检索结果-内蒙古大学图书馆

作者：曹申健电子科技大学

学位级别：硕士

现有的目标识别技术大多采用单一的目标图像数据。然而在现实环境中,图像往往不是唯一的目标信息来源,目标的属性数据、语义描述等文本数据也是判别目标特征的重要依据。融合多模态信息的目标识别可以利用各自模态的优势,改善单一模态... 详细信息

现有的目标识别技术大多采用单一的目标图像数据。然而在现实环境中,图像往往不是唯一的目标信息来源,目标的属性数据、语义描述等文本数据也是判别目标特征的重要依据。融合多模态信息的目标识别可以利用各自模态的优势,改善单一模态下的目标特征缺失等问题,从而提高识别精度。一方面,多模态目标识别属于分类任务,需要对目标进行跨模态特征建模,以融合多模态的数据信息。然而,多模态数据为异构信息,存在语义偏差、模态不平衡等问题,导致多模态数据的融合面临挑战。另一方面,在细粒度的零样本识别任务中,通常利用未知目标类别的辅助文本信息,联合已知类别的图像信息进行判别,如何建立视觉和语义特征的有效映射关系是零样本识别的关键。本文围绕上述两个方面的任务,对多模态分类算法和细粒度零样本目标识别算法进行了研究。本文主要工作如下:1.针对多模态数据易嘈杂、模态强弱不一致、模态融合困难等问题,提出了一个基于跨模态注意力的多模态分类模型。通过序列注意力的多模态融合增强模块,改善图像和文本间的特征对齐。同时,构建了一种跨模态注意力模块,使得模型自适应地学习各模态的权重,提升了模型的鲁棒性。2.针对细粒度零样本识别中目标特征尺度不一、视觉语言特征空间偏差等问题,提出了一个融合多尺度视觉特征的密集注意力目标识别模型。通过多尺度视觉特征提取方法,优化了图像文本间的属性级特征关联。此外,构建了一种文本增强的属性文本特征嵌入方法,扩充了属性文本特征,从而提升细粒度零样本识别的精度。3.设计并实现了一个面向鸟类的多模态目标识别系统。该系统采用Spring Boot和Vue等框架搭建,将本文提出的目标识别模型运用于细粒度的鸟类数据集CUB上,实现了对目标数据预处理、模型参数配置、调用模型算法进行评估验证等功能。

关键词：多模态融合目标识别算法零样本识别多尺度注意力视觉语言对齐

来源：评论

学校读者我要写书评

暂无评论

计算机视觉在挖掘机器人目标识别与定位上的研究

计算机视觉在挖掘机器人目标识别与定位上的研究

引用

作者：庄章龙集美大学

学位级别：硕士

挖掘机作为工程建设中的重要设备，在工业与民用建筑、交通运输、水利电力工程、矿山采掘以及军事工程等施工中都起着极为重要的作用。但由于需克服其操作人员工作强度大、工作环境恶劣、有些区域不便靠近等问题，实现挖掘机机器人化一... 详细信息

挖掘机作为工程建设中的重要设备，在工业与民用建筑、交通运输、水利电力工程、矿山采掘以及军事工程等施工中都起着极为重要的作用。但由于需克服其操作人员工作强度大、工作环境恶劣、有些区域不便靠近等问题，实现挖掘机机器人化一直都是国内外学者研究的热点。近三十年来，随着计算机视觉技术和微电子技术的进一步发展，为挖掘机器人添加功能完善的视觉系统已成为目前学者研究的另外一个热点。本课题在综合分析了计算机视觉在挖掘机器人目标识别与定位上的应用历史和现状后，依托厦工股份的XG806挖掘机这一物理平台，在对其液压系统已进行电液比例改造的基础上为其搭建具有目标识别及定位的视觉系统，以进一步提高其自身的智能化。主要工作如下： 1.提出了挖掘机器人试验平台搭建方案,对其视觉系统中的重要部件进行选型与配置，确定出本课题挖掘机器人的目标识别与定位方案。 2.对当前应用于挖掘机器人视觉系统上的目标识别算法和目标定位技术进行了分析，针对挖掘机器人目标识别中的图像匹配算法通用性与鲁棒性不强等问题，提出了将尺度不变特征变换（SIFT)图像匹配算法应用于挖掘机器人上。通过SIFT图像匹配算法与经典图像匹配算法提取特征点的对比实验，验证了SIFT图像匹配算法的优越性。 3.对SIFT特征描述子进行改进即将原SIFT特征描述子通过高斯核函数以另外一种等价数据表示形式映射到了更高维的特征空间上以使原数据线性可分，然后在该空间上通过求各特征描述子对总特征描述子的贡献率来确定出最能代表原始数据的特征描述子，把数据中存在的“噪声”和“冗余”的数据去除掉。实验表明：改进后的SIFT图像匹配算法缩短了图像匹配时间，获得了更高的匹配精度。 4.对Labview建立的挖掘机器人视觉控制系统在目标物发生旋转、比例发生缩放以及光照条件发生改变时无法始终对目标物进行识别与定位的问题，通过Labview中的Matlabscript和Read From Spreadsheet File VI节点调用改进后的SIFT M文件，实现了Labview与Matlab的无缝联接。实验表明：Labview与Matlab混合编程的挖掘机器人视觉控制系统解决了原先Labview视觉系统所存在的问题，其功能更加完善和强大。 5.为了实验验证方便，用与挖掘机器人工作装置同功能的机械手来代替挖掘机器人工作装置进行调试与验证，验证了为挖掘机器人搭建具有目标识别及定位的视觉系统将进一步提高其自身的智能化。

关键词：挖掘机器人目标识别算法目标定位技术 Labview Matlab

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的安防图像目标识别技术研究

基于深度学习的安防图像目标识别技术研究

引用

作者：向丹中国石油大学(北京)

