計(jì)算機(jī)視覺(jué)
- 基于 StarGAN的人臉表情數(shù)據(jù)增強(qiáng)研究
關(guān)鍵詞： 計(jì)算機(jī)視覺(jué); 表情生成; 數(shù)據(jù)增強(qiáng); StarGAN; 注意力機(jī)制中圖分類號(hào)：TP18? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2023）34-0009-04開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID） ：0 引言人臉表情往往比語(yǔ)言可以傳達(dá)更準(zhǔn)確真實(shí)的信息，對(duì)于人臉表情的研究最早可以追溯到20世紀(jì)60年代，Ekman等[1]科學(xué)家將觀察人臉表情運(yùn)用到心理學(xué)領(lǐng)域，他們建立了基本的7種表情分類，為后繼的研究奠定了基礎(chǔ)。當(dāng)下利用深度學(xué)習(xí)方法
電腦知識(shí)與技術(shù) 2023年34期2024-01-24
- 基于百度飛槳平臺(tái)的計(jì)算機(jī)視覺(jué)課程改革與實(shí)踐
摘? 要：計(jì)算機(jī)視覺(jué)是當(dāng)前計(jì)算機(jī)和人工智能領(lǐng)域的熱門方向，但前沿課程內(nèi)容在算法、算力和數(shù)據(jù)方面的需求，使得傳統(tǒng)授課模式無(wú)法滿足對(duì)當(dāng)前學(xué)生實(shí)踐能力培養(yǎng)的需求。在教育部產(chǎn)學(xué)合作協(xié)同育人的背景下，該文從課程核心內(nèi)容、前沿技術(shù)擴(kuò)展、先進(jìn)實(shí)驗(yàn)設(shè)計(jì)和考核方式改革等多方面，開(kāi)展課程的革新與探索，并在實(shí)際教學(xué)活動(dòng)詳解的基礎(chǔ)上，驗(yàn)證教學(xué)質(zhì)量和學(xué)生綜合能力的提升，為計(jì)算機(jī)視覺(jué)相關(guān)課程提供參考。關(guān)鍵詞：計(jì)算機(jī)視覺(jué)；飛槳平臺(tái)；新工科；產(chǎn)學(xué)合作；協(xié)同育人中圖分類號(hào)：G642? ?
高教學(xué)刊 2024年2期2024-01-18
- 基于航拍圖像與改進(jìn)U-Net的建筑外墻裂縫檢測(cè)方法
航拍圖像與計(jì)算機(jī)視覺(jué)的裂縫檢測(cè)方法。使用無(wú)人機(jī)繞建筑物航拍采集裂縫圖像，并構(gòu)建裂縫數(shù)據(jù)集；優(yōu)化U-Net模型以解決細(xì)長(zhǎng)裂縫分割不連續(xù)、復(fù)雜背景下裂縫漏檢及背景誤檢的問(wèn)題。將模型編碼網(wǎng)絡(luò)替換為預(yù)訓(xùn)練的ResNet50以提升模型特征表達(dá)能力；添加改進(jìn)的多孔空間金字塔池化（Atrous Spatial Pyramid Pooling，ASPP）模塊，獲取多尺度上下文信息；采用改進(jìn)的損失函數(shù)處理裂縫圖像正負(fù)樣本分布極度不均的問(wèn)題。結(jié)果表明：改進(jìn)的U-Net模型解決
土木建筑與環(huán)境工程 2024年1期2024-01-03
- 基于圖像分割與軌跡追蹤的室內(nèi)飾面施工進(jìn)度智能評(píng)估方法
信息模型；計(jì)算機(jī)視覺(jué)；室內(nèi)施工；施工進(jìn)度；圖像分割；軌跡追蹤中圖分類號(hào)：TU767；TU17? ? ?文獻(xiàn)標(biāo)志碼：A? ? ?文章編號(hào)：2096-6717（2024）01-0163-10Intelligent evaluation method of indoor finishing construction progress based on image segmentation and positional trackingLU Yujiea，b，c，
土木建筑與環(huán)境工程 2024年1期2024-01-03
- 用于農(nóng)作物種植信息提取的圖像分割技術(shù)研究進(jìn)展
深度學(xué)習(xí)；計(jì)算機(jī)視覺(jué)中圖分類號(hào)：S771.8 文獻(xiàn)標(biāo)志碼：C DOI：10.19415/j.cnki.1673-890x.2023.17.020農(nóng)作物種植面積是制定農(nóng)業(yè)政策和優(yōu)化農(nóng)作物種植結(jié)構(gòu)的重要依據(jù)，快捷、準(zhǔn)確地獲取農(nóng)作物種植面積對(duì)保障糧食安全和國(guó)家經(jīng)濟(jì)發(fā)展具有重要意義[1-2]。傳統(tǒng)的農(nóng)作物種植面積監(jiān)測(cè)方法大多依賴于現(xiàn)場(chǎng)目視解譯，監(jiān)測(cè)時(shí)效性和精確性較差。遙感技術(shù)憑借其快速、無(wú)損、大范圍等優(yōu)點(diǎn)已廣泛應(yīng)用于農(nóng)作物種植信息監(jiān)測(cè)。隨著傳感器技術(shù)的快速進(jìn)步，無(wú)
南方農(nóng)業(yè)·上旬 2023年9期2023-12-13
- 地震信號(hào)中干擾噪聲自動(dòng)識(shí)別算法
神經(jīng)網(wǎng)絡(luò)；計(jì)算機(jī)視覺(jué)；噪聲檢測(cè)中圖分類號(hào)：TP311 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? 文章編號(hào)：2096-4706（2023）14-0080-05Automatic Identification Algorithm for Interference Noise in Seismic SignalsWU Zeyong， YUAN Jing（Institute of Disaster Prevention， Langfang ?065201， China）Abst
現(xiàn)代信息科技 2023年14期2023-09-06
- 基于計(jì)算機(jī)視覺(jué)技術(shù)的乒乓球技術(shù)動(dòng)作AI評(píng)分系統(tǒng)研究與設(shè)計(jì)
人工智能）計(jì)算機(jī)視覺(jué)技術(shù)設(shè)計(jì)乒乓球技術(shù)動(dòng)作AI評(píng)分系統(tǒng)。該系統(tǒng)結(jié)合廣東科學(xué)技術(shù)職業(yè)學(xué)院乒乓球精品課程建設(shè)，以乒乓球八個(gè)基本技術(shù)動(dòng)作構(gòu)建AI模型，使用目標(biāo)檢測(cè)、姿態(tài)估計(jì)、動(dòng)作識(shí)別算法對(duì)學(xué)生的實(shí)際動(dòng)作進(jìn)行AI評(píng)分。實(shí)驗(yàn)結(jié)果表明，使用乒乓球技術(shù)動(dòng)作AI評(píng)分系統(tǒng)有利于開(kāi)展個(gè)性化教學(xué)，提高了教學(xué)效率，還能支持遠(yuǎn)程教學(xué)，可以在乒乓球教學(xué)中推廣應(yīng)用。關(guān)鍵詞：乒乓球;技術(shù)動(dòng)作教學(xué);動(dòng)作AI評(píng)分;計(jì)算機(jī)視覺(jué);人工智能中圖分類號(hào)：TP27.4 文獻(xiàn)標(biāo)志碼：A0 引言（Intr
軟件工程 2023年8期2023-08-20
- 基于深度學(xué)習(xí)的車輛目標(biāo)檢測(cè)算法綜述
