检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进残差生成器的图像高分辨率成像方法

控制工程 2024年

作者：袁天硕焦明海江文焱潘晨阳东北大学冶金学院东北大学计算机科学与工程学院

合成孔径雷达图像(Synthetic Aperture Radar ，SAR)因其特殊成像优势在多个领域得到应用，但其图像存在的固有散斑噪声和几何失真问题，无法通过普通光学系统分析。普通光学图像虽具有细节和色彩特征，但成像条件经常无法得到满足。本... 详细信息

合成孔径雷达图像(Synthetic Aperture Radar ，SAR)因其特殊成像优势在多个领域得到应用，但其图像存在的固有散斑噪声和几何失真问题，无法通过普通光学系统分析。普通光学图像虽具有细节和色彩特征，但成像条件经常无法得到满足。本研究针对SAR图像与光学图像各自的优势和限制，提出了一种基于改进残差生成器的图像高分辨率成像方法并引入三种策略来增强生成的光学图像中的信息。首先将增强式Res2Net特征提取模块融入生成对抗网络，增强了模型提取SAR图像特征的能力；同时，通过引入嵌入式TripletAttention注意力模块，进一步提升了网络在图像融合过程中的细节保留和色彩还原能力。此外，考虑到深度学习模型训练的数据依赖性，采用元学习的训练方法并融入虚拟数据集进行效果辅助进行实验验证。最终通过与其他主流算法的对比实验，证实了改进后的模型在均方误差(MSE)、峰值信噪比(PSNR)和学习感知图像块相似性(LPIPS)等关键指标上的明显提升，这些指标平均提高了18.18%，33.52%和39.54%，显示了模型在保留图像细节和对比度方面的显著改进，从而进一步印证了模型的鲁棒性。

关键词：注意力机制虚拟数据集生成器改进高分辨率元学习

基于Unity3D三维多视角虚拟数据集构建

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机技术与发展 2023年第5期33卷 173-179页

作者：郑义桀罗健欣陈卫卫潘志松张艳艳孙海迅陆军工程大学指挥控制工程学院江苏南京210007

基于深度学习的多视角三维重建(Multi View Stereo,MVS)是计算机视觉领域的研究热点。但构建高质量的多视角三维重建数据集需要消耗大量时间、人力和财力成本,因此当前可直接应用于多视角三维重建的数据集相对较少。为了降低数据集制作... 详细信息

基于深度学习的多视角三维重建(Multi View Stereo,MVS)是计算机视觉领域的研究热点。但构建高质量的多视角三维重建数据集需要消耗大量时间、人力和财力成本,因此当前可直接应用于多视角三维重建的数据集相对较少。为了降低数据集制作成本、提高制作效率,文章提出了一种有效的虚拟世界仿真现实世界的方法。通过Unity3D虚拟引擎,融合域适应和域随机方法,搭建三维虚拟场景,自动高效生成三维多视角虚拟数据(相机图像、相机参数和场景深度图),在此基础上构建了多视角三维重建虚拟数据集Visual DTU。实验结果表明,使用虚拟数据集可大幅降低数据集制作的经济和时间成本,且基本能取得与采用真实数据集训练相同的三维重建效果;通过增加虚拟数据集训练样本或混合虚拟数据集和真实数据集进行模型训练,可进一步提升模型性能。

关键词：计算机视觉三维重建 Unity3D 虚拟数据集 DTU

维普期刊数据库

面向Bin Picking的虚拟数据集构建及智能识别方法的研究

在线全文

学校读者我要写书评

暂无评论

面向Bin Picking的虚拟数据集构建及智能识别方法的研究

作者：杨壮华东理工大学

学位级别：硕士

Bin Picking是识别和分拣复杂堆叠物体的一类典型问题。针对Bin Picking中目标物体堆叠严重,传统检测算法鲁棒性弱等研究难题,本文采用深度学习的方法实现对该场景下的实例分割,深入研究并搭建实例分割的深度学习框架,从而为后续物体的... 详细信息

