检索结果-南通市图书馆

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

小企业如何搜索营销

今日财富 2007年第12期 44-45页

作者：马国

没有经验的企业主也能迅速成为搜索营销高手张女士经营的网上家居饰品玩具商店已经开业快一年了,虽然采取了各种促销手段,但是经营状况始终不尽如人意,面对激烈的市场竞争,如何摆脱僵局进一步打开局面呢?

关键词：选择搜索营销服务企业主传统广告关键词中小企业二次优化服务产品搜索引擎市场竞争

团簇宫颈细胞图像中细胞核分割与分类算法研究

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

团簇宫颈细胞图像中细胞核分割与分类算法研究

作者：韩颖天津理工大学

学位级别：硕士

随着计算机技术被普遍应用于各个领域,利用图像处理与模式识别技术结合病理学知识,辅助医生完成诊断,成为了目前机器视觉领域的研究热点之一。宫颈癌是最常见也是唯一病因明确的女性恶性肿瘤,其发生与发展是一个逐渐演变的过程,且前中... 详细信息

随着计算机技术被普遍应用于各个领域,利用图像处理与模式识别技术结合病理学知识,辅助医生完成诊断,成为了目前机器视觉领域的研究热点之一。宫颈癌是最常见也是唯一病因明确的女性恶性肿瘤,其发生与发展是一个逐渐演变的过程,且前中期病变的治愈率较高,因此定期检查,及早发现一些癌前病变,可以有效地规避罹患宫颈癌的风险。近年来,国内外的学者在巴氏涂片的基础上,设计了多种针对不同图片类型的计算机辅助宫颈细胞图像分析算法。本文针对团簇宫颈细胞图像,以细胞核为研究对象,结合图像分割、特征提取与分类识别步骤,实现了病变宫颈细胞核的筛查。具体工作如下:1.首先利用自适应阈值Otsu算法结合数学形态学操作定位巴氏涂片中的细胞团簇,之后利用选择搜索从整幅图像中提取感兴趣区域,通过以上两个步骤完成团簇细胞图像中感兴趣区域的提取。在此基础上,对提取到的所有感兴趣区域进行筛选以获得细胞核区域,本文定义了一个名为最大截面的特征,利用该特征结合Back Propagation(BP)神经网络完成了细胞核筛选。2.在提取到的细胞核区域的基础上,本文基于灰度直方图分布将不同对比度细胞核分为高对比度组和低对比度组。对于高对比度组的细胞核图像,直接利用Chan-Vese(CV)模型对其进行分割;对于低对比度组的细胞核图像,首先利用Canny算子与数学形态学操作相结合的方法实现图像对比度增强,之后再利用CV模型完成细胞核分割。3.基于分割结果以及最大截面特征的细胞核形态特征和基于灰度共生矩阵的纹理特征结合BP神经网络实现对细胞核的二分类——正常细胞核与异常细胞核,完成病变细胞核筛查。实验结果表明,本文提出的细胞核图像区域提取步骤很大程度上保证了整幅巴氏涂片中细胞团簇区域细胞核的全部获取;在分割任务中,该算法不仅可以精细分割出高对比度细胞核图像,还可以在对比度增强的基础上精细分割出低对比度图像。在分类任务中,以选择性图像增强的分割结果为基础得到的细胞核面积参数更加精确,同时基于最大截面特征的估计高度和估计宽度的获取方法更加简便。基于BP神经网络的分类器对正常细胞核与异常细胞核分类最高准确率可达到100%。本文可以为团簇宫颈细胞图像计算机辅助病变细胞核筛查的研究提供参考。

关键词：巴氏涂片自适应阈值选择搜索细胞核分割细胞核筛查

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

人脸马赛克处理技术研究

人脸马赛克处理技术研究

作者：吴宽宽成都理工大学

学位级别：硕士

随着科技的发展,人脸识别被越来越多的运用到社会生活中,因此每个人面部信息的保护也越来越重要。但目前一些见刊的新闻照片未能很好的保护其中的人脸信息,所以就需要研究出一种可以对拍摄到的图片进行人脸马赛克处理的方法。人脸马赛... 详细信息