神經(jīng)網(wǎng)絡(luò) 計(jì)算機(jī)視覺(jué)1 引言隨著人工智能技術(shù)的不斷發(fā)展，深度學(xué)習(xí)技術(shù)在計(jì)算機(jī)視覺(jué)領(lǐng)域中得到了廣泛的應(yīng)用。車輛目標(biāo)檢測(cè)一直是計(jì)算機(jī)視覺(jué)領(lǐng)域中一個(gè)極具挑戰(zhàn)性的問(wèn)題，具有廣泛的應(yīng)用前景。傳統(tǒng)的方法往往需要手工提取特征并構(gòu)建分類器來(lái)實(shí)現(xiàn)車輛目標(biāo)檢測(cè)，這種方法容易受到環(huán)境變化的影響，并需要大量的調(diào)整和優(yōu)化。近年來(lái)，隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，基于深度學(xué)習(xí)的車輛目標(biāo)檢測(cè)算法在準(zhǔn)確率和處理速度方面都取得了很大的提升，逐漸成為研究的熱點(diǎn)。圖1展示了目標(biāo)檢測(cè)算法的發(fā)展歷程。
時(shí)代汽車 2023年15期2023-08-07
- 基于計(jì)算機(jī)視覺(jué)的沙糖橘果皮光滑指標(biāo)檢測(cè)
要 ?使用計(jì)算機(jī)視覺(jué)系統(tǒng)提取沙糖橘果皮正面圖像，構(gòu)建有效的圖像采集方法、預(yù)處理方法、分割方法。從目標(biāo)區(qū)域圖像中提取6個(gè)與品質(zhì)密切相關(guān)的果皮紋理特征信息用來(lái)分類識(shí)別果皮光滑，使用單一方差參數(shù)配合參數(shù)區(qū)間分類的方式正確率較低，為76.3%；進(jìn)而以果皮6個(gè)灰度紋理特征開(kāi)展MLP模型設(shè)計(jì)和訓(xùn)練，使用訓(xùn)練后的模型進(jìn)行分類檢測(cè)。在實(shí)測(cè)一定數(shù)量的果皮得出分類檢測(cè)結(jié)果的基礎(chǔ)上，進(jìn)行系統(tǒng)設(shè)計(jì)的可行性驗(yàn)證。結(jié)果表明，基于3層的BP神經(jīng)網(wǎng)絡(luò)模型，設(shè)計(jì)6-8-2BP網(wǎng)絡(luò)結(jié)構(gòu)，分類
安徽農(nóng)業(yè)科學(xué) 2023年5期2023-07-04
- 利用計(jì)算機(jī)視覺(jué)識(shí)別人行橋時(shí)變模態(tài)參數(shù)
人行橋; 計(jì)算機(jī)視覺(jué); 時(shí)變結(jié)構(gòu); VMD引 言近年來(lái)，隨著新型、高強(qiáng)建筑材料在結(jié)構(gòu)中的廣泛應(yīng)用和結(jié)構(gòu)造型要求的提高，更多輕質(zhì)、低頻、阻尼小的人行結(jié)構(gòu)出現(xiàn)，人致振動(dòng)已成為結(jié)構(gòu)設(shè)計(jì)中不可忽略的問(wèn)題［1］。對(duì)于輕質(zhì)結(jié)構(gòu)，存在行人?結(jié)構(gòu)相互作用問(wèn)題，往往會(huì)因?yàn)樾腥瞬筋l與結(jié)構(gòu)基頻接近而產(chǎn)生共振現(xiàn)象，而忽略行人?結(jié)構(gòu)之間的相互作用，會(huì)導(dǎo)致計(jì)算結(jié)構(gòu)基頻的結(jié)果與實(shí)測(cè)值偏離［2］，因此識(shí)別行人?結(jié)構(gòu)時(shí)變系統(tǒng)模態(tài)參數(shù)具有重要意義。目前，國(guó)內(nèi)外對(duì)行人?結(jié)構(gòu)相互作用的時(shí)變系統(tǒng)展
振動(dòng)工程學(xué)報(bào) 2023年1期2023-06-30
- 基于手勢(shì)識(shí)別的智能家居人機(jī)交互系統(tǒng)
手勢(shì)識(shí)別；計(jì)算機(jī)視覺(jué)；人機(jī)交互；物聯(lián)網(wǎng)；Zigbee中圖分類號(hào)：TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2023）13-0105-03開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）0 引言近年來(lái)，隨著人工智能、機(jī)器視覺(jué)等領(lǐng)域的高速發(fā)展，手勢(shì)識(shí)別技術(shù)在人機(jī)交互、AR等領(lǐng)域取得了不錯(cuò)的成果。目前，手勢(shì)識(shí)別技術(shù)是當(dāng)下非常流行的一種人機(jī)交互技術(shù)，這種技術(shù)提供給用戶便捷、靈活的交互方式，面向智能家居的手勢(shì)控制方式又具有操作簡(jiǎn)單、人機(jī)交互友好等優(yōu)
電腦知識(shí)與技術(shù) 2023年13期2023-06-25
- 基于空間注意力的圖像分類網(wǎng)絡(luò)研究
深度學(xué)習(xí)；計(jì)算機(jī)視覺(jué)；圖像分類中圖分類號(hào)：TP391.4? ? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）02-0098-03Research on Image Classification Network Based on Spatial AttentionXU Haiyan， HAO Pingping（Shandong Huayu University of Technology， Dezhou? 253034， China）Abstr
現(xiàn)代信息科技 2023年2期2023-06-22
- AI繪畫的藝術(shù)屬性與創(chuàng)作實(shí)踐探究
AI繪畫；計(jì)算機(jī)視覺(jué)；藝術(shù)創(chuàng)作工具中圖分類號(hào)：TP18；J204 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-9436（2023）02-0-03人類對(duì)生活情感的記錄和表達(dá)是本性，而科技的發(fā)展一直影響著人類看待世界的方式。近年來(lái)，人工智能技術(shù)不斷更新迭代，吸引了大量藝術(shù)家的關(guān)注，相關(guān)研究者也開(kāi)始探索人工智能技術(shù)在藝術(shù)創(chuàng)作方面的應(yīng)用。此外，藝術(shù)展示場(chǎng)所出現(xiàn)的人工智能藝術(shù)創(chuàng)作產(chǎn)品，其是否稱得上是藝術(shù)品，各種觀點(diǎn)也層出不窮，吸引著人們對(duì)AI繪畫這一新興技術(shù)和藝術(shù)相結(jié)合的產(chǎn)
藝術(shù)科技 2023年2期2023-06-22
- 紅外-可見(jiàn)光圖像融合的全天候目標(biāo)追蹤方法
關(guān)鍵詞： 計(jì)算機(jī)視覺(jué)； 孿生神經(jīng)網(wǎng)絡(luò)； 圖像融合； 目標(biāo)追蹤； 紅外圖像； 可見(jiàn)光圖像中圖分類號(hào)：TP399? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2023）06-96-07All-weather tracking method based on infrared-visible image fusionMa Zhejie， Wang Yulin， Li Ping（Department of Computer Scienc
計(jì)算機(jī)時(shí)代 2023年6期2023-06-15
- 基于計(jì)算機(jī)視覺(jué)的蘋果樹(shù)果實(shí)缺陷探測(cè)研究
，文章根據(jù)計(jì)算機(jī)視覺(jué)技術(shù)蘋果分級(jí)研究現(xiàn)狀，結(jié)合實(shí)際需要探討一種能夠?qū)μO果進(jìn)行分選的檢測(cè)系統(tǒng)，并對(duì)R通道方法進(jìn)行簡(jiǎn)單的介紹，同時(shí)對(duì)檢測(cè)系統(tǒng)的應(yīng)用效果進(jìn)行試驗(yàn)。結(jié)果顯示，這種算法具備可行性，可以取得良好的應(yīng)用效果。基于此，文章以蘋果樹(shù)發(fā)病時(shí)葉片顏色、紋理呈現(xiàn)的差異作為依據(jù)，巧妙地使用計(jì)算機(jī)視覺(jué)技術(shù)，研發(fā)出一套可以診斷蘋果樹(shù)病害的檢測(cè)系統(tǒng)。關(guān)鍵詞：計(jì)算機(jī)視覺(jué)；蘋果分級(jí)；檢測(cè)系統(tǒng)；應(yīng)用效果中圖分類號(hào)：TP39? 文獻(xiàn)標(biāo)志碼：A0 引言蘋果樹(shù)病害控制的科學(xué)方法是在蘋