Bin Picking是识别和分拣复杂堆叠物体的一类典型问题。针对Bin Picking中目标物体堆叠严重,传统检测算法鲁棒性弱等研究难题,本文采用深度学习的方法实现对该场景下的实例分割,深入研究并搭建实例分割的深度学习框架,从而为后续物体的抓取打下基础。针对深度学习中目标数据集获取困难的问题,本文采取虚拟仿真技术构建虚拟数据集,数据增强等方法进行训练数据集扩充,并实现了深度学习模型的有效训练。论文的主要研究内容如下:(1)在虚拟仿真技术的基础上,提出了虚拟数据集构建方案的设计。该构建方案使用OpenGL和Bullet物理引擎搭建了物体堆叠的场景,使用视口渲染的方法生成虚拟数据集,从而避免了繁杂的人工制作数据集的工作;(2)研究了数据集的数据增强方法,提出了数据增强流水线的方法,通过连通域处理的方法保证数据增强后数据集的准确性,采用多线程多进程方法提高了数据增强处理的效率;(3)研究了深度学习相关的理论基础,提出了自顶向下的方法,将实例分割划分为利用卷积神经网络提取特征、完成图像中区域的提取、完成区域的分类和边框定位、完成区域中像素级分割这四个子任务,探讨了各个子任务的实现方法。在此基础上设计了深度学习模型的训练策略。通过虚拟数据集的生成实验、虚拟数据集数据增强的实验以及智能识别方法识别的实验,证明了利用虚拟数据集和数据增强等方法,论文所搭建的深度学习模型具有良好的物体识别效果,为Bin Picking的目标识别提供了较好的应用基础。

关键词： Bin Picking 虚拟数据集数据增强深度学习

基于点云深度学习的装配式构件尺寸参数识别方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

上海大学学报（自然科学版） 2023年第3期29卷 502-511页

作者：张衡舒展上海大学力学与工程科学学院上海200444

利用点云深度学习技术自动识别建筑构件的尺寸,并使用虚拟点云解决了3D点云数据集工作繁杂的问题.首先,提出了一种批量快速生成虚拟点云数据集的方法.通过建筑信息模型(building information modeling,BIM)技术对装配式构件参数化建模,... 详细信息

利用点云深度学习技术自动识别建筑构件的尺寸,并使用虚拟点云解决了3D点云数据集工作繁杂的问题.首先,提出了一种批量快速生成虚拟点云数据集的方法.通过建筑信息模型(building information modeling,BIM)技术对装配式构件参数化建模,对其进行批处理转换数据格式后生成3D点云模型,从而生成无噪声、带标注的高质量点云.然后,对点云分类网络PointNet进行改进,搭建了端对端的构件尺寸参数识别网络PointNet CE.最后,使用生成的虚拟点云数据集进行模型训练,并通过工程实例验证了方法的有效性.实验结果表明:基于BIM技术生成的虚拟点云数据集可有效拓展现实世界的数据规模;改进后的构件尺寸参数识别网络可以准确识别出构件尺寸,对训练样本的识别精度达到了毫米级,对真实构件的识别精度也达到了厘米级,可基本满足装配式结构的施工要求.

关键词：建筑信息模型装配式构件点云深度学习虚拟数据集

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于虚拟模型的互动装配目标识别方法

机械设计与研究 2022年第3期38卷 141-146页

作者：施哲源谷达京段旭洋王皓上海交通大学上海市复杂薄板结构数字化制造重点实验室上海200240 上海交通大学弗劳恩霍夫协会智能制造项目中心上海201306 上海交通大学机械系统与振动国家重点实验室上海200240

零件装配是产品制造过程中的关键步骤,在装配环节中,依靠互动装配中的人工智能目标识别功能,能够有效提高装配效率,减少学习成本。针对在目标识别环节中的互动装配数据集采集难度高、成本大,大量图像标注费时费力且缺乏标注标准的问题,... 详细信息