学位级别：硕士

近年来随着深度学习的快速发展,基于深度学习的目标识别算法在车辆检测、人脸识别、医学影像诊断以及安防产业等诸多领域取得了可观成果。深度学习的应用可以极大地缩短检测时间,提升检测效率,保障人员安全等。但目前安检方面大多依赖... 详细信息

近年来随着深度学习的快速发展,基于深度学习的目标识别算法在车辆检测、人脸识别、医学影像诊断以及安防产业等诸多领域取得了可观成果。深度学习的应用可以极大地缩短检测时间,提升检测效率,保障人员安全等。但目前安检方面大多依赖传统的人工安检,且市场上新兴的的X光安检设备对于主要几种违禁品识别的正确率在80%上下,而且稀有违禁品(枪支等)样本缺乏,可检测的违禁品种类不全,检测的准确率以及召回率有待提高。本文研究内容围绕基于深度学习的多种最先进的目标识别算法展开,针对轨道交通场景下的违禁品目标,结合相应数据集以及违禁品种类,在YOLOv3(You only look once)的基础上,进一步提出YOLOv3+。在网络结构方面,YOLOv3+是将原有的Darknet-53网络进行改进,得到五组不同大小的特征图并采用多尺度融合的方式构成特征金字塔进行X光违禁品检测;在损失函数方面,为了避免出现梯度消失的问题,本文采用TSE损失函数,它可随着误差的变化而调整权重,使得模型更好地收敛。另外,本文建立X射线安检环境下的违禁品数据集并对其进行分析,并通过图像处理方法进一步提升数据集质量。而后针对数据不平衡问题,应用TIP(Threat Image Project)危险品图像注入的方法得到更为平衡的数据集。最后为了验证YOLOv3+方法的优越性,本文将YOLOv3+与当下流行的的目标识别算法进行了对比实验,实验证明YOLOv3+在提高精度的同时,仍可实现实时检测。

关键词：深度学习目标识别算法 X光安检 YOLOv3+

来源：评论

学校读者我要写书评

暂无评论

水声目标识别技术现状与发展

引用

指挥信息系统与技术 2018年第2期9卷 73-78页

作者：强超超王元斌中国船舶重工集团公司第709研究所武汉430074

水声目标识别是海战场情报处理的重要组成,是武器分配、反潜和鱼雷防御的前提以及现代化海洋作战的重要保障。首先,分析了多种水声目标识别方法和特点,针对单一识别方法的局限性给出了常用目标综合识别算法模型,将多传感器和多方法的目... 详细信息

水声目标识别是海战场情报处理的重要组成,是武器分配、反潜和鱼雷防御的前提以及现代化海洋作战的重要保障。首先,分析了多种水声目标识别方法和特点,针对单一识别方法的局限性给出了常用目标综合识别算法模型,将多传感器和多方法的目标识别结合成一个系统,从而更高效和准确地识别水声目标;然后,介绍了水声目标识别的国内外发展历程和现状,分析了科技发展引起水声目标噪声弱化、部分特征消失和假目标多样化等特点;最后,针对传统识别方式的局限性展望了未来非声探测、特征挖掘、水下无人航行器图像识别和人工智能识别等新技术方向。

关键词：水声目标识别目标识别算法特征

来源：评论

学校读者我要写书评

暂无评论

一种用于目标识别的激光回波数字化设计

引用

光电技术应用 2016年第6期31卷 59-61页

作者：王守辉刘莎中国电子科技集团公司光电研究院天津300308 北京市复兴路14号80分队北京100843

利用云对激光回波信号展宽效应,提出了一种提高对空激光探测目标识别概率的方法,并设计了一种适用于脉冲激光测距的回波数字化系统,通过对回波信号高频采样,完成回波信号数字化,进而利用相应目标识别算法对云等目标进行识别。

关键词：波形数字化云目标识别算法

来源：评论

学校读者我要写书评

暂无评论

基于ROC曲线的目标识别性能评估方法

引用

雷达科学与技术 2007年第1期5卷 17-21页

作者：孙长亮何峻肖怀铁国防科技大学电子科学与工程学院ATR实验室湖南长沙410073

在自动目标识别(ATR)领域,评估目标识别算法性能的指标常用的有分类准确度、精确度、检测概率、混淆矩阵等,但这些指标都存在固有的局限性,对类别先验概率不具有稳健性。近几年来采用的基于雷达接收机工作特性曲线即ROC曲线的评估方法... 详细信息

在自动目标识别(ATR)领域,评估目标识别算法性能的指标常用的有分类准确度、精确度、检测概率、混淆矩阵等,但这些指标都存在固有的局限性,对类别先验概率不具有稳健性。近几年来采用的基于雷达接收机工作特性曲线即ROC曲线的评估方法得到的评估结论不敏感于类别先验概率,从根本上克服了以上指标的缺陷。同时,该评估方法可以在错误分类代价未知的情况下进行,并能对识别算法进行多门限评估,因而在分类器识别算法性能评估中得到了广泛应用。文中首先叙述了ROC曲线和ROC曲线建立的方法,然后详细论述了基于ROC曲线的评估方法中常用的性能评估指标。

关键词：自动目标识别 ROC曲线目标识别算法性能评估

来源：评论

学校读者我要写书评

暂无评论

基于多波束声纳图像的水下目标识别定位

基于多波束声纳图像的水下目标识别定位

引用

2005’全国船舶仪器仪表学术年会

作者：卞红雨费凡哈尔滨工程大学水声工程学院哈尔滨150001

本文针对特定水下目标声图像的特点,开发出一套多波束声纳图像处理与目标识别算法.经大量海试数据的验证,这套算法实用性强、处理自动化程度高、目标定位准确。