随着科技的发展,人脸识别被越来越多的运用到社会生活中,因此每个人面部信息的保护也越来越重要。但目前一些见刊的新闻照片未能很好的保护其中的人脸信息,所以就需要研究出一种可以对拍摄到的图片进行人脸马赛克处理的方法。人脸马赛克处理就是对照片中的人脸先选定位置,然后再对其进行马赛克处理的一种技术,从而达到保护面部信息的目的,所以做到精确的检测出人脸是关键一步。人脸检测属于目标检测的一类,而在目标检测的两种方法中,两段式的人脸检测方法拥有高准确率这一特性,所以从一开始就拥有很高的研究热度,故本文就采用两段式的方法对照片中的人脸进行检测。本文的主要研究内容如下:(1)对比了主流的两种候选框算法,使用了高召回率的选择搜索算法从原始照片中提取候选框。然后依据算法的特点改进了输入图片的尺寸,从而加快了候选框提取速度并减少了候选框的数量。通过大量实验得出,算法改进后裁剪到包含人脸的候选框个数变化很小,并且裁剪后的图像中出现的人脸占比较大,满足后续神经网络二分类的要求。(2)以Le Net5网络为基础改进出了一个新的网络结构。在原始结构上增加了卷积层的数量,减少了全连接层的数量,加入了Dropout来防止过拟合。本文使用3×3的小卷积核替换了5×5的卷积核,并且增加了每一层的卷积核的数量,改变了激活函数。最后使用相同的数据集训练原始的Le Net5、改进网络和VGG11网络,对比结果发现,改进网络拥有更好的性能。本文改进网络的人脸检测准确率较基础网络有了较大提升,参数量较VGG11减少了2/3,能很好的检测到照片中出现的人脸。同时设计了一个新的打码方式,相对于常用的平均打码来说速度有所提高。本文基于选择搜索和改进卷积神经网络的人脸马赛克方法,有较好的打码率,能满足打码的需求,能很好的对单张图片进行马赛克处理。同时整个人脸马赛克算法具有很好的稳定性,复杂度也较低,能很好的运用到实际的照片处理中。

关键词：人脸马赛克人脸检测选择搜索改进卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的生产线关键岗位人员检测

基于机器视觉的生产线关键岗位人员检测

作者：汤桂桃电子科技大学

学位级别：硕士

人体目标检测是一项复杂且具有挑战性的任务,随着计算机视觉和机器学习技术的不断发展,人体目标检测得到了广泛的研究。但是,当前研究人员还主要在理论上对人体目标检测进行研究,由于实际场景的复杂性,人体目标检测在实际环境中还未能... 详细信息

人体目标检测是一项复杂且具有挑战性的任务,随着计算机视觉和机器学习技术的不断发展,人体目标检测得到了广泛的研究。但是,当前研究人员还主要在理论上对人体目标检测进行研究,由于实际场景的复杂性,人体目标检测在实际环境中还未能大规模应用。本文针对某空调装配生产线这一特定的应用环境,利用区域和卷积神经网络相结合的方法来解决生产线关键岗位人员的检测问题。在人体目标区域提取阶段,本文分别基于选择搜索和基于RPN算法来提取人体目标区域。选择搜索主要通过图像自身具有的颜色空间、形状、纹理以及层次等特征来进行层次分组,并结合穷举搜索和分割强度等因素,同时使用图像结构来指导特征采样过程。利用选择搜索,图像中的人体目标位置将被尽可能多的被捕捉。基于RPN的人体目标区域提取主要是利用卷积神经网络实现,即利用人体目标样本来训练一个卷积神经网络模型,这不需要考虑图像的自身纹理等特征因素。为了产生可能的目标框区域,使用一个小网格在最后一层卷积层输出的卷积特征图上滑动,该网格利用3?3窗口在输入的卷积特征图上滑动,每一个滑动窗口被映射到维度更低的特征向量上,最终获得的向量被送入两个独立的全连接层:一个是人体目标框回归层,另一个是人体目标分类层,同时结合非极大值抑制算法,输出一系列可能的人体目标区域。根据生产线关键岗位这一特定的应用场景,本文采集和设计了专门的人体目标样本集并将其用来训练关键岗位人员检测模型。在人体目标卷积神经网络设计上,本文分别使用ZF和VGG-16两种卷积神经网络来训练。在人体目标网络训练阶段,利用预训练的ImageNet网络模型来初始化检测模型网络权重,并以此来微调人员检测神经网络权重参数,这极大地降低了模型的计算量并加快模型训练速度。此外,在判断关键岗位人员姿态上,本文充分利用了目标检测框的特性,通过人体目标检测框的宽和高的比值来判断岗位人员是站姿或坐姿。本文采用的算法在实际的人体目标测试样本集上进行实验,实际测试结果表明算法是可行且高效的,达到了生产线对关键岗位人员的检测要求。