無(wú)線互聯(lián)科技 2023年2期2023-06-15
- 計(jì)算機(jī)視覺(jué)課程綜合教學(xué)案例設(shè)計(jì)與實(shí)踐
要：針對(duì)計(jì)算機(jī)視覺(jué)課程核心知識(shí)點(diǎn)分散、較難以掌握的問(wèn)題，設(shè)計(jì)并實(shí)踐綜合性教學(xué)案例“環(huán)視系統(tǒng)構(gòu)建及基于環(huán)視的語(yǔ)義信息提取”。以此案例為載體，講授相機(jī)模型、相機(jī)標(biāo)定、幾何變換和深度學(xué)習(xí)等知識(shí)點(diǎn)，讓學(xué)生在實(shí)踐中學(xué)習(xí)、在學(xué)習(xí)中實(shí)踐。該案例的有效性已在同濟(jì)大學(xué)的教學(xué)實(shí)踐中得到充分驗(yàn)證。關(guān)鍵詞：計(jì)算機(jī)視覺(jué)；教學(xué)案例；實(shí)踐教學(xué)；環(huán)視系統(tǒng)；核心知識(shí)點(diǎn)Abstract： To solve the problem that the knowledge points of c
高教學(xué)刊 2023年16期2023-06-04
- 聚類Anchor參數(shù)與邊界框損失優(yōu)化的室內(nèi)人群檢測(cè)
LOv3；計(jì)算機(jī)視覺(jué)中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2023）03-0030-041 概述隨著機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，人們對(duì)視頻監(jiān)控的智能化水平的需求逐步提高，其中的人群自動(dòng)計(jì)數(shù)有著重要的社會(huì)意義和市場(chǎng)應(yīng)用前景，如公共安全、應(yīng)急疏散等領(lǐng)域[1-2]。本文主要針對(duì)教室人群的精確檢測(cè)統(tǒng)計(jì)問(wèn)題，在YOLOv3[8]檢測(cè)框架下展開(kāi)研究，為室內(nèi)人群智能化監(jiān)控提供支持。檢測(cè)場(chǎng)景設(shè)定為室內(nèi)人群，以教室和會(huì)議室人員檢測(cè)統(tǒng)計(jì)為
電腦知識(shí)與技術(shù) 2023年3期2023-05-30
- 基于機(jī)器視覺(jué)的沙糖橘果皮破裂和缺陷檢測(cè)
件相結(jié)合的計(jì)算機(jī)視覺(jué)檢測(cè)分類系統(tǒng)。該系統(tǒng)采用單CCD和LED環(huán)形光源，通過(guò)計(jì)算機(jī)協(xié)作，利用計(jì)算機(jī)視覺(jué)系統(tǒng)提取沙糖橘果皮的正面圖像，構(gòu)建了有效的圖像采集方法、預(yù)處理方法、顏色模型和分割方法，采用傅里葉變換、高頻濾波、形態(tài)學(xué)（方案）和分類樹(shù)等方法對(duì)沙糖橘的表面缺陷進(jìn)行研究，并為實(shí)際的自動(dòng)化應(yīng)用找到更準(zhǔn)確和更合適的方法。結(jié)果表明，該方法的可靠性和穩(wěn)定性優(yōu)于傳統(tǒng)的單一形態(tài)學(xué)的識(shí)別方法。關(guān)鍵詞 果皮；計(jì)算機(jī)視覺(jué)；圖像處理；智能分級(jí)；傅立葉變換；分類樹(shù)中圖分類號(hào) S1
安徽農(nóng)業(yè)科學(xué) 2023年9期2023-05-29
- 基于ResNet模型的玉米葉片病害檢測(cè)與識(shí)別
智慧農(nóng)業(yè)；計(jì)算機(jī)視覺(jué)中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1002-1302（2023）08-0164-07基金項(xiàng)目：國(guó)家自然科學(xué)基金面上項(xiàng)目（編號(hào)：31772206、31972274）；中國(guó)高校產(chǎn)學(xué)研創(chuàng)新基金新一代信息技術(shù)創(chuàng)新項(xiàng)目（編號(hào)：2020ITA03012）。作者簡(jiǎn)介：熊夢(mèng)園 （1998—），男，湖北枝江人，碩士，主要從事計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用研究。E-mail：2021710574@yangtzeu.edu.cn。通信作者：詹 煒，博
江蘇農(nóng)業(yè)科學(xué) 2023年8期2023-05-23
- 基于Transformer的目標(biāo)檢測(cè)研究綜述
mer； 計(jì)算機(jī)視覺(jué)； 深度學(xué)習(xí)中圖分類號(hào)：TP391? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2023）05-06-05Summary of research on target detection based on TransformerLiu Yujing（Information Science and Engineering， Shanxi Agricultural University， Taigu， Shanxi
計(jì)算機(jī)時(shí)代 2023年5期2023-05-14
- 面向中學(xué)生的人工智能算法教學(xué)探究
授人工智能計(jì)算機(jī)視覺(jué)算法的教學(xué)方法，總結(jié)了計(jì)算機(jī)視覺(jué)算法教學(xué)的要點(diǎn)和技巧。作者選取了計(jì)算機(jī)視覺(jué)中的經(jīng)典任務(wù)物體識(shí)別作為探究對(duì)象，以花朵的物體識(shí)別為例，通過(guò)將物體識(shí)別算法拆分為不同的步驟，根據(jù)學(xué)生的數(shù)學(xué)、物理、信息技術(shù)的知識(shí)背景，選擇重點(diǎn)進(jìn)行教學(xué)并設(shè)計(jì)教法。該物體識(shí)別算法被分為顏色空間轉(zhuǎn)換、色調(diào)降維、圓圈算法、驗(yàn)證等四個(gè)步驟，通過(guò)與學(xué)生日常學(xué)習(xí)、生活、娛樂(lè)的例子相結(jié)合，將抽象的算法問(wèn)題趣味化、實(shí)例化、活動(dòng)化，取得了良好的教學(xué)效果，為人工智能算法的教學(xué)提供了生
中小學(xué)信息技術(shù)教育 2023年4期2023-04-20
- 基于深度學(xué)習(xí)的兩階段目標(biāo)檢測(cè)算法綜述
目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)的重要研究方向之一，旨在準(zhǔn)確識(shí)別圖像中目標(biāo)的位置和類別，因其較高的準(zhǔn)確性，受到研究人員的廣泛關(guān)注。近年來(lái)，計(jì)算機(jī)技術(shù)快速發(fā)展，相對(duì)于傳統(tǒng)的目標(biāo)檢測(cè)算法，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法的優(yōu)勢(shì)逐漸凸顯，該算法精度高、實(shí)時(shí)性好。本文介紹了幾種經(jīng)典的兩階段目標(biāo)檢測(cè)算法，對(duì)其優(yōu)缺點(diǎn)進(jìn)行了比較，并對(duì)未來(lái)兩階段目標(biāo)檢測(cè)算法的發(fā)展進(jìn)行了展望。關(guān)鍵詞：深度學(xué)習(xí)；目標(biāo)檢測(cè)算法；技術(shù)演變 ；計(jì)算機(jī)視覺(jué)引言自計(jì)算機(jī)誕生之時(shí)，研究人員就在思考如何使計(jì)算機(jī)變得智能。如