零件装配是产品制造过程中的关键步骤,在装配环节中,依靠互动装配中的人工智能目标识别功能,能够有效提高装配效率,减少学习成本。针对在目标识别环节中的互动装配数据集采集难度高、成本大,大量图像标注费时费力且缺乏标注标准的问题,提出了一种基于虚拟模型数据集的目标识别方法。通过基于物理渲染的图像以及在虚拟环境中能够自由调节光照与环境的特点,采集得到丰富的数据集样本;通过旋转变换,视角变换与投影变换实现从虚拟模型的三维坐标转换为数据集二维坐标,实现数据集的自动标注功能;通过与使用传统方法采集得到的真实数据集进行对比,验证了虚拟模型在目标识别上的可靠性。

关键词：虚拟数据集互动装配目标检测

维普期刊数据库

基于RGBD图像和深度学习的空间目标位姿估计研究

在线全文

学校读者我要写书评

暂无评论

基于RGBD图像和深度学习的空间目标位姿估计研究

作者：谢光虎哈尔滨工业大学

学位级别：硕士

空间目标位姿估计作为空间目标感知的一项基本任务,对于在轨服务、目标回收等太空任务起到重要作用。目前被广泛采用的空间目标位姿估计方法是基于特定几何纹理的靶标法,但是其需要较丰富几何纹理信息,实际工程应用范围并不广阔。随着... 详细信息

空间目标位姿估计作为空间目标感知的一项基本任务,对于在轨服务、目标回收等太空任务起到重要作用。目前被广泛采用的空间目标位姿估计方法是基于特定几何纹理的靶标法,但是其需要较丰富几何纹理信息,实际工程应用范围并不广阔。随着人工智能热潮到来,深度学习方法开始渗透到各大领域,位姿估计任务中也开始广泛使用深度学习方法。本课题基于深度学习方法对空间目标位姿估计任务进行了研究,从数据集建立、数据预处理与数据增强、深度学习位姿估计方法等方面研究解决了深度学习用于空间目标位姿估计中的难题,并进行了实验验证。在空间目标数据集建立研究上,设计了基于虚拟仿真环境的位姿估计数据集生成工具,构建了太空基本光照条件,解决了太空目标位姿数据集难以建立的困难,并设计了自动采集位姿数据功能,解决了手动采集标记的麻烦。在数据增强和数据预处理研究上,探索了适用于RGBD图像和位姿估计任务的数据预处理方法和数据增强手段,数据预处理上提出一维去离群点算法,数据增强上设置了HSV随机增强和高斯噪音等图像增强手段,提出了适用于RGBD图像的位姿增强方法。在深度学习模型上,基于现有模型设计了三阶段位姿估计模型,布置了颜色和几何信息像素级双向融合阶段,充分利用了RGBD数据中颜色信息和几何信息,促进模型获取到优异性能,同时找到了适合模型的优化器和学习率调整器,促使模型稳定收敛。验证与对照实验研究过程中,在所建立空间目标虚拟数据集下,验证了数据预处理和数据增强对于模型性能提升的效果,通过设置靶标法作为对照组,对比得出深度学习方法相对于靶标法具备显著优势。

关键词：位姿估计虚拟数据集深度学习空间目标

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数字孪生的场景生成与感知算法研究

基于数字孪生的场景生成与感知算法研究

作者：刘子凝北京交通大学

学位级别：硕士

近年来人工智能和自动驾驶等技术不断发展和应用,以计算机视觉为代表的人工智能技术面临着在复杂场景下各种感知任务的挑战。在大型复杂交通场景的感知任务中,由于交通数据的采集和标注工作耗时耗力且精度不能得到保证,特殊场景下的数... 详细信息

