2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩70頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展和互聯(lián)網(wǎng)的普及,圖像和視頻由于包含信息較多,使用面越來(lái)越廣。如何對(duì)圖像和視頻數(shù)據(jù)進(jìn)行分析、快速準(zhǔn)確地從海量數(shù)據(jù)中找到想要的信息,已成為大數(shù)據(jù)時(shí)代的研究熱點(diǎn)。多物體檢測(cè)方法旨在從圖像中獲取多個(gè)物體的位置和類(lèi)別信息,在圖像檢索、智能監(jiān)控等領(lǐng)域有著廣泛的應(yīng)用前景。由于圖像中的物體受到視角、光照、姿態(tài)、尺度、旋轉(zhuǎn)等多個(gè)因素的影響,如何準(zhǔn)確、快速地檢測(cè)出不同物體是物體檢測(cè)算法共同面臨的挑戰(zhàn)。
  本文首先研究了基于形狀的

2、多物體檢測(cè)算法。目前,大多數(shù)檢測(cè)算法都是基于滑動(dòng)窗口的方式,比較耗時(shí)。而使用對(duì)象性估計(jì)的方法提取出可能存在物體的候選窗口,再對(duì)候選窗口進(jìn)行特征提取和分類(lèi),這種方法的效率相對(duì)較高。本文提出一種利用形狀特征進(jìn)行對(duì)象性估計(jì)的方法。該方法首先使用Sketch Tokens獲得邊緣圖像,再使用GPU加速的Hough變換檢測(cè)圖像中的圓,獲得候選窗口。最后,對(duì)候選窗口提取CNN特征,并使用SVM進(jìn)行分類(lèi),得到每個(gè)物體類(lèi)的檢測(cè)結(jié)果。在ILSVRC數(shù)據(jù)集

3、的8個(gè)球體類(lèi)中,該方法的平均準(zhǔn)確率(MAP)達(dá)到了34.33%。
  本文還研究了基于特征融合的多物體檢測(cè)算法,提出一種基于CNN與HOG兩種特征融合的多物體檢測(cè)方法。研究表明,物體檢測(cè)任務(wù)中同時(shí)使用高層特征與低層特征可以提高檢測(cè)效果。CNN特征是一種深度學(xué)習(xí)的高層特征,在訓(xùn)練數(shù)據(jù)量足夠龐大時(shí),能夠挖掘出數(shù)據(jù)本質(zhì)的特點(diǎn),具有很強(qiáng)的表達(dá)能力。HOG特征是一種基于像素梯度的低層特征,能夠消除光照變化、物體位移等帶來(lái)的影響,在物體檢測(cè)中

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論