互聯(lián)網(wǎng)周刊 2023年5期2023-03-10
- “計(jì)算機(jī)視覺(jué)”課程思政教學(xué)研究
。本文以“計(jì)算機(jī)視覺(jué)”課程為例，旨在探討研究生課程思政面臨的挑戰(zhàn)，以及如何提煉思政元素并有機(jī)融入專業(yè)教學(xué)過(guò)程中。1 開(kāi)展“計(jì)算機(jī)視覺(jué)”課程思政面臨的挑戰(zhàn)“計(jì)算機(jī)視覺(jué)”課程是安慶師范大學(xué)軟件工程專業(yè)碩士研究生的一門專業(yè)核心課程。該課程融合了人工智能、深度學(xué)習(xí)、高等數(shù)學(xué)、機(jī)器學(xué)習(xí)，乃至神經(jīng)生物學(xué)等不同領(lǐng)域，是一門高度交叉的學(xué)科，是我校軟件工程專業(yè)數(shù)據(jù)感知與可視計(jì)算研究方向重要的課程支撐?；谏疃葘W(xué)習(xí)技術(shù)，該課程主要培養(yǎng)研究生解決圖像識(shí)別、檢測(cè)與分割、可視化理解
- 基于CenterNet的車輛姿態(tài)識(shí)別研究
度，實(shí)驗(yàn)以計(jì)算機(jī)視覺(jué)識(shí)別技術(shù)為基礎(chǔ)，提出了一種基于CenterNet的車輛姿態(tài)識(shí)別方法。首先使用在車輛正常行駛道路拍攝的高清圖片模擬行車記錄儀所拍到的每幀圖像;然后，用CenterNet網(wǎng)絡(luò)模型進(jìn)行特征提取;最后，特征網(wǎng)絡(luò)用回歸的方式，輸出一個(gè)四元數(shù)，來(lái)描述車輛具體的位置信息和姿態(tài)信息。實(shí)驗(yàn)結(jié)果表明，此方法能有效檢測(cè)出圖片中車輛姿態(tài)信息。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);車輛姿態(tài)識(shí)別;四元數(shù);CenterNet中圖分類號(hào)：TP18? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：10
電腦知識(shí)與技術(shù) 2022年20期2022-08-29
- 工業(yè)場(chǎng)景下AI質(zhì)檢關(guān)鍵技術(shù)及平臺(tái)架構(gòu)研究
。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);機(jī)器學(xué)習(xí);深度神經(jīng)網(wǎng)絡(luò);工業(yè)質(zhì)檢;MEC;容器化中圖分類號(hào)：TP391.4 ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2022）05-0149-04Research on Key Technology and Platform Architecture of AI Quality Inspection under Industrial SceneZHOU Hua， ZHENG Rong， XIAO Rong（Shangh
現(xiàn)代信息科技 2022年5期2022-07-10
- 基于ResNet網(wǎng)絡(luò)與離散變分自編碼器的精細(xì)輪廓檢測(cè)方法
自編碼器;計(jì)算機(jī)視覺(jué);交叉熵?fù)p失函數(shù)中圖分類號(hào)：TP391.41? ? ? DOI：10.16375/j.cnki.cn45-1395/t.2022.03.0020? ? 引言在計(jì)算機(jī)視覺(jué)領(lǐng)域中，輪廓檢測(cè)作為一項(xiàng)基礎(chǔ)視覺(jué)任務(wù)，旨在檢測(cè)自然圖像中具有視覺(jué)顯著性的輪廓。對(duì)于一些高級(jí)的視覺(jué)任務(wù)，如目標(biāo)檢測(cè)[1]、目標(biāo)跟蹤[2]、光流檢測(cè)[3]以及圖像分割[4-5]等，輪廓檢測(cè)通常是其基礎(chǔ)或作為其輔助，輪廓信息的質(zhì)量直接影響了這些任務(wù)的性能。為了更好地服務(wù)于這些高
廣西科技大學(xué)學(xué)報(bào) 2022年3期2022-07-08
- 數(shù)字圖像修復(fù)方法研究進(jìn)展
圖像修復(fù);計(jì)算機(jī)視覺(jué);自編碼網(wǎng)絡(luò)中圖法分類號(hào)：TP391.4? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2022）04-0038-03Research Progress of Digital Image Inpainting MethodsWANG Ke（College of Physics and Information Engineering， Fuzhou University， Fuzhou? 350108， China）Ab
現(xiàn)代信息科技 2022年4期2022-07-07
- 基于融合編碼算法的圖像去霧方法研究
神經(jīng)網(wǎng)絡(luò);計(jì)算機(jī)視覺(jué)1.引言在有霧或煙霧的復(fù)雜環(huán)境中拍攝的圖像可能質(zhì)量較差，包括能見(jiàn)度、對(duì)比度、銳度等指標(biāo)都較差，這是大氣粒子的反射、折射和散射的綜合光學(xué)效果。通過(guò)圖像去霧技術(shù)來(lái)對(duì)這種環(huán)境中拍攝的圖像進(jìn)行增強(qiáng)，是自動(dòng)駕駛和視頻監(jiān)控等領(lǐng)域研究的熱點(diǎn)問(wèn)題。目前的圖像去霧方法主要包括傳統(tǒng)方法和深度學(xué)習(xí)方法，傳統(tǒng)方法又可以分為基于數(shù)學(xué)模型的方法和基于物理模型的方法。對(duì)模糊圖像或弱視覺(jué)場(chǎng)景的一些研究表明，人類視神經(jīng)系統(tǒng)通常提取場(chǎng)景的主要輪廓，并添加顏色等其他特征，然
科技研究·理論版 2022年11期2022-07-07
- 基于深度學(xué)習(xí)框架YOLOV5行人跟蹤及車輛檢測(cè)
目標(biāo)檢測(cè)在計(jì)算機(jī)視覺(jué)方向的研究有著不凡的研究，目前目標(biāo)檢測(cè)算法可以分成3類：傳統(tǒng)的目標(biāo)檢測(cè)算法：Cascade + HOG/DPM + Haar/SVM;候選區(qū)域/框 + 深度學(xué)習(xí)分類：R-CNN? SPP-net YOLO/SSD/DenseBox 等方法。其中在YIOLO模型中YOLOV5上提出了目標(biāo)檢測(cè)算法，研究表明，較傳統(tǒng)目標(biāo)檢測(cè)算法而言。該算法在目標(biāo)檢測(cè)上有著更高的精確度。關(guān)鍵詞：目標(biāo)檢測(cè)算法;計(jì)算機(jī)視覺(jué);深度學(xué)習(xí);YOLO模型一、概述近幾年，我
客聯(lián) 2022年4期2022-07-06
- 液壓支架護(hù)幫板工作狀態(tài)智能識(shí)別
深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)的算法，可采用融合幅度信息的光流直方圖（Histograms of Oriented Optical Flow，HOF）提取運(yùn)動(dòng)特征。實(shí)驗(yàn)結(jié)果表明：算法的準(zhǔn)確率達(dá)到88.69%、精確率達(dá)到79.08%、召回率達(dá)到76.16%、F1_score值達(dá)到76.53%，fps值達(dá)到18幀/s，驗(yàn)證了該算法的可行性和有效性。關(guān)鍵詞： 液壓支架護(hù)幫板; 光流直方圖; 運(yùn)動(dòng)識(shí)別; 計(jì)算機(jī)視覺(jué); 煤礦作業(yè)中圖分類號(hào)：TP391.41? ? ? ? ?
