简介:摘要:针对传统船舶监测方法中存在工作量大易误判等问题,提出一种基于改进Faster R-CNN算法的船舶检测识别方法。自行拍摄制作船舶数据集,并通过翻转、裁剪、抖动等方式对数据集进行扩充。基于TensorFlow框架搭建深度学习系统环境,选取VGG16-Net作为特征提取网络。通过微调模型、参数调试等方法优化训练模型,提高了检测模型的识别精度。然后通过Faster R-CNN模型对数据进行训练、学习最终船舶平均识别率mAP指标(mean Average Precision)达到90.7%,通过深度学习达到了使用少量样本获得较高识别率的效果。
简介:摘要:近年来,图像采集受到环境因素干扰较大,如何重建原始图像去除天气因素带来的干扰成为计算机视觉行业最具挑战性的重大问题之一。常见的图像去雾方法是--对抗生成网络、灰度补偿和特征融合、多边缘信息融合、重加权二阶正则项。主要解决了还原路面纹理的细节、沙尘图像的检测精度和分割准确率较低、对计算机要求较高、边缘融合软件需要集成大量的高画质影片、图片等数据的问题。本文介绍了一种基于CNN网络的图像去雾算法,可改善图像的修复效果。
简介:摘要:近年来,随着线下消费向线上转移,推动了快递行业的持续快速发展。人们在享受网购以及快递业带来的方便快捷的同时,消费者的个人信息泄露也为了令人堪忧的问题[1]。因此本文提出了基于卷积神经神经网络的快递面单识别算法。首先通过摄像头采集快递包裹图像,采用深度学习的图像分割算法应用于面单区域的分割;通过自适应的灰度缩放算法,减少了反光等噪声对图像的影响;基于大津定律的条形码及消费者信息区域的定位算法,能够实现对所需信息区域的定位。
简介:摘要:针对工控SAMA逻辑图在识别转换过程中逻辑图图元目标小、外形易变化、相似图元识别易重复、检测精度低等问题,本文针对Faster R-CNN网络进行改进,将原有VGG16网络替换成保留细节特征更为丰富的ResNet101网络,,并结合图元固有文字属性区分图元,从而提高相似图元识别精度。采用不同种类的外形相似图元制作的数据集,对改进前后的Faster R-CNN网络模型进行不同锚框设置下的比较实验,实验结果表明改进后的Faster R-CNN网络模型针对相似图元识别的性能有较大提升。
简介:SodiumdithioniteinitiatedsulfinatodehalogenationofBrCF2CF2Risstudied.
简介:以我们在现实生活当中处理数据库的经验来看,为了从数据库中使用限制性的信息抽取方法得到有用的数据和信息,我们有必要使用"特点子集选择"的方法(FeatureSubsetSelection).而这种方法需要从多个相关的属性当中进行多次的试验从而找到某种特定的子集.在这种情况下,如何能够找到快速的、准确的同时又是简便的选择算法变得越来越关键.这篇文章对由Dr.RobertHoltes提出的"One-R"算法进行了适当的改进,通过"Chi"氏独立性检验和拜亚(BayesDecisionTheory)公式推导出的新方法,在试验的基础上表明,这种新的算法在某种程度上比原来的"One-R"算法要准确.