检索结果-南通市图书馆

吉林大学学报（理学版） 2024年第3期62卷 643-654页

作者：周跃进丁家益安徽理工大学数学与大数据学院安徽淮南232001 深部煤矿采动响应与灾害防控国家重点实验室安徽淮南232001

针对现有主流的目标检测算法存在检测精确率低、图像边缘区域分割不全等问题,提出一种基于mask rcnn模型的感兴趣区域池化算法.首先,通过Otsu阈值分割法将感兴趣区域特征图划分为边缘区域和非边缘区域;其次,对边缘区域使用边缘梯度插值... 详细信息

针对现有主流的目标检测算法存在检测精确率低、图像边缘区域分割不全等问题,提出一种基于mask rcnn模型的感兴趣区域池化算法.首先,通过Otsu阈值分割法将感兴趣区域特征图划分为边缘区域和非边缘区域;其次,对边缘区域使用边缘梯度插值算法进行插值,对非边缘区域使用双线性插值算法进行插值,从而将离散的特征图映射到一个连续空间中;再次,将插值后的特征图均匀分割成k×k个单元;最后,对每个单元利用二重积分求均值以完成池化操作.对比实验结果表明,该算法基于mask rcnn模型在数据集COCO(2014)上比现有算法的检测精确率有一定提升,对图像边缘区域的细节分割效果较好.

关键词： mask rcnn模型感兴趣区域池化 Otsu阈值分割边缘梯度插值双线性插值

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

基于深度学习的高分二号遥感影像房屋识别

基于深度学习的高分二号遥感影像房屋识别

引用

作者：阎鑫沈阳建筑大学

学位级别：硕士

利用遥感影像进行房屋的识别是目前遥感图像识别的热点,随着我国高分专项的实施,高分数据源成为我国遥感数据的一个重要数据源。高分二号卫星是我国首颗亚米级分辨率卫星,高分二号遥感影像具有较高的空间分辨率被广泛的应用于地物的识别... 详细信息

利用遥感影像进行房屋的识别是目前遥感图像识别的热点,随着我国高分专项的实施,高分数据源成为我国遥感数据的一个重要数据源。高分二号卫星是我国首颗亚米级分辨率卫星,高分二号遥感影像具有较高的空间分辨率被广泛的应用于地物的识别,如何高效识别高分二号影像中的房屋,获取高分二号影像中的信息具有现实意义。近年来深度学习算法在视频和图像识别领域取得了较大成功,本文利用深度学习模型识别高分二号遥感影像中的房屋并统计房屋的数量。先选取高分二号影像中的房屋做样本,对样本进行处理后,建立高分二号影像房屋数据集;其次利用ZF网络和VGG16网络在Faster rcnn模型下对高分二号影像中的房屋进行识别并与传统方法对比;之后对高分二号房屋数据集进行改进,比较数据集改进后采用Faster rcnn和mask rcnn模型识别房屋的精度;最后利用多尺度候选框对mask rcnn模型中的区域候选网络进行优化,讨论优化后的mask rcnn模型的精度和召回率。本文主要的研究内容和成果如下:根据不同特征提取网络在相同深度学习模型中识别效果不同的特点,本文在Faster rcnn模型下对适用于高分二号房屋识别的特征提取网络进行选取。利用的高分二号房屋数据集进行网络训练,从ZF网络和VGG16网络中选取适用于高分二号影像房屋识别的特征提取网络,并与传统方法进行对比。实验结果表明,Faster rcnn（VGG16）模型比Faster rcnn（ZF）模型识别房屋的精度高2.75%,且识别效果优于传统方法。针对原高分二号影像房屋数据集不能较好反映房屋实际成像情况的问题,本文提出基于噪声模拟的高分二号影像数据集改进方法。通过随机引入高斯和椒盐噪声丰富了高分二号影像房屋数据集的多样性。并探讨数据集改进后mask rcnn模型识别高分二号影像房屋的精度,并与Faster rcnn（VGG16）模型的识别精度对比。实验结果表明,数据集改进后mask rcnn模型和Faster rcnn（VGG16）模型识别房屋的精度均有提高,且mask rcnn模型识别房屋的精度较高。针对mask rcnn模型区域候选网络中候选框尺度单一,对高分二号影像房屋特征提取能力不强的问题,本文基于mask rcnn模型提出面向高分二号影像房屋的多尺度区域候选网络优化的方法。利用多尺度候选框取代原网络中单一尺度候选框对mask rcnn模型中区域候选网络进行优化。讨论优化后mask rcnn模型识别房屋的精度,并与Faster rcnn（VGG16）模型和mask rcnn模型进行对比,其中优化后mask rcnn模型识别房屋的精度和召回率分别为92.73%和89.14%,实验结果表明,优化后的mask rcnn模型更适用于高分二号房屋识别。

关键词：高分二号影像深度学习房屋识别 Faster rcnn模型 mask rcnn模型

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mask rcnn的人物图像识别方法研究

基于Mask RCNN的人物图像识别方法研究

引用

作者：贾智杰山西师范大学

学位级别：硕士

在对图像识别的研究方面,基于深度学习的人物图像识别方法是重要的研究内容之一。在公共领域,公安系统等领域应用广泛。基于深度学习的人物图像识别方法与传统的人物图像识别方法相比,能够提取到图像的深层特征,同时能够提高算法的准确... 详细信息

在对图像识别的研究方面,基于深度学习的人物图像识别方法是重要的研究内容之一。在公共领域,公安系统等领域应用广泛。基于深度学习的人物图像识别方法与传统的人物图像识别方法相比,能够提取到图像的深层特征,同时能够提高算法的准确率和鲁棒性。本文通过搭建基于mask rcnn的人物图像识别模型,以较高的准确率完成人物图像的识别工作。本文围绕人物图像的识别这一研究问题,利用如今图像分割效果较好的mask rcnn模型对图像中的人物进行分割,并结合Haar级联分类器与SIFT特征点匹配算法对人物图像进行识别。本文的研究工作主要有以下三个方面:（1）利用mask rcnn模型对人物图像进行分割,降低背景对人物识别的噪声干扰,提高模型对人物图像识别的识别率。针对mask rcnn模型对人物图像的分割效果,本文对mask rcnn模型从三个方面:不同大小训练集,训练图像维度大小以及不同特征提取网络进行对比实验,得到本文实验环境下分割效果最优的mask rcnn的模型参数。（2）在人物图像中,能够判断图像中人物是否相同的依据大概率在人物的面部,所以为了能够对图像中的人物进行识别,本文对mask rcnn模型分割出的人物图像,利用Haar级联分类器对其进行人物面部位置提取。并对面部图像进行分割。（3）针对提取到的人物面部图像,本文采用SIFT特征点检测算法进行面部图像的识别。通过算法检测出面部图像的特征点,并利用KNN匹配算法对两幅图像中检测到的特征点进行匹配。通过实验研究确定本文测试数据集的特征匹配阈值。经实验测试后,整体模型对人物图像的识别率在72%,基本可以对一般人物图像进行检索和识别。

关键词：人物图像识别 mask rcnn模型 Haar级联分类器 SIFT特征点检测

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

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：