检索结果-南通市图书馆

检索条件"主题词=时序连接分类"

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：

基于深度学习的停车场车位编号检测方法研究

基于深度学习的停车场车位编号检测方法研究

引用

作者：郭一凡重庆理工大学

学位级别：硕士

在智能驾驶过程中,计算机视觉技术已经成为不可或缺的支持力量,为车辆提供了先进的感知和识别能力。智能驾驶技术中,场景文本检测与识别技术正快速崛起,专注于捕捉和识别车辆周围环境中的文字信息,为驾驶系统提供全面、精准的数据支持,... 详细信息

在智能驾驶过程中,计算机视觉技术已经成为不可或缺的支持力量,为车辆提供了先进的感知和识别能力。智能驾驶技术中,场景文本检测与识别技术正快速崛起,专注于捕捉和识别车辆周围环境中的文字信息,为驾驶系统提供全面、精准的数据支持,取得了在道路标志、交通指示牌等文字信息准确感知方面的显著进展。将此技术应用于停车场车位编号检测,将会提升驾驶员在复杂停车场环境中的停车体验,使车辆更加高效地感知和理解周围的场景,为驾驶员提供更安全、便捷的停车服务。然而,在自然停车环境尤其是地下停车环境中存在停车位编号多样化、背景和尺度大小不统一等问题,准确检测、识别停车位编号还存在漏检、识别精度不高等现象,本文针对这些特定问题进行研究,主要工作如下:(1)针对停车场内车位编号检测问题,本文基于DBNet网络模型提出了一种多分支卷积注意力模型。首先,使用Res Net-50残差神经网络作为模型的骨干网络,以提取图像的特征。在骨干网络中,引入了一个多分支卷积注意力结构,采用三个平行分支来扩大卷积层的感受野。这涵盖了空洞卷积和CBAM注意力机制,通过元素级的加权融合将三个分支的特征图结合。卷积注意力增强了网络的表征能力,使其能够学习全局特征,有选择地增强包含有用信息的特征,从而提高模型检测停车位编号区域的能力。其次,本文提出了高层特征增强结构,对最高层特征进行通道调整,以获取更多的空间相关性,减少了特征图生成过程中的信息损失。然后,使用特征金字塔对来自Res Net-50提取的不同尺度特征图进行融合,使网络能够检测到不同尺度大小的停车位编号,从而降低了漏检率,有效提高了停车位编号检测模型的精确率和召回率。实验结果表明,所提出的多分支卷积注意力模型在自然环境中的地下停车场车位编号数据集CCAD(Car Space Code Annotation Dataset)上,精确率达到了84.8%。(2)提出了基于连接时序分类的轻量化停车位编号识别方法。为了提高停车位编号识别任务的速度,构建了多阶段深度特征轻量化提取网络,使用分组深度可分离卷积,提取深度特征,丰富图像表达,在减少模型参数的情况下,尽量保留了更多的有用特征,使用可学习的仿射变换激活函数块提高模型的表达能力,提升模型的鲁棒性,使用自注意力与多层感知机残差连接,增强网络表示能力,更好地捕捉长距离依赖关系,最后使用CTC解码器帮助模型学习输出与标签对齐。为了验证模型的有效性,与不同的模型进行对比,发现本文的模型在自然环境中的地下停车场车位编号数据集CCAD的识别任务上准确率达到了92.08%,展示了模型更加优秀的识别效果。

关键词：停车位编号检测多分支卷积停车位编号识别注意力机制时序连接分类

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RGB视频和深度学习的汉语连续手语翻译研究

基于RGB视频和深度学习的汉语连续手语翻译研究

引用

作者：朱连淼中南民族大学

学位级别：硕士

手语是聋哑人与正常人交流的桥梁,为解决聋哑人与正常人交流问题手语翻译任务被越来越多的学者关注。手语翻译是一个交叉学科,涉及计算机视觉、模式识别、自然语言处理等领域,近年来随着深度学习的发展,越来越多的学者将深度学习应用在... 详细信息

手语是聋哑人与正常人交流的桥梁,为解决聋哑人与正常人交流问题手语翻译任务被越来越多的学者关注。手语翻译是一个交叉学科,涉及计算机视觉、模式识别、自然语言处理等领域,近年来随着深度学习的发展,越来越多的学者将深度学习应用在手语翻译领域。目前在应用过程中为保证翻译准确率,多采用视觉信息和传感器捕捉的运动信息相结合,但对传感器的过度依赖一方面导致难以大范围应用,另一方面不利于数据集进一步扩充。本文使用RGB手语视频数据和深度学习方法针对手语翻译过程中最重要的两个任务:手语孤立词翻译和连续手语句子翻译进行研究。其中孤立词翻译是句子翻译的基础,只有保证孤立词翻译的高准确率才能有效降低句子翻译的词错率。然而孤立词翻译中由于孤立词视频长度过长,模型无法关注到视频序列中的关键部分,从而导致无关的手势动作影响了翻译的准确率。在连续手语句子翻译中,模型应既能够对视觉特征进行更细粒度的提取,又能够处理比孤立词序列更长的序列。针对上述问题,本文使用深度学习结合注意力机制、联合学习等方法给出了解决方案。针对手语孤立词翻译中视频无关帧序列过长的问题,本文提出了一种结合全局注意力机制的手语翻译模型(A Convolutional Recurrent Neural Network with Global Attention,Global-Attn-CRNN)。该模型在长短时记忆模型(Long ShortTerm Memory,LSTM)网络中嵌入全局注意力机制,通过计算当前隐藏状态和源隐藏状态之间的相似度从而得出对齐向量,让模型学习对齐权重,使模型关注到长手语视频序列中的关键帧,从而提升模型翻译的准确率。经过在DEVISIGN数据集上的实验证明该模型准确率高于其他主流模型,在100分类的短手语词和长手语词数据集上,分别与未使用注意力机制的模型进行对比,其准确率提升0.87%和1.60%,证明该注意力机制可以有效的提升模型翻译的准确率。针对连续手语句子翻译中需要细粒度的视觉特征提取和输入序列与输出序列难以对齐的问题,本文提出一种基于联合学习的翻译模型(Joint CTC and Local Attention Mechanism Seq2Seq Model,CTC-Attn-Seq2Seq)。在编码器端使用双向长短时记忆模型(Bi-directional Long Short-Term Memory,Bi-LSTM)网络并将其共享给时序连接分类(Connectionist Temporal Classification,CTC)和局部注意力机制以达到联合学习的目的。特征提取部分使用可以提取时空特征的三维残差网络(3D Residual Networks,3D Res Net),并添加CBAM(Convolutional Block Attention Module,CBAM)注意力模块使其在特征提取时可以关注关键区域。在解码器端,该模型为解决句子翻译中由于序列过长导致未对齐信息过多、传统注意力机制在训练前期由于缺少约束机制从而使得在学习对齐中自由度过高的问题,设计了加入时序连接分类的注意力机制解码器。时序连接分类通过单调对齐的方式约束注意力机制,从而达到帮助注意力机制学习的目的。该模型在Continuous SLR数据集上词错率降低至9.7%,低于其他模型。并依据测试集中句子是否在训练集中出现过将数据集进一步划分,通过在划分后的两个数据集上进行实验验证了联合学习的有效性。

关键词：手语翻译深度学习注意力机制时序连接分类联合学习

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：