检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

似物性窗口融合方法比较研究

广西大学学报（自然科学版） 2017年第2期42卷 736-741页

作者：李金东陈舒涵胡学龙扬州大学信息工程学院江苏扬州225127

为研究似物性采样窗口融合方法对定位精度、召回率、采样候选窗口数量的影响,对采样后的窗口进行线性加权、非线性加权、密集区域融合。通过在PASCAL VOC 2007测试数据集上实验,绘出召回率—交并比、召回率—采样数、平均召回率评价曲... 详细信息

为研究似物性采样窗口融合方法对定位精度、召回率、采样候选窗口数量的影响,对采样后的窗口进行线性加权、非线性加权、密集区域融合。通过在PASCAL VOC 2007测试数据集上实验,绘出召回率—交并比、召回率—采样数、平均召回率评价曲线。研究结果表明:融合后可以显著降低窗口数量,同时保持较高的定位精度,在准确的似物性得分帮助下,似物性加权表现更优。

关键词：似物性采样窗口融合似物性加权目标检测

基于HOG特征与多尺度窗口融合的行人检测算法

在线全文

学校读者我要写书评

暂无评论

基于HOG特征与多尺度窗口融合的行人检测算法

信号处理在生仪2014学术年会

作者：柳建为应娜杨庆彪杭州电子科技大学通信工程学院

梯度方向直方图(HOG)被认为是目前最适合行人检测的底层特征,针对HOG在实际使用时只能检测出与其训练图片差不多大小行人的缺陷,该文提出多尺度、窗口融合的行人检测算法。首先,算法在5个尺度都进行行人整体检测和人头检测的两级检测方... 详细信息

梯度方向直方图(HOG)被认为是目前最适合行人检测的底层特征,针对HOG在实际使用时只能检测出与其训练图片差不多大小行人的缺陷,该文提出多尺度、窗口融合的行人检测算法。首先,算法在5个尺度都进行行人整体检测和人头检测的两级检测方法,然后对各个尺度的检测结果进行融合;同时,该文提出一种样本训练方法,可根据检测结果补偿式地扩展训练集。从INRIA数据集中随机检测图片,该算法能检测出其中大约65%的行人,DET图表明所提出的算法有效提高了检测性能。

关键词：行人检测多尺度窗口融合针对性训练

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

多尺度特征融合与极限学习机的玉米种子检测

中国图象图形学报 2016年第1期21卷 24-38页

作者：柯逍杜明智福州大学数学与计算机科学学院福州350116 福州大学福建省网络计算与智能信息处理重点实验室福州350116

目的玉米种子等农作物检测是农业信息化领域中一个关键问题,为了能够快速和准确地实现对其检测,提出基于多尺度特征融合与极限学习机的玉米种子无损检测算法。方法首先对种子特征的描述采用局部特征和全局特征相结合的特点,局部特征采... 详细信息

目的玉米种子等农作物检测是农业信息化领域中一个关键问题,为了能够快速和准确地实现对其检测,提出基于多尺度特征融合与极限学习机的玉米种子无损检测算法。方法首先对种子特征的描述采用局部特征和全局特征相结合的特点,局部特征采用多尺度方向梯度直方图特征,而在全局特征上则提取HSV颜色模型特征。其次,针对传统的BP神经网络以及SVM等存在训练时间长、检测速度慢的不足,采用极限学习机作为其检测算法。此外,为了避免样本在训练时带来的过多时间消耗,该检测模型上采用了并行训练算法。再次,针对原始图像分辨率过高问题所带来的检测时间以及内存消耗较大的问题,采用一种基于局部均值的图像缩小算法。最后,针对该文采用的滑动窗口扫描可能带来的同一对象多窗口重叠的问题,提出了一种基于模糊聚类的局部窗口融合算法。结果仿真结果表明,提出的方法可实现对玉米种子的准确检测,对检测样本的测试精度达到97.66%,同时误差控制在0.1%。结论相比传统的方法,提出的方法在检测速度、检测准确率上均有所改善,无需严格的硬件设备要求并且对玉米种子检测时不会产生任何损伤。

关键词：极限学习机特征融合目标检测窗口融合模糊聚类

在线全文

学校读者我要写书评

暂无评论

烟草异物图像检测技术研究及仿真

烟草异物图像检测技术研究及仿真

作者：李阳萱西南科技大学

学位级别：硕士

降低烟草对人类健康的危害程度,提升香烟的质量和品质就需要处理好烟草生产中的关键环节——异物剔除这个问题。当前主流的烟草异物除杂系统使用的检测剔除系统主要是基于计算机视觉的烟草异物剔除系统,对收集、处理与烟叶颜色近似的异... 详细信息

降低烟草对人类健康的危害程度,提升香烟的质量和品质就需要处理好烟草生产中的关键环节——异物剔除这个问题。当前主流的烟草异物除杂系统使用的检测剔除系统主要是基于计算机视觉的烟草异物剔除系统,对收集、处理与烟叶颜色近似的异物的能力有限,还存在较大的提升空间。本文设计了一种气流式异物除杂系统,该系统采用计算机视觉方法来进行异物检测。首先研究了两种基于图像处理的异物检测方法,基于颜色特征和基于梯度能量特征的方法及其结合方法。在算法设计中考虑了现实中存在的图像光照不均、异物颜色偏暗等问题。实验结果表明,基于颜色特征的方法能够达到99%的异物除杂率,基于梯度能量的方法能够达到约85%的除杂率,将这两种方法结合抗各种干扰能力较强,理论上能达到100%的除杂率,能非常高效的将异物区域检测出来,但是当目标和环境发生变化时需要重新设计算法参数。进一步研究了一种基于级联Adaboost的机器学习方法,创新设计了窗口融合模块,并对比了HOG和LBP两种特征与级联Adaboost相结合的效果。实验结果表明,HOG特征更适合区分烟草异物和非烟草异物,该方法能达到99.3%的除杂率,与基于颜色和梯度能量的方法性能相当,但是当目标或环境发生变化时,该方法只需要额外增加训练样本更新模型即可,不需要人工调整算法参数,在产品线系统维护中也更为高效。

关键词：气流式除杂梯度能量颜色辨识级联Adaboost 窗口融合

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

基于多尺度协同的人头检测方法

计算机测量与控制 2017年第5期25卷 76-79页

作者：彭景维童基均浙江理工大学信息学院杭州310018

针对HOG特征本身不具有尺度不变性,在实际应用中仅能检测出与样本图片大小相差不大的目标对象这一弊端,提出多尺度窗口融合的头部检测的方法;利用线性支持向量机在分类决策方面的优势,与提取的HOG特征结合作分类器的离线训练;在实时的... 详细信息

针对HOG特征本身不具有尺度不变性,在实际应用中仅能检测出与样本图片大小相差不大的目标对象这一弊端,提出多尺度窗口融合的头部检测的方法;利用线性支持向量机在分类决策方面的优势,与提取的HOG特征结合作分类器的离线训练;在实时的目标检测阶段,采用高斯金字塔式缩放对输入的视频序列作多尺度处理,得到对应的不同分辨率下的待检测帧,在不同的尺度空间作人头的扫描检测并存储结果;之后融合各尺度的检测结果并在相应位置决策标定;实验对某监控视频作检测分析,结果表明,该方法在检出率、召回率、准确度等方面均有较大提升。

关键词：多尺度金字塔变换窗口融合梯度直方图