简介:摘要:票据是一种特殊的印刷品,在人们的生活的工作过程中经常会出现。虽然只是一张纸制品,但是有其特殊的用途。在众多票据当中,识别票据用途的重要依据是发票的号码。发票号相当于发票的身份证,一张票据只有唯一的发票号码,因此发票号也成为了发票防伪的重要依据。为了有效检测发票的真实性和有效性,必须要应用有效的检测技术。高效的发票号码识别技术可以有效的提升发票的检测效率,同时可以有效的提升企业的经济效益,降低成本。
简介:摘要:由于体育视频拥有广大的受众群体和丰富的领域知识,观众观看体育视频的焦点是运动员,因此检测和分割视频中的运动员是体育视频分析的基础。本文采用基于超像素分类的运动员分割算法,在检测到运动员的基础上,以超像素为基本单位,利用多边形区域表示的运动员检测结果与运动员轮廓之间的关系,将多边形区域内的超像素分类标记为运动员超像素和背景超像素,利用该分类结果和多边形区域信息,使用 Grab Cut分割算法,实现运动员轮廓的分割。实验结果表明,基于超像素的运动员轮廓分割算法,既能有效保持图像中的运动员轮廓信息又能减少计算量。但由于部分运动员头发、胳膊和手臂等边缘部分的超像素分类不够准确导致分割效果不够理想,有待于进一步改进。
简介:摘要:为了准确检测小麦外观品质,首先需要利用图像处理技术对采集的小麦图像进行分割,将小麦与背景分割开,粘连的小麦图像分割为单粒小麦,针对单粒小麦进行理化指标检测,因此图像分割成为小麦品质检测中至关重要的环节。但是在实际稻小麦图像分割时,存在着小麦粒本身不规则,整粒与碎粒混合以及小麦粒大小参差不齐等问题,使得在实际小麦粒图像分割过程中分割困难。本文简要陈述了目前粮食无损检测的重要性,综述了模糊C均值、分水岭算法、凹点匹配等传统图像处理方法,以及CNN、U-Net、Mask R-CNN等深度学习算法在小麦图像分割中的应用与优缺点。通过算法优化,提高了复杂粘连小麦图像的分割精度,推动了小麦品质检测的自动化进程。
简介:摘要:深度学习是人工智能领域的重要研究方向,TensorFlow是目前流行的深度学习框架。首先对TensorFlow框架及其环境搭建进行了介绍,在Tensorflow框架基础之上实现了U-Net网络模型;然后论述了基于该框架的卷积神经网络模型在脑出血CT图像分割中的应用。