检索结果-南通市图书馆

作者：李云成上海交通大学

学位级别：硕士

随着计算机技术的发展和互联网的普及,图像和视频由于包含信息较多,使用面越来越广。如何对图像和视频数据进行分析、快速准确地从海量数据中找到想要的信息,已成为大数据时代的研究热点。多物体检测方法旨在从图像中获取多个物体的位... 详细信息

随着计算机技术的发展和互联网的普及,图像和视频由于包含信息较多,使用面越来越广。如何对图像和视频数据进行分析、快速准确地从海量数据中找到想要的信息,已成为大数据时代的研究热点。多物体检测方法旨在从图像中获取多个物体的位置和类别信息,在图像检索、智能监控等领域有着广泛的应用前景。由于图像中的物体受到视角、光照、姿态、尺度、旋转等多个因素的影响,如何准确、快速地检测出不同物体是物体检测算法共同面临的挑战。本文首先研究了基于形状的多物体检测算法。目前,大多数检测算法都是基于滑动窗口的方式,比较耗时。而使用对象性估计的方法提取出可能存在物体的候选窗口,再对候选窗口进行特征提取和分类,这种方法的效率相对较高。本文提出一种利用形状特征进行对象性估计的方法。该方法首先使用Sketch Tokens获得边缘图像,再使用GPU加速的Hough变换检测图像中的圆,获得候选窗口。最后,对候选窗口提取CNN特征,并使用SVM进行分类,得到每个物体类的检测结果。在ILSVRC数据集的8个球体类中,该方法的平均准确率(MAP)达到了34.33%。本文还研究了基于特征融合的多物体检测算法,提出一种基于CNN与HOG两种特征融合的多物体检测方法。研究表明,物体检测任务中同时使用高层特征与低层特征可以提高检测效果。CNN特征是一种深度学习的高层特征,在训练数据量足够庞大时,能够挖掘出数据本质的特点,具有很强的表达能力。HOG特征是一种基于像素梯度的低层特征,能够消除光照变化、物体位移等带来的影响,在物体检测中表现出较好的性能。本文提出一种基于CNN和HOG特征融合的多物体检测方法。该方法使用对象性估计的方法对每幅图像提取约300个候选窗口,在学习过程中对每个窗口提取其CNN特征和HOG特征并分别训练模型,在决策过程中对两个模型的决策分数进行加权,得到最后的决策结果。在ILSVRC数据集的8个球体类中,该方法的MAP达到了35.08%,其中单个类别的平均准确率最大可提高3.83%。

关键词：多物体检测 Hough变换对象性估计特征融合

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

一种融合多尺度特征的多物体检测方法

引用

辽宁大学学报（自然科学版） 2019年第2期46卷 118-124页

作者：牛斌张怡迪马利魏云辽宁大学信息学院辽宁沈阳110036

在图像识别与计算机视觉领域,物体检测是研究热点,提出了一种融合多尺度特征的多物体检测方法,基于卷积神经网络在多尺度特征下提取物体的候选区域,然后将不同尺度下的特征进行融合,使多物体检测中出现的小物体被漏检的概率降低.最后采... 详细信息

在图像识别与计算机视觉领域,物体检测是研究热点,提出了一种融合多尺度特征的多物体检测方法,基于卷积神经网络在多尺度特征下提取物体的候选区域,然后将不同尺度下的特征进行融合,使多物体检测中出现的小物体被漏检的概率降低.最后采用基于中心点的非极大值抑制方法,计算检测窗口的中心点的欧式距离和iou来抑制冗余的窗口,从而提升多物体检测的精度.将提出的方法在PASCAL VOC数据集上进行验证,实验证明所提的方法能有效提高多物体检测的精确度.

关键词：多物体检测卷积神经网络多尺度特征非极大值抑制

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进Cascade R-CNN模型的机器人抓取检测研究

引用

东北大学学报（自然科学版） 2023年第6期44卷 799-807页

作者：姜杨赵峰禹陈枭东北大学机器人科学与工程学院辽宁沈阳110169

为提高多物体抓取检测网络的抓取检测准确率,提出一种基于改进Cascade R-CNN模型的机械臂抓取检测算法.首先,引入ResNeXt结构能够在不加大网络设计难度的前提下提高了模型的准确率;引入带空洞卷积的空间金字塔池化模块以解决分辨率较低... 详细信息

为提高多物体抓取检测网络的抓取检测准确率,提出一种基于改进Cascade R-CNN模型的机械臂抓取检测算法.首先,引入ResNeXt结构能够在不加大网络设计难度的前提下提高了模型的准确率;引入带空洞卷积的空间金字塔池化模块以解决分辨率较低的问题;接着对抓取框回归分支和角度分类分支以分治方法进行优化.其次,针对多物体抓取数据集缺乏的问题,构建多目标抓取数据集(multi-object grasping dataset,MOGD),有效地扩充了多物体抓取检测数据集.最后,基于改进Cascade R-CNN模型设计抓取检测网络,实验结果表明,改进后的算法效率更高,PI-Cascade R-CNN实验准确率为93%,较Cascade R-CNN提升1.5个百分点.

关键词：抓取检测空洞卷积 Cascade R-CNN 多物体检测机器人抓取

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

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

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

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：