計(jì)算機(jī)時(shí)代 2022年6期2022-06-21
- 基于計(jì)算機(jī)視覺(jué)的無(wú)人機(jī)目標(biāo)檢測(cè)算法綜述
目標(biāo)檢測(cè)。計(jì)算機(jī)視覺(jué)技術(shù)早在20世紀(jì)90年代就已經(jīng)開(kāi)始應(yīng)用于無(wú)人機(jī)領(lǐng)域，早期受限于微處理器較差的運(yùn)算能力，相關(guān)算法雖然有一定的優(yōu)化但總體上發(fā)展緩慢。經(jīng)過(guò)幾十年的發(fā)展，目前隨著處理器運(yùn)算能力的顯著提升，利用計(jì)算機(jī)視覺(jué)相關(guān)技術(shù)解決無(wú)人機(jī)應(yīng)用中的問(wèn)題顯得更加得心應(yīng)手。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);無(wú)人機(jī);目標(biāo)檢測(cè);引言隨著無(wú)人機(jī)在軍用及民用領(lǐng)域的廣泛應(yīng)用，以無(wú)人機(jī)為平臺(tái)的圖像獲取和處理技術(shù)在軍事、交通、物流和攝影等諸多領(lǐng)域得到快速發(fā)展?；跓o(wú)人機(jī)視覺(jué)的多目標(biāo)跟蹤技術(shù)已成為
新視線·建筑與電力 2022年4期2022-06-08
- 計(jì)算機(jī)視覺(jué)及網(wǎng)絡(luò)領(lǐng)域中人工智能的運(yùn)用研究
要：在當(dāng)前計(jì)算機(jī)視覺(jué)和網(wǎng)絡(luò)領(lǐng)域中融入人工智能技術(shù)本身的優(yōu)勢(shì)較為突出，不僅可以促進(jìn)計(jì)算機(jī)視覺(jué)和網(wǎng)絡(luò)領(lǐng)域的穩(wěn)定發(fā)展，還有助于滿足人們當(dāng)前的使用需求，使人工智能技術(shù)應(yīng)用效果能夠得到全面增強(qiáng)，因此在實(shí)際工作中需要相應(yīng)對(duì)人工智能技術(shù)的深入性開(kāi)發(fā)，符合計(jì)算機(jī)視覺(jué)以及網(wǎng)絡(luò)領(lǐng)域現(xiàn)代化的發(fā)展需求。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);網(wǎng)絡(luò)領(lǐng)域;人工智能技術(shù);應(yīng)用 在計(jì)算機(jī)視覺(jué)和網(wǎng)絡(luò)領(lǐng)域中融入人工智能技術(shù)時(shí)需要掌握對(duì)人工智能技術(shù)與計(jì)算機(jī)視覺(jué)及網(wǎng)絡(luò)領(lǐng)域的契合點(diǎn)，并且根據(jù)以往發(fā)展中所存在的問(wèn)題融
客聯(lián) 2022年3期2022-05-31
- 基于距離感知自上而下的多人三維姿態(tài)估計(jì)
姿態(tài)估計(jì)是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)熱門研究方向。人體姿態(tài)估計(jì)的技術(shù)發(fā)展已有一段時(shí)間，相關(guān)的方法已經(jīng)提出比較多，這些方法基本都局限于單人的三維姿態(tài)處理。在大多場(chǎng)景下，三維運(yùn)動(dòng)形態(tài)呈現(xiàn)多人交互的情況，所以多人姿態(tài)估計(jì)的問(wèn)題需要處理。隨著深度學(xué)習(xí)的理論發(fā)展，該文提出基于距離感知自上而下深度學(xué)習(xí)，處理多人三維姿態(tài)估計(jì)的問(wèn)題。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);多人三維姿態(tài)估計(jì);深度學(xué)習(xí)中圖分類號(hào)：TP391.41? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）11-
電腦知識(shí)與技術(shù) 2022年11期2022-05-31
- 基于元學(xué)習(xí)的圖像翻譯算法
翻譯是目前計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)比較重要的方向，其目標(biāo)旨在學(xué)習(xí)兩個(gè)不同圖像域之間的映射，同時(shí)保留原始圖像的特征和語(yǔ)義。當(dāng)今，無(wú)監(jiān)督學(xué)習(xí)的圖像翻譯利用生成對(duì)抗網(wǎng)絡(luò)和比較多的訓(xùn)練數(shù)據(jù)能夠取得不錯(cuò)的性能。但現(xiàn)有的圖像翻譯模型是采用一種一次性的方式形成，其中忽略了訓(xùn)練過(guò)程的學(xué)習(xí)經(jīng)驗(yàn)，所生成的模型只能適用于特定的領(lǐng)域，不能適應(yīng)一個(gè)未知的領(lǐng)域。該文在循環(huán)一致性生成對(duì)抗網(wǎng)絡(luò)的研究基礎(chǔ)之上，嘗試從元學(xué)習(xí)的角度來(lái)處理這一類問(wèn)題。關(guān)鍵詞：循環(huán)一致性生成對(duì)抗網(wǎng)絡(luò);元學(xué)習(xí);圖像翻譯;
電腦知識(shí)與技術(shù) 2022年22期2022-05-30
- 基于計(jì)算機(jī)視覺(jué)的健康監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
文章采用了計(jì)算機(jī)視覺(jué)的方法，通過(guò)檢測(cè)虹膜上的特征，觀察虹膜各反射區(qū)的變化，從而了解身體的健康及狀態(tài)改變，實(shí)現(xiàn)人體亞健康狀況的檢測(cè)，從而早預(yù)防早治療。關(guān)鍵詞：虹膜特征檢測(cè)；人體健康監(jiān)測(cè)系統(tǒng)；圖像處理；計(jì)算機(jī)視覺(jué)中圖分類號(hào)：TP391 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2021）31-0017-021 引言虹膜診斷學(xué)[1]就是一種通過(guò)檢查虹膜紋理特征判斷人體內(nèi)部器官的潛在問(wèn)題和病變的方法。由于虹膜上有人體臟器的各種反射區(qū)，因此可以通過(guò)檢測(cè)虹
電腦知識(shí)與技術(shù) 2022年31期2022-05-30
- 基于計(jì)算機(jī)視覺(jué)的車道識(shí)別及駕駛狀態(tài)監(jiān)測(cè)方法
朋關(guān)鍵詞 計(jì)算機(jī)視覺(jué) 車道識(shí)別 駕駛狀態(tài)監(jiān)測(cè)1引言近年來(lái)，隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，人們生活水平不斷提高，越來(lái)越多的家庭擁有了汽車。自動(dòng)駕駛技術(shù)的不斷發(fā)展，使得越來(lái)越多的汽車開(kāi)始裝備駕駛輔助系統(tǒng)。采用計(jì)算機(jī)視覺(jué)進(jìn)行道路識(shí)別和駕駛輔助具有成本低、部署快速、效率高等特點(diǎn)。使用OpenCV 對(duì)攝像頭傳回的數(shù)據(jù)進(jìn)行實(shí)時(shí)處理。使用Canny 邊緣檢測(cè)技術(shù)和霍夫變換以實(shí)現(xiàn)圖像的實(shí)時(shí)處理，Canny 邊緣檢測(cè)采用了高斯模糊來(lái)加強(qiáng)對(duì)數(shù)據(jù)處理的精準(zhǔn)性，首先進(jìn)行圖像的降噪，然后
計(jì)算機(jī)應(yīng)用文摘·觸控 2022年12期2022-05-30
- 計(jì)算機(jī)視覺(jué)及網(wǎng)絡(luò)領(lǐng)域中人工智能的運(yùn)用
