【摘 要】
：
针对YOLOv3模型对真实道路环境下近、远端目标车辆检测率低、鲁棒性差的问题,给出了一种基于改进YOLOv3模型的车辆多目标检测模型——YOLOv3-Y模型。模型基于Darknet-53特征提取网络,将网络输出的8倍降采样特征图与4倍降采样特征图进行拼接,建立104×104尺度的检测层;在包含4个类别的车辆数据集中,利用K均值(K-means)聚类算法选取出12个先验框并分别匹配到4个不同尺度的检
论文部分内容阅读
针对YOLOv3模型对真实道路环境下近、远端目标车辆检测率低、鲁棒性差的问题,给出了一种基于改进YOLOv3模型的车辆多目标检测模型——YOLOv3-Y模型。模型基于Darknet-53特征提取网络,将网络输出的8倍降采样特征图与4倍降采样特征图进行拼接,建立104×104尺度的检测层;在包含4个类别的车辆数据集中,利用K均值(K-means)聚类算法选取出12个先验框并分别匹配到4个不同尺度的检测层中;同时引入了GIOU损失函数对交并比(intersection-over-union, IOU)损
其他文献
设计的智能分拣系统是基于物联网的实现,设计的智能分拣水果机器人基于分拣系统,能够实现自动化。通过单片机的控制驱动机器人前进并自动循迹避障,采集水果,并对水果成熟度进行判断,实现分拣系统智能化和自动化。因此应用基于单片机水果分拣系统来提高分拣水果工作效率。可以让自动化程度高、生产效率高、维护成本低的水果分拣系统产品不断出现,发展迅猛。
人脸识别目前应用于多个领域,受控性人脸识别现在有很高的准确度,超过人眼的97.35%,但由于新冠疫情的肆虐,导致大部分人在疫情期间外出都会佩戴口罩,导致识别的准确度降低。因此如何消除口罩遮挡对人脸识别产生的影响,从而提升口罩遮挡人脸识别准确度方面还有很大的研究空间。本文通过提取出未遮挡部分,对未遮挡部分hog特征提取并对提取的特征进行pca降维,通过对嘴巴检测判断是否佩戴口罩,另外加入canny边
毛刺缺陷是94型冰勺缺陷之一,其特征为出现在冰勺边缘多出来的一撮木材,当前工厂使用人工检测毛刺缺陷。针对人工检测冰勺表面缺陷的不足,本文研究了94型冰勺毛刺缺陷在线检测的方法,提出了了基于形态学提取冰勺毛刺缺陷的算法,通过区域开运算,提取冰勺边缘得到毛刺候选区域,后续根据几何特征以及灰度特征提取毛刺。并根据形态学提取冰勺毛刺缺陷出现的漏检提出解决方法,使用基于方向空间的图像分割算法对冰勺毛刺缺陷进
由于公有云不是可信的实体,通过公有云提供图像检索服务时,它可能会窃取图像数据的敏感信息。近年来,密文图像检索方法被提出,用于保护图像隐私。然而,传统的隐私保护图像检索方案搜索效率较低,且无法支持多用户场景。因此,提出一种基于访问控制安全高效的多用户外包图像检索方案。该方案采用一次一密和矩阵变换方法,实现基于欧几里得距离(简称欧氏距离)相似性的密文图像检索,并利用矩阵分解和代理重加密,实现多用户外包
基于密码学中的RSA签名方案与RSA加密方案,提出了一种能够让特定分类器输出对抗样本正确分类的对抗攻击方法。通过单像素攻击的思想使正常图像在嵌入附加信息的同时能够具有让其余分类器发生错误分类的能力。所提方法可以应用在分类器授权管理与在线图像防伪等领域。实验结果表明,所提方法生成的对抗样本对于人眼难以察觉,并能被特定分类器识别。
针对小样本条件下红外目标检测任务中缺少足够的训练样本,网络泛化能力不理想的问题,提出了一种基于迁移学习的红外目标检测算法。论证了使用可见光图像通过迁移学习技术训练红外图像目标检测算法的可行性。设计了一种基于注意力机制的域自适应方法的深度神经网络,通过可见光数据迁移学习实现小样本条件下的红外目标检测与识别。通过VisDrone2019数据集、Street Scece红外数据集进行验证。结果表明:所提
传统的曲率计算方法对离散域上的局部变化和噪声敏感,使得角点检测准确率和定位存在偏差。为了减少上述问题,提出了一种多尺度离散曲率来计算曲率并检测角点。首先,用Canny边缘检测器处理输入图像,得到一个二值化边缘图,然后从边缘图中提取边缘轮廓,沿着轮廓填充缝隙,检测并标记T型角点;其次,在3个不同的平滑尺度下,用高斯函数对每条平面曲线进行平滑处理,再使用新的曲率度量方式,计算经平滑后每个轮廓上点的曲率
为减少误匹配率,提升视差计算精度,提出了一种改进Census变换与路径代价的立体匹配算法。首先,通过采取设定阈值选取参考像素替换中心像素,并将灰度差绝对值算法(absolute difference, AD)和梯度代价归一化加权融合进行代价计算,以提升视差计算精度,增强算法稳定性;其次,设计了一种根据像素颜色差值确定惩罚因子的方法,实现了对不同区域匹配效果的提升;最后,采用加权中值滤波、视差非连续
为解决图像语义分割中边缘分割模糊与小目标物体分割不精细的问题,提出了一种高精度语义分割方法。该方法利用MobileNetV3网络,提取多级的浅层轮廓特征和深层语义特征,通过PSP-Net模型中的金字塔池化模块和上采样操作,将多级浅层的轮廓特征信息与深层的语义特征信息进行融合,实现了多级特征融合的高精度图像语义分割。在Nyu-V2数据集上实验的结果表明,该算法明显提高了对小目标特征的描述能力。在Pa
针对目前图像修复中存在的大面积缺失、修复语义不连贯、纹理不清晰、分辨率低等问题,提出一种深度生成式对抗网络的超分辨率(deep super resolution generative adversarial network, DSRGAN)图像修复与重建方法。首先,提出改进的DenseNet网络结构作为生成器,提取图像生成的特征信息实现残损图像上下文信息的准确定位;其次,构建相对条件判别器,实现图