近年来人工智能和自动驾驶等技术不断发展和应用,以计算机视觉为代表的人工智能技术面临着在复杂场景下各种感知任务的挑战。在大型复杂交通场景的感知任务中,由于交通数据的采集和标注工作耗时耗力且精度不能得到保证,特殊场景下的数据难以收集,基于数据驱动的深度学习方法在大规模复杂交通场景下的应用效果受到限制。本文借助仿真平台搭建了大规模数字孪生交通场景,并基于该场景制作了大规模交通虚拟数据集Virtual Dataset of City Scapes(VDCS)。不同数据集图像之间存在域的分布差异,很大程度上制约了虚拟数据集的实际效果。本文在现有无监督域适应模型基础上进行跨域目标检测的域适应模型研究,实验结果表明本文提出的域适应模型在使用了VDCS数据集的跨域目标检测任务中效果已经超过现有域适应模型。本文的主要研究工作有以下两个方面:(1)针对当前大型交通场景数据集有限的问题,本文借助仿真平台,参照北京市海淀地区真实交通场景搭建了面积约5平方千米的数字孪生交通场景,场景包含灵活丰富的交通元素模型和建筑物模型,通过控制虚拟场景环境变量,可以呈现出多样化的数字孪生交通场景。借助仿真平台提供的相机传感器和目标边界传感器,通过多视角采集数字孪生场景中交通目标的图像信息和位置信息,结合搭建的自动标注流水线生成标注信息,制作了大规模交通场景虚拟数据集VDCS。本文通过大量实验验证了VDCS虚拟数据集相较于其他公开虚拟数据集的优越性和实用性,证明其可提升目标检测算法应用于大型交通场景的精度。(2)针对目标检测任务所面临的域间分布差异问题,本文基于Cycle GAN域适应模型提出了一种用于跨域目标检测任务的域适应模型,首先在Cycle GAN的生成器模块中加入特征金字塔网络用于多尺度特征融合,提升域适应模型对图像内小型交通目标的生成效果,同时通过双线性插值取代生成器模块中的反卷积操作,有效的消除了棋盘效应,最后在Cycle GAN中添加注意力机制,使得域适应模型可以更好的关注交通目标主体,从而有效消除生成图像中的天空伪影。最终的域适应实验以及消融实验结果表明,使用我们提出的域适应模型处理后的VDCS数据集可以有效降低与真实数据集的分布差异,在跨域目标检测任务中检测精度相较于现有域模型提升高达9.9%,实验验证了其在所建虚拟数据集上针对跨域目标检测任务的有效性,同时证明了虚拟数据集用于数据增强的可行性。

关键词：数字孪生虚拟数据集域适应风格迁移跨域目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的海上船舶目标检测

基于深度学习的海上船舶目标检测

作者：张世友浙江海洋大学

学位级别：硕士

海上船舶目标检测是一项对水下文化遗产保护、水产养殖防捕捞和海上交通监测等领域具有重要作用的技术。我国沿海水域水下埋葬了许多沉船和其他港屿文化遗产,它们对于研究我国历史文化和商业发展具有重要的意义。而由于利益驱使,这些水... 详细信息

海上船舶目标检测是一项对水下文化遗产保护、水产养殖防捕捞和海上交通监测等领域具有重要作用的技术。我国沿海水域水下埋葬了许多沉船和其他港屿文化遗产,它们对于研究我国历史文化和商业发展具有重要的意义。而由于利益驱使,这些水下文化遗产面临着被疯狂盗捞的风险。在此背景下,本文以舟山某海域水下遗产保护为例,旨在研究实现海面航行器的发现识别等检测技术,从而确保水下文化遗产的安全,主要工作如下:1.调研国内外文献,分析比较了水下文化遗产保护的技术手段和方法,研究总结了基于光学图像的传统检测技术和基于深度学习的检测技术。从检测实际应用保护环境看,深度学习技术的船舶检测在抗干扰性和适应性上优于传统目标检测方法。根据水下文化遗产保护现状,参考渔业和交通业统计年鉴、十四五规划和保护区偷盗作业出现船型,自建8类别2373张船舶图像ZhouShanShips数据集。2.针对ZhouShanShips数据集小型船舶长宽比异常和特征缺失的挑战,基于YOLOv5s设计了VDA-YOLOv5网络模型。该模型在主干网络中采用了DCN可变形卷积扩展长宽比失衡船舶样本特征提取,在NECK层结合了CA注意力模块强化特征表达能力,同时采用了解耦头来区分检测和分类任务,改进后的算法实验数据相比YOLOv5s Base的mAP基线增加了2.7%,达到73.9%。为了改善极差数据样本,结合Mosaic和虚拟现实的数据增广方法,对数据集进行了扩展,kayak样本从46.8%的AP提升至88.2%。该模型在本文构建的数据集上获得了所有目标95.7%的最高mAP,超过了其他目标检测算法,实验指标验证了本文算法在船舶检测任务上的有效性。3.为了方便从事海域文物保护相关工作人员的操作,基于PYTHON开发环境、PYQT5框架进行船舶识别系统的构建。对船舶检测实际运行状况的测试,结果表明,根据论文中算法模型构建的智能系统,能够有效完成舶检测任务,具有实用意义。