網(wǎng)絡(luò)技術(shù)和計(jì)算機(jī)視覺(jué)領(lǐng)域的應(yīng)用對(duì)人類文明的發(fā)展具有一定的促進(jìn)作用，可以使科學(xué)技術(shù)更具創(chuàng)新性和現(xiàn)代性，進(jìn)而使其更好地為人類生活服務(wù)。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);網(wǎng)絡(luò)領(lǐng)域;人工智能運(yùn)用引言在計(jì)算機(jī)視覺(jué)和網(wǎng)絡(luò)領(lǐng)域中運(yùn)用人工智能技術(shù)，不僅可以推動(dòng)社會(huì)的健康穩(wěn)定發(fā)展，還能豐富人們的日常生活。社會(huì)的不斷進(jìn)步，推動(dòng)了人工智能技術(shù)的快速發(fā)展，進(jìn)一步擴(kuò)展了人工智能的覆蓋范圍。人工智能技術(shù)促進(jìn)了各個(gè)行業(yè)的發(fā)展，對(duì)我國(guó)社會(huì)經(jīng)濟(jì)的發(fā)展具有重要意義。因此，相關(guān)研究人員需要跟隨時(shí)代發(fā)展的腳步
科教創(chuàng)新與實(shí)踐 2022年4期2022-04-21
- 高壓設(shè)備放電紫外圖像光斑區(qū)域特征提取
部攝像頭和計(jì)算機(jī)視覺(jué)方法定位鼠標(biāo)指針，校準(zhǔn)視覺(jué)和激勵(lì)器空間鼠標(biāo)移動(dòng)關(guān)聯(lián)，確定鼠標(biāo)移動(dòng)尺度，最終完成相應(yīng)鼠標(biāo)動(dòng)作。案例研究表明該方法具有較高的測(cè)試執(zhí)行準(zhǔn)確度，有良好的實(shí)用價(jià)值。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);測(cè)試自動(dòng)化;鼠標(biāo);非侵入式中圖分類號(hào)：?TP311??????文獻(xiàn)標(biāo)識(shí)碼：AA?Computer?Vision?Based?Mouse?Input?Test?Automation?MethodZHOU?Xu，QIAN?Ju（College?of?Computer?S
計(jì)算技術(shù)與自動(dòng)化 2022年1期2022-04-15
- 基于視覺(jué)的位姿計(jì)算技術(shù)在圖書館中的應(yīng)用探索
輝摘 要 計(jì)算機(jī)視覺(jué)技術(shù)在產(chǎn)業(yè)升級(jí)中發(fā)揮了重要的作用，是建設(shè)下一代智慧圖書館的關(guān)鍵技術(shù)，而位姿計(jì)算技術(shù)是計(jì)算機(jī)視覺(jué)技術(shù)重要的研究應(yīng)用方向。論文首次探索了基于視覺(jué)的位姿計(jì)算技術(shù)在圖書館中的應(yīng)用，探討了該技術(shù)對(duì)圖書館服務(wù)的重要意義，并且基于開(kāi)源框架成功實(shí)現(xiàn)了基于視覺(jué)的位姿計(jì)算技術(shù)，將位姿計(jì)算系統(tǒng)實(shí)際部署在西北工業(yè)大學(xué)圖書館中。代表性場(chǎng)景的位姿計(jì)算結(jié)果表明，論文基于視覺(jué)的位姿計(jì)算技術(shù)方法，其位移精度在10厘米以內(nèi)，角度精度在2度以內(nèi)，定位平均耗時(shí)約為50毫秒，位
新世紀(jì)圖書館 2022年3期2022-04-02
- 融合人體姿態(tài)估計(jì)和目標(biāo)檢測(cè)的學(xué)生課堂行為識(shí)別
檢測(cè);? 計(jì)算機(jī)視覺(jué);? 深度學(xué)習(xí)中圖分類號(hào)： TP391.1??? 文獻(xiàn)標(biāo)志碼： ADOI：10.3969/j.issn.1000-5641.2022.02.007Recognition of classroom learning behaviors based on the fusion of human pose estimation and object detectionWANG Zejie1，2 ，? SHEN Chaomin1，2 ，? ZH
- 基于計(jì)算機(jī)視覺(jué)的夜間交通流量統(tǒng)計(jì)算法研究
。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);交通流量統(tǒng)計(jì);YOLOv5s;DeepSORT;智能交通中圖分類號(hào)：TP391.41;TP393.021文獻(xiàn)標(biāo)識(shí)碼：A智能交通技術(shù)是融合多學(xué)科內(nèi)容的前沿學(xué)科[1]，交通流量統(tǒng)計(jì)[2]是智能交通技術(shù)的重要環(huán)節(jié)和數(shù)據(jù)來(lái)源，開(kāi)展這方面的研究具有重要意義。目前，交通流量統(tǒng)計(jì)算法分為目標(biāo)檢測(cè)、目標(biāo)跟蹤和目標(biāo)統(tǒng)計(jì)三個(gè)模塊。目標(biāo)檢測(cè)[3]是獲取交通流信息的第一步，準(zhǔn)確的目標(biāo)檢測(cè)算法可以大大提高跟蹤模塊的性能。傳統(tǒng)的目標(biāo)檢測(cè)方法易受到天氣和光線等外界
- 基于深度學(xué)習(xí)的 高中學(xué)生課堂坐姿識(shí)別研究
智慧校園;計(jì)算機(jī)視覺(jué);行為識(shí)別中圖分類號(hào)：G434? 文獻(xiàn)標(biāo)識(shí)碼：A? 論文編號(hào)：1674-2117（2022）06-0000-04● 引言課堂行為識(shí)別是教學(xué)領(lǐng)域的重要基本活動(dòng)，在人工智能教育的應(yīng)用中，計(jì)算機(jī)視覺(jué)與課堂場(chǎng)景相結(jié)合對(duì)于智慧校園的信息化和網(wǎng)絡(luò)化建設(shè)具有較大應(yīng)用價(jià)值。該技術(shù)的應(yīng)用一方面可以改善傳統(tǒng)課堂和錄播系統(tǒng)需要消耗教師大量精力進(jìn)行觀察的問(wèn)題，減輕評(píng)課負(fù)擔(dān)，有利于教師教學(xué)方法和教學(xué)策略的改進(jìn)和調(diào)整，另一方面也便于學(xué)生對(duì)自己課上行為和學(xué)習(xí)狀態(tài)有更
中國(guó)信息技術(shù)教育 2022年6期2022-03-24
- 基于AWS SageMaker和DeepLens的高校課堂學(xué)生問(wèn)題行為檢測(cè)方法研究
計(jì)算技術(shù)在計(jì)算機(jī)視覺(jué)應(yīng)用中更具有成本效益、部署靈活的優(yōu)點(diǎn)，突破傳統(tǒng)計(jì)算機(jī)視覺(jué)與硬件結(jié)合在日常使用中的困難，能更好地將信息技術(shù)融合到高校課堂中。關(guān)鍵詞：機(jī)器學(xué)習(xí);云計(jì)算;計(jì)算機(jī)視覺(jué)中圖分類號(hào)：TP393? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）01-0113-03教育信息化進(jìn)入了新的發(fā)展階段，大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等新興技術(shù)將驅(qū)動(dòng)傳統(tǒng)教學(xué)理念、模式、內(nèi)容和方法的改革，推動(dòng)智慧校園的建設(shè)，全面提升教育信息化水平[1-2]。在智慧
電腦知識(shí)與技術(shù) 2022年1期2022-03-11
- 視頻目標(biāo)跟蹤綜述
