2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著人工智能的不斷發(fā)展,計算機(jī)視覺感知技術(shù)已成為重要的研究課題之一。面對圖像數(shù)據(jù)的急劇增長,如何有效的針對不同背景與環(huán)境進(jìn)行目標(biāo)特征感知,已成為計算機(jī)視覺領(lǐng)域中研究熱點(diǎn)。目標(biāo)特征感知被普遍應(yīng)用于檢測、識別與分割等視覺任務(wù),其任務(wù)完成的效果則嚴(yán)重受制于特征的表征能力。特別是對于外界環(huán)境弱化目標(biāo)特征、目標(biāo)與背景存在相似元素、目標(biāo)存在遮擋的情形下,由于目標(biāo)特征的弱化,其還原目標(biāo)信息能力顯著下降,致使提取的特征無法完備表征目標(biāo)。因此,本文為解決

2、弱特征視感知問題,結(jié)合深度學(xué)習(xí)機(jī)制分別針對弱特征三種形式提出了相應(yīng)解決方法。本文主要從以下三方面展開?:
  1)針對有霧圖像中霧氣對場景特征信息弱化問題,本文提出了一種基于生成對抗映射網(wǎng)絡(luò)的特征感知增強(qiáng)算法。首先,對圖像提取霧氣相關(guān)特征;其次,運(yùn)用訓(xùn)練得到的生成網(wǎng)絡(luò)實(shí)現(xiàn)初始提取特征到透視率間的轉(zhuǎn)換;最后,依照所提多光源散射模型進(jìn)行去霧還原。所提算法實(shí)驗(yàn)結(jié)果與現(xiàn)有去霧算法相比,其去霧效果更加符合真實(shí)場景色彩,并可保存更多細(xì)節(jié),干擾

3、引入較少。
  2)針對圖像中背景元素與目標(biāo)相似造成檢測特征弱化的問題,本文提出了一種基于RPN(Region Proposal Network)的偽裝色目標(biāo)特征感知檢測算法。首先,對圖像進(jìn)行顏色增強(qiáng)處理,實(shí)現(xiàn)目標(biāo)與背景元素的差異拉伸;其次,對差異放大的目標(biāo)進(jìn)行檢測;最終運(yùn)用Faster R-CNN(Faster Region Convolutional Neural Network)檢測增強(qiáng)后目標(biāo)。所提算法與現(xiàn)有目標(biāo)檢測算法相比

4、,其檢測結(jié)果準(zhǔn)確度更高,并且可以更加有效的識別出干擾背景中的目標(biāo),減少漏檢測現(xiàn)象。
  3)針對圖像中目標(biāo)受到遮擋造成檢測特征缺失的問題,本文提出了一種基于協(xié)同感知深度神經(jīng)網(wǎng)絡(luò)的遮擋目標(biāo)檢測算法。首先,運(yùn)用Faster R-CNN對圖像中目標(biāo)中母體與子體進(jìn)行檢測;其次,對子體檢測得到的候選區(qū)域進(jìn)行非極大值抑制(Non-maximum Suppression,NMS)處理;最后,利用母體子體協(xié)同融合,實(shí)現(xiàn)子體對母體檢測結(jié)果的修正。所

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論