关键词：船舶检测水下文化遗产保护深度学习虚拟数据集 YOLO

面向交通场景目标检测模型的轻量化设计和部署

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向交通场景目标检测模型的轻量化设计和部署

作者：贾皓长安大学

学位级别：硕士

在交通场景中,目标具有高复杂性和高密度等特征,这就要求在交通场景中使用的目标检测模型具有精确的检测能力和快速的响应能力。模型轻量化是目标检测模型部署的一项关键技术,通过去除或删除深度网络模型中的冗余参数,对网络模型进行压... 详细信息

在交通场景中,目标具有高复杂性和高密度等特征,这就要求在交通场景中使用的目标检测模型具有精确的检测能力和快速的响应能力。模型轻量化是目标检测模型部署的一项关键技术,通过去除或删除深度网络模型中的冗余参数,对网络模型进行压缩,从而在不影响模型精度的前提下减小模型的大小。随着目标检测技术的发展,自动驾驶变得成为可能。然而,如何将理论上的目标检测模型应用于实际的交通场景仍然是一个亟需解决的问题。大多数基于深度学习的目标检测方法具有较高的计算复杂度和内存消耗,难以部署在计算资源和内存有限的边缘设备上。考虑到在实际交通场景中对模型大小和响应速度的要求,本研究以一阶段目标检测模型Yolov5s作为基准模型,并对其进行了一系列轻量化设计以部署轻量化模型。通过模型压缩技术得到轻量化模型。首先,本工作通过对网络进行通道剪枝,对不重要的部分进行剪枝,可以显著减小网络的宽度和深度。然后利用模型量化技术,对模型的体体积进一步压缩。最后,利用知识蒸馏法对剪枝后的模型进行再训练,提高检测精度。主要的研究工作包括:(1)对于部署到嵌入式计算平台的目标检测模型占用内存大、响应速度慢的问题,本研究首先选取Yolov5s作为基准模型,通过对卷积层和批归一化层进行通道剪枝和对网络权重矩阵进行聚类量化的策略,生成参数更少体积更小的轻量化模型Yolov5s-Light。(2)针对经过轻量化模型之后的模型的精度损失问题,本文提出了一种名为VT蒸馏的知识蒸馏框架,将经过模型剪枝和量化后的轻量化模型作学生模型,利用教师网络Yolov5l从自建虚拟数据集Virtual Ped Cross-720中学习到的知识,指导轻量化模型在真实数据集中训练,修正轻量化模型Yolov5s-Light的性能。然后将最终的模型Yolov5sCompression部署到计算平台中进行性能测试以证明本文轻量化方法的可行性。本文针对于Yolov5s模型进行剪枝和量化操作后生成轻量化模型Yolov5s-Light,并且分别针对于模型剪枝和网络量化做一系列对比实验,证明剪枝和量化方案的性能;然后利用本文提出的虚实结合的知识蒸馏框架VT框架对Yolov5s-Light的模型性能进行补正,并按照真实数据集City Persons的数据类型与结构自建了一个虚拟数据集VirtualPed Cross-720,并且将其用在VT框架中对教师网络和学生网络进行训练,得到最终的模型Yolov5s-Compression,并且在真实数据集City Persons和虚拟数据集Virtual-Ped Cross-720上进行了一系列实验,来说明VT框架对小模型精度提升的效果;最后将修正后的模型部署到开发板中进行实际测试,结果表明本文的模型轻量化方案适用于目标检测模型,适合部署到边缘计算平台上。

关键词：目标检测虚拟数据集模型轻量化模型部署