關(guān)濾波; 計(jì)算機(jī)視覺(jué)中圖分類號(hào)：TP399? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2022）01-32-04Overview on video target trackingZhang Feng， Feng Ping（Guizhou University of Finance and Economics， Guiyang， Guizhou 550025， China）Abstract： This paper focuses
計(jì)算機(jī)時(shí)代 2022年1期2022-01-22
- 基于計(jì)算機(jī)視覺(jué)的網(wǎng)約車車載智能監(jiān)控系統(tǒng)研究
濤關(guān)鍵詞：計(jì)算機(jī)視覺(jué);網(wǎng)約車;車載監(jiān)控;人臉檢測(cè)1緒論隨著網(wǎng)約車數(shù)量劇增，覆蓋時(shí)段、覆蓋區(qū)域也大大增加，乘車安全問(wèn)題逐漸涌現(xiàn)，這告訴我們，現(xiàn)有的安全措施只能“亡羊補(bǔ)牢”，真正的安全是要做到“未雨綢繆”，將傷害控制在危險(xiǎn)發(fā)生之前。然而某網(wǎng)約車軟件內(nèi)置的一鍵報(bào)警、添加緊急聯(lián)系人等防范措施在一些受限環(huán)境下并不能有效阻止傷害的發(fā)生，同時(shí)，現(xiàn)階段的車載監(jiān)控系統(tǒng)往往只起到事后查證的作用，對(duì)正在發(fā)生的危險(xiǎn)并不能進(jìn)行智能預(yù)警。因而我們亟須一種網(wǎng)約車智能安防監(jiān)控系統(tǒng)，來(lái)對(duì)車
科技風(fēng) 2021年33期2021-12-24
- 基于人工智能技術(shù)的口罩佩戴檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
。關(guān)鍵詞：計(jì)算機(jī)視覺(jué) 深度學(xué)習(xí) 目標(biāo)檢測(cè) 端到端神經(jīng)網(wǎng)絡(luò)近年來(lái)，隨著人工智能的不斷發(fā)展和機(jī)器學(xué)習(xí)，深度學(xué)習(xí)領(lǐng)域的不斷突破，計(jì)算機(jī)視覺(jué)技術(shù)日趨成熟。目標(biāo)檢測(cè)，語(yǔ)義分割，動(dòng)作視覺(jué)，三維重建等技術(shù)迅速發(fā)展起來(lái)，并且得到了日益廣泛的應(yīng)用。在抗擊新冠肺炎疫情的時(shí)代背景下，疫情防控進(jìn)入常態(tài)化時(shí)期，我們將深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用到了現(xiàn)實(shí)場(chǎng)景中，采用機(jī)器視覺(jué)中的目標(biāo)檢測(cè)技術(shù)，進(jìn)行了口罩佩戴檢測(cè)系統(tǒng)的開(kāi)發(fā)，并將該系統(tǒng)部署到了上位機(jī)上。該系統(tǒng)可以對(duì)人群中的人臉是否佩戴口罩
科學(xué)與生活 2021年8期2021-12-22
- 干擾環(huán)境下基于計(jì)算機(jī)視覺(jué)的多目標(biāo)動(dòng)位移高精度監(jiān)測(cè)方法
當(dāng)前基于計(jì)算機(jī)視覺(jué)的動(dòng)位移測(cè)量研究通常要求高速高分辨率攝像機(jī)和理想拍攝環(huán)境，以保證測(cè)量的性能和精度。然而高速相機(jī)成本較高，目標(biāo)成像需要較高對(duì)比度，且實(shí)際拍攝過(guò)程中環(huán)境條件也難以保持穩(wěn)定，導(dǎo)致應(yīng)用受限。結(jié)合時(shí)空上下文算法和光流算法，提出一種無(wú)需人工標(biāo)靶點(diǎn)、魯棒的多目標(biāo)位移監(jiān)測(cè)方法，通過(guò)智能手機(jī)實(shí)現(xiàn)干擾環(huán)境下的結(jié)構(gòu)多點(diǎn)動(dòng)位移同步測(cè)量。開(kāi)展懸臂小球模型的掃頻實(shí)驗(yàn)，檢驗(yàn)方法在一定頻率范圍內(nèi)的測(cè)量效果。其中，使用智能手機(jī)對(duì)激振小球進(jìn)行拍攝，并在實(shí)驗(yàn)中保留復(fù)雜背景和
振動(dòng)工程學(xué)報(bào) 2021年5期2021-12-16
- 基于計(jì)算機(jī)視覺(jué)停車位分類探析
此，本文在計(jì)算機(jī)視覺(jué)的基礎(chǔ)上，對(duì)于汽車的停車位分析以及停車位狀態(tài)識(shí)別的算法、停車位分類分析研究如下。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);停車位;車位狀態(tài)識(shí)別;車位定位引言在汽車行業(yè)以及社會(huì)經(jīng)濟(jì)不斷發(fā)展的背景下，停車場(chǎng)對(duì)停車位的管理問(wèn)題以及空閑停車位的檢測(cè)問(wèn)題成為智能化停車場(chǎng)建設(shè)以及智能化停車發(fā)展的關(guān)鍵。目前，我國(guó)車位識(shí)別研究以計(jì)數(shù)器和傳感器、視覺(jué)圖像為基礎(chǔ)，分別從不同的技術(shù)角度對(duì)如何精準(zhǔn)地識(shí)別停車場(chǎng)的空閑車位進(jìn)行分析與研究。在此基礎(chǔ)上，本文以計(jì)算機(jī)視覺(jué)為技術(shù)切入點(diǎn)，對(duì)停車
科學(xué)與生活 2021年25期2021-12-02
- 基于深度學(xué)習(xí)的圖像超分辨率研究
的過(guò)程，是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)。近年來(lái)，隨著圖像超分辨率技術(shù)理論的不斷創(chuàng)新，從傳統(tǒng)的插值法、重構(gòu)法發(fā)展到主流的深度學(xué)習(xí)算法。文中從圖像超分辨率的定義出發(fā)，梳理了圖像超分辨率各個(gè)時(shí)期的代表性算法，詳細(xì)介紹了基于卷積神經(jīng)網(wǎng)絡(luò)、殘差網(wǎng)絡(luò)與生成對(duì)抗網(wǎng)絡(luò)三個(gè)主流的超分辨率模型，并討論了各個(gè)模型的網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)策略以及損失函數(shù)等問(wèn)題。最后，對(duì)圖像超分辨率當(dāng)前的研究情況進(jìn)行總結(jié)。關(guān)鍵詞： 圖像超分辨率; 深度學(xué)習(xí); 神經(jīng)網(wǎng)絡(luò); 計(jì)算機(jī)視覺(jué)中圖分類號(hào)：TP18?
電腦知識(shí)與技術(shù) 2021年30期2021-11-28
- 基于深度學(xué)習(xí)的圖像超分辨率研究
的過(guò)程，是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)。近年來(lái)，隨著圖像超分辨率技術(shù)理論的不斷創(chuàng)新，從傳統(tǒng)的插值法、重構(gòu)法發(fā)展到主流的深度學(xué)習(xí)算法。文中從圖像超分辨率的定義出發(fā)，梳理了圖像超分辨率各個(gè)時(shí)期的代表性算法，詳細(xì)介紹了基于卷積神經(jīng)網(wǎng)絡(luò)、殘差網(wǎng)絡(luò)與生成對(duì)抗網(wǎng)絡(luò)三個(gè)主流的超分辨率模型，并討論了各個(gè)模型的網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)策略以及損失函數(shù)等問(wèn)題。最后，對(duì)圖像超分辨率當(dāng)前的研究情況進(jìn)行總結(jié)。關(guān)鍵詞： 圖像超分辨率; 深度學(xué)習(xí); 神經(jīng)網(wǎng)絡(luò); 計(jì)算機(jī)視覺(jué)中圖分類號(hào)：TP18?
