检索结果-南通市图书馆

检索条件"主题词=回归CNN"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的车辆角度检测技术及其应用

基于深度学习的车辆角度检测技术及其应用

引用

作者：刘梦超河南理工大学

学位级别：硕士

在无人驾驶领域,车辆角度的实时检测对于维护交通安全起着至关重要的作用。而车辆角度检测是检测车辆偏转角度,车牌倾斜角度和前车方位角度的一个关键要素。传统的角度检测方法应用的技术多是传感器技术和图像边缘检测技术,这类方法不... 详细信息

在无人驾驶领域,车辆角度的实时检测对于维护交通安全起着至关重要的作用。而车辆角度检测是检测车辆偏转角度,车牌倾斜角度和前车方位角度的一个关键要素。传统的角度检测方法应用的技术多是传感器技术和图像边缘检测技术,这类方法不但需要较高的技术投入和硬件支持,而且检测精度和实时性较差。近年来,深度学习方法已经在无人驾驶领域得到了广泛的应用。为此,本文提出了一种基于深度学习的车辆角度检测方法,并研究了其在无人驾驶领域中的应用。(1)针对无人驾驶路径规划和智能泊车领域难以通过实时检测车辆的偏转角度指导车辆正确行驶的问题,提出了一种基于回归cnn(regression Convolutional Neural Network,regression cnn)的车辆偏转角度检测方法;(2)针对无人驾驶场景中,当车牌倾斜时,不易于识别车牌信息的问题,提出了一种车牌倾斜角度检测方法,并建立了基于PVA-NET、回归cnn、Caffe Net的倾斜车牌定位、分类、矫正和识别的综合检测系统;(3)针对无人驾驶车辆行驶过程中难以实时掌握前车方位的问题,提出了一种基于深度学习的前车方位角度检测方法,并通过联合Faster R-cnn和回归cnn提出了用于检测前车位置、方位角和距离的综合检测系统。主要研究内容如下:(1)研究了基于深度学习的车辆偏转角度检测方法。首先,分析了回归cnn在检测车辆偏转角时面临的两大问题。问题一:周期角度转换为线性角度时导致的异常检测误差;问题二:训练样本标签值很小时检测误差大。然后,为了解决这两大问题,本文详细设计了MCR-cnn(Multi-Collaborative Regression cnn,MCR-cnn)及其网络结构,用于车辆偏转角度检测模型的训练和测试;提出“两阶段法”,用于优化训练数据集标签值。实验结果表明本文提出的方法能够准确检测出车辆的偏转角度。最后,在中科院高清航拍数据集上进行了检测方法的泛化能力验证实验,并取得了良好的检测结果。(2)研究了基于深度学习的车牌倾斜角度检测方法,并建立了倾斜车牌的定位、倾斜角度检测、矫正与识别框架。首先,应用PVA-NET(Performance Vs Accuracy Network)对顺时针旋转和逆时针旋转的车牌图像进行定位和分类,并根据PVA-NET模型检测到的边界框的四个顶点坐标和对应的标签,将边界框中的车牌图像裁剪出来;然后,使用回归cnn来检测车牌图像的水平倾角和垂直倾角,并根据回归cnn检测到的水平和垂直角度提出了车牌倾斜矫正算法;最后,分析了车牌字符特征,提出了基于Caffe Net的倾斜车牌字符识别模型,并在CCPD(Chinese City Parking Dataset,CCPD)数据集上进行了实验验证。结果表明,PVA-NET模型对车牌定位和分类的平均精度(AP)分别为87.40%和89.47%;倾斜角度检测模型可以准确地检测出车牌的水平倾角和垂直倾角;车牌矫正算法能够准确地矫正倾斜车牌;Caffe Net车牌字符识别模型在CCPD数据集上取得了较高的识别精度。(3)研究了基于深度学习的前车方位角检测方法,并将角度检测与前车距离检测相结合提出了基于Faster R-cnn、回归cnn的前车定位、方位角检测和测距系统。首先,完成数据集的采集、制作和标注工作,并使用所标注的数据集基于cnn训练出前车距离和方位角检测模型;然后,优化了Faster R-cnn的anchor值,使得Faster R-cnn更适用于前车定位;最后,提出了前车定位、测距和方位角综合检测系统。实验结果表明,本文所提出的方法能够准确检测出前车的位置、方位角和距离的大小,特别在测距精度上,相比单目视觉测距方法,具有较高的检测精度。图51幅,表12个,参考文献75篇。

关键词：回归cnn 无人驾驶深度学习车辆角度检测车牌倾斜角检测方位角检测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于可见近红外光谱的粮食品质无损预测方法研究

基于可见近红外光谱的粮食品质无损预测方法研究

引用

作者：陈舒畅南京财经大学

学位级别：硕士

粮食是人类生产的基础,粮食安全事关国家安全大局,如何保证粮食的品质并安全存储一直以来都是国家极为重视的问题。近红外光谱分析技术是近年来快速发展的一种粮食品质无损检测技术,具有不破坏粮食本身、操作便捷以及稳定性高和效率高... 详细信息

粮食是人类生产的基础,粮食安全事关国家安全大局,如何保证粮食的品质并安全存储一直以来都是国家极为重视的问题。近红外光谱分析技术是近年来快速发展的一种粮食品质无损检测技术,具有不破坏粮食本身、操作便捷以及稳定性高和效率高的优点,它通过对粮食光谱数据的分析,建立起光谱数据与粮食成分之间的关系模型,从而实现对未知粮食样本品质的预测。近红外光谱分析技术的核心是建立稳定且准确的预测模型,因近红外光谱数据具有维数高,共线性以及信息冗余等特点,所以对近红外光谱数据的分析首先从光谱降维出发,进而建立合适的回归预测模型。因此,为更好地解决近红外粮食光谱数据的分析研究问题,本文围绕光谱降维算法和建立回归预测模型两个关键技术,作出如下工作:(1)首先,通过光谱仪等设备采集并存储粮食可见近红外光谱数据,通过对光谱数据的分析,发现光谱数据具有维数高,共线性和信息冗余的特点,通过文献调研,了解并整理目前近红外光谱领域常用的光谱降维算法和定量回归模型,为后续具体的研究做好准备工作;(2)其次,本文针对近红外光谱数据降维困难的问题,从基于特征选择和基于特征提取两个方面,分别提出了一种基于优化SPA的降维方法和一种基于优化稀疏自编码器的SAE＿GA降维方法。基于优化SPA的降维方法的思路是通过预先计算每个光谱特征的纯度值,优选初始波段,再对光谱进行筛选,减少SPA算法的随机性;SAE＿GA降维方法的思路是先采用稀疏自编码器对光谱特征进行学习,挖掘光谱特征的非线性关系,再通过遗传算法结合预测输出,进一步精选特征。通过在两组粮食近红外数据上的实验,对比传统的连续投影算法、主成分分析算法、单一的稀疏自编码器算法在回归模型上的准确率,证明了本文提出的针对近红外光谱数据降维方法的有效性;(3)最后,针对现有近红外光谱建模方法较为传统,随着样本数量的增加,模型参数调整繁琐,无法满足大批量样本检测的需要,泛化性能差的缺陷,本文提出了一种基于优化卷积神经网络的回归预测模型,结合提出的降维算法将模型应用于粮食近红外光谱数据上,建立基于回归cnn的粮食品质预测模型,通过与传统的建模方法的对比,具有准确率高,泛化性更强的优点。

关键词：粮食品质检测近红外光谱降维定量分析回归cnn

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：