读取长短期...
- 姚睿冯倩周勇祝汉城刘兵邵志文
- 尺度无关的级联卷积神经网络人脸检测算法被引量：6
- 2019年
- 卷积神经网络在进行图片处理时需要输入固定尺寸大小的图片,该限制会导致原图在缩放过程中损失大部分信息。另外,目前人脸检测算法多用单一结构网络进行特征提取,这就使得算法的泛化能力较弱。针对以上两个问题,提出了一种将级联卷积神经网络与空间金字塔池化相结合的人脸检测算法。该方法将三级卷积神经网络模型连接起来,其中三级神经网络模型之间各不相同,结构从简单到复杂,在不同层次的神经网络上提取不同的人脸特征并筛选图片,完成对图片中人脸区域的检测。同时,在每级网络层次中加入空间金字塔池化层,这种池化策略无须固定尺寸大小的输入,增加了模型输入的尺寸选择。在标准人脸数据集中,该方法相对于传统方法实现了模型的多尺度输入,提升了检测性能,并降低了检测人脸的时间。
- 郑成浩刘兵刘兵
- 关键词：人脸检测