電腦知識(shí)與技術(shù) 2021年30期2021-11-28
- 基于多視角數(shù)字圖像的深基坑三維重構(gòu)研究
三維重構(gòu)是計(jì)算機(jī)視覺(jué)方法。本文采用數(shù)字圖像方法對(duì)深基坑進(jìn)行了三維重構(gòu)研究，分析了三維重構(gòu)中SIFT和RANSAC等算法的參數(shù)對(duì)計(jì)算性能的影響，通過(guò)選取合適的參數(shù)，使得RANSAC算法能夠在滿足精度要求的前提下速度更快。同時(shí)，將計(jì)算得到的參數(shù)應(yīng)用于實(shí)際深基坑三維重構(gòu)，既滿足了工程精度，又達(dá)到了計(jì)算速度的要求。關(guān)鍵詞：深基坑;三維重構(gòu);計(jì)算機(jī)視覺(jué)中圖分類號(hào)：TU753文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2021）16-0010-05Abstract：
河南科技 2021年16期2021-11-28
- 基于機(jī)器視覺(jué)的智能圖書分揀裝置研究設(shè)計(jì)
揀;算法;計(jì)算機(jī)視覺(jué);形狀識(shí)別0 引言近年來(lái)中國(guó)重視智能一體化裝置建設(shè)，從智能無(wú)人售賣機(jī)到智能無(wú)人超市再到智能圖書館，智能化建設(shè)逐步發(fā)展，但中國(guó)現(xiàn)有的智能圖書館建設(shè)還存在許多待解決的問(wèn)題，與國(guó)外智能圖書館的建設(shè)相比較還存在有一定的差距。我國(guó)目前市場(chǎng)上圖書分揀系統(tǒng)存在著諸多問(wèn)題：1.現(xiàn)有得圖書分揀裝置，容易出現(xiàn)分揀過(guò)程中取不出書現(xiàn)象。2.圖書館分揀人員在進(jìn)行圖書分揀系統(tǒng)工作時(shí)，如若不注意，可能會(huì)造成圖書損壞的現(xiàn)象，對(duì)圖書造成極大的影響，影響讀者二次閱讀。3.
科學(xué)與生活 2021年18期2021-11-24
- 電力巡檢無(wú)人機(jī)精準(zhǔn)降落方法研究與應(yīng)用
垂直定位;計(jì)算機(jī)視覺(jué);四維速度矢量控制;自適應(yīng)抗干擾無(wú)人機(jī)巡檢對(duì)于提高輸電系統(tǒng)巡檢效率，降低人力成本和人員安全風(fēng)險(xiǎn)等方面發(fā)揮著重要的作用。在巡檢無(wú)人機(jī)整個(gè)工作過(guò)程中，降落定位是一項(xiàng)非常重要但存在較大干擾的技術(shù)難點(diǎn)。傳統(tǒng)的無(wú)人機(jī)降落技術(shù)主要包括慣性導(dǎo)航、衛(wèi)星導(dǎo)航、多普勒導(dǎo)航、地形輔助導(dǎo)航等方法。慣性導(dǎo)航方法不受外界任何信息影響，穩(wěn)定性好，但定位誤差隨時(shí)間不斷積累，因而精度較低;慣性導(dǎo)航方法具備全天候、連續(xù)精密定位能力，實(shí)時(shí)性較好，但易受電磁干擾影響，穩(wěn)定性較
計(jì)算技術(shù)與自動(dòng)化 2021年2期2021-11-10
- 基于計(jì)算機(jī)視覺(jué)的醫(yī)用口罩在線檢測(cè)系統(tǒng)設(shè)計(jì)
了一種基于計(jì)算機(jī)視覺(jué)技術(shù)的醫(yī)用口罩在線檢測(cè)系統(tǒng)，該系統(tǒng)采用單相機(jī)實(shí)現(xiàn)了口罩產(chǎn)品的正反面圖像采集，采用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)自動(dòng)識(shí)別口罩的有無(wú)，判斷耳帶缺陷、鼻條缺陷等不良狀況，設(shè)計(jì)了一套醫(yī)用口罩在線檢測(cè)軟件來(lái)實(shí)現(xiàn)系統(tǒng)的功能，軟件執(zhí)行結(jié)果表明，文章提出的在線檢測(cè)系統(tǒng)能夠有效識(shí)別醫(yī)用口罩的各種缺陷，實(shí)現(xiàn)智能化在線檢測(cè)，提升口罩產(chǎn)品檢測(cè)質(zhì)量，節(jié)省口罩生產(chǎn)成本。關(guān)鍵詞：醫(yī)用口罩;計(jì)算機(jī)視覺(jué);品質(zhì)檢測(cè);缺陷檢測(cè);顏色定位中圖分類號(hào)：TP391.4;TP273? 文獻(xiàn)標(biāo)識(shí)碼
現(xiàn)代信息科技 2021年5期2021-10-19
- 基于投影函數(shù)的人眼檢測(cè)方法綜述
人眼檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究對(duì)象，也是人臉檢測(cè)、虹膜分割以及人眼跟蹤技術(shù)等技術(shù)的關(guān)鍵前提條件，廣泛應(yīng)用于各種場(chǎng)景之中。利用投影函數(shù)能分析圖像特征，提取出圖像的關(guān)鍵點(diǎn)，大量的研究表明利用投影函數(shù)能有效地檢測(cè)人眼。文章詳細(xì)介紹了各類基于投影函數(shù)的人眼檢測(cè)方法原理，分析了其特點(diǎn)，希望能為相關(guān)研究人員提供參考。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);投影函數(shù);人眼檢測(cè);人眼定位中圖分類號(hào)：TP391.4 ? 文獻(xiàn)編制碼：A ? 文章編號(hào)：2096-4706（2021）05-00
現(xiàn)代信息科技 2021年5期2021-10-19
- 基于Transformer目標(biāo)檢測(cè)研究綜述
目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域三大任務(wù)之一，同時(shí)也是計(jì)算機(jī)視覺(jué)領(lǐng)域內(nèi)一個(gè)最基本和具有挑戰(zhàn)性的熱點(diǎn)課題，近一年來(lái)基于Transformer的目標(biāo)檢測(cè)算法研究引發(fā)熱潮。簡(jiǎn)述Transformer框架在目標(biāo)檢測(cè)領(lǐng)域的研究狀況，介紹了其基本原理、常用數(shù)據(jù)集和常用評(píng)價(jià)方法，并用多種公共數(shù)據(jù)集對(duì)不同算法進(jìn)行對(duì)比以分析其優(yōu)缺點(diǎn)，在綜述研究基礎(chǔ)上，結(jié)合行業(yè)應(yīng)用對(duì)基于Transformer的目標(biāo)檢測(cè)進(jìn)行總結(jié)與展望。關(guān)鍵詞：目標(biāo)檢測(cè);Transformer;計(jì)算機(jī)視覺(jué);深度學(xué)習(xí)中圖
現(xiàn)代信息科技 2021年7期2021-10-16
- 基于二維運(yùn)動(dòng)機(jī)械臂的移動(dòng)設(shè)備測(cè)試研究
。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);自動(dòng)化測(cè)試;機(jī)器人;非侵入式Abstract：Most of the existing frameworks for automated testing of mobile devices are intrusive to the devices under test. They are difficult to be used on devices with closedsystems. Non-intrusive testing
計(jì)算技術(shù)與自動(dòng)化 2021年3期2021-10-01
- 卷積神經(jīng)網(wǎng)絡(luò)在茶葉分級(jí)中的應(yīng)用
茶葉分級(jí);計(jì)算機(jī)視覺(jué);農(nóng)業(yè)信息化;卷積神經(jīng)網(wǎng)絡(luò);圖像分類中圖分類號(hào)：TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2021）23-0110-04Abstract：Abstract Objective， accurate， convenient and efficient tea grading is of great significance to maintain the stability of tea market and ens
電腦知識(shí)與技術(shù) 2021年23期2021-09-24
- 基于深度學(xué)習(xí)的果蠅識(shí)別
。關(guān)鍵詞：計(jì)算機(jī)視覺(jué);果蠅識(shí)別;深度學(xué)習(xí);YOLO v3Abstract： Drosophila recognition and its population statistic analysis is a useful method for drosophila breakout modeling. Then using corresponding methods to trap and kill drosophila before the outbre
河南科技 2021年13期2021-09-23