关键词：人体目标检测选择搜索 RPN 区域卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的行人检测方法研究

基于机器视觉的行人检测方法研究

作者：朱梦雅南京航空航天大学

学位级别：硕士

行人检测是机器视觉领域的一项重要研究课题,在智能交通、行人重识别、行为分析、智能机器人等场景中发挥着关键作用。为了准确、快速、稳定地检测各种场景下、各种姿态、各种尺寸的行人目标,众多行人检测算法相继提出。本文在前人工作... 详细信息

行人检测是机器视觉领域的一项重要研究课题,在智能交通、行人重识别、行为分析、智能机器人等场景中发挥着关键作用。为了准确、快速、稳定地检测各种场景下、各种姿态、各种尺寸的行人目标,众多行人检测算法相继提出。本文在前人工作的基础上,深入研究了多种基于视觉的行人检测方法,并提出了相应的改进方法,主要工作如下:首先,提出了一种基于选择搜索(Selective Search,SS)算法和可变形部件模型(Deformable Part Model,DPM)的行人检测方法。采用选择搜索算法提取候选区域,充分利用图像的颜色、纹理等多种特征信息,同时减少了大量冗余窗口,有效降低了计算量;使用可变形部件模型,对候选区域进行目标匹配,有效应对行人检测问题中的多视角以及目标形变问题;将行人目标各个部件的位置分布作为隐变量(Latent Variable)送入分类器训练,充分利用图像中的未标注信息。实验结果表明,该方法对不同视角、不同姿态的行人具备较好的鲁棒性,且一定程度上提升了检测速度。其次,提出了一种基于深度可分离卷积(Depthwise Separable Convolution,DSC)和SSD(Single Shot Multi Box Detector)算法的行人检测方法。使用Mobile Net作为基网络,并在检测端引入DSC模块,成倍减少了模型参数量和计算量,从而达到平衡检测精度与检测速度的目的;使用转置卷积进行上采样,使得模型更加关注浅层细节信息,从而弥补经典SSD算法对小尺寸行人检测效果不佳的缺失;另外,在检测中,使用K-Means算法对真值框进行聚类得到先验框尺寸,使得算法对行人目标更具针对性,进一步提升网络的整体检测性能。实验结果表明,该方法漏检率更低,对小尺寸行人的鲁棒性更好,且在模型大小、计算量及检测速度上都具备一定优势。最后,提出了一种基于轻量级卷积神经网络的行人检测方法。利用并行连接的思想搭建一个特征提取基网络Parallel Net,并在网络结构中使用Fire模块,减少模型参数,达到模型参数量与特征拟合能力间的平衡,同时有效缓解了因网络层数过深而带来的梯度消失等问题;使用卷积层直接进行检测,进一步减少了计算量;在训练过程中引入Focal Loss,以解决正负样本极度不均衡的问题,同时,借助L2正则以及数据增广技术避免过拟合问题。实验结果表明,该方法在检测精确度以及模型大小、计算量、检测速度等多方面取得了良好的平衡,且为基网络的构造提供了新的思路。

关键词：机器视觉行人检测卷积神经网络选择搜索可变形部件模型深度可分离卷积转置卷积 Fire模块