【摘 要】
：
为了满足大宗淡水鱼智能加工生产的需要，实现对不锈钢链板上淡水鱼的轮廓检测，提出了一种抗畸变性强的轮廓检测方法。该方法由畸变矫正、背景差分、椭圆拟合三部分组成。首先，采集链板上的淡水鱼图像与模板图像，构造待检测图像与标准模板图像对应像素点的投影矩阵，将畸变的待检测图像矫正至统一的坐标系下；然后，与标准模板图像匹配，对感兴趣区域(ROI)差分去除背景，得到目标图像并提取其轮廓点；最后，采用逐步椭圆拟合
论文部分内容阅读
为了满足大宗淡水鱼智能加工生产的需要，实现对不锈钢链板上淡水鱼的轮廓检测，提出了一种抗畸变性强的轮廓检测方法。该方法由畸变矫正、背景差分、椭圆拟合三部分组成。首先，采集链板上的淡水鱼图像与模板图像，构造待检测图像与标准模板图像对应像素点的投影矩阵，将畸变的待检测图像矫正至统一的坐标系下；然后，与标准模板图像匹配，对感兴趣区域(ROI)差分去除背景，得到目标图像并提取其轮廓点；最后，采用逐步椭圆拟合法，确保鱼身主体部分被精确的拟合，且长轴方向与鱼体方向一致。通过将匹配算法与背景差分法相结合，确保了校准
其他文献
针对越南场景文字检测训练数据缺乏及越南文字声调符号检测不全的问题，在改进的实例分割网络Mask R-CNN的基础上，提出一种针对越南场景文字的检测算法。为了准确地分割带声调符号的越南场景文本，该算法仅使用高分辨率的P2特征层来分割文本区域，并将文本区域的掩码矩阵大小从14×14调整为14×28以更好地适应文字区域的横纵比。针对存在用常规非极大值抑制算法不能剔除重复文本检测框的问题，设计了一个针对文
海关商品申报场景下，需采用分类模型将商品归类为统一的海关（HS）编码。但现有海关商品分类模型忽略了待分类文本中词语的位置信息，同时HS编码数以万计，会导致类别向量稀疏、模型收敛速度慢等问题。针对上述问题，结合真实业务场景下人工逐层多次归类策略，充分利用HS编码的层次结构特点，提出了一种基于层级多任务BERT(HMBERT)分类模型。一方面通过BERT模型的动态词向量获取了报关商品文本中的位置信息，
雾霾天气下拍摄收集的图像和视频能见度低，图像质量大幅下降，影响目标检测等高级计算机视觉任务检测精度。目前暗通道、DehazeNet、AOD-Net等去雾方法存在有雾残留、色差较大等问题。为解决以上问题，提出基于条件生成对抗网络(CGAN)的图像去雾方法——CGAN-dense。其生成器设计密集块结构以增加特征利用率，提高去雾细节保持效果；判别器使用34×34的PatchGAN进行分块判定，优化图像
针对多任务学习模型中相关度低的任务之间存在的负迁移现象和信息共享困难问题，提出了一种基于交叉层级数据共享的多任务模型。该模型关注细粒度的知识共享，且能保留浅层共享专家的记忆能力和深层特定任务专家的泛化能力。首先统一多层级共享专家，以获取复杂相关任务间的公共知识；然后将共享信息分别迁移到不同层级的特定任务专家之中，在上下层之间共享部分公共知识；最后利用基于数据样本的门控网络自主选择不同任务所需信息，
基于Google Earth Engine云平台和Sentinel–2影像，通过多时相影像和地形特征的不同组合，利用随机森林算法对云南省香格里拉地区的森林类型进行3个层次上的识别和分类制图。结果表明：多时相特征结合地形信息在3个层次上分类精度最高；森林和非森林类型，总体精度为98.15%,Kappa系数为0.962 4；针叶林和阔叶林，总体精度为89.74%,Kappa系数为0.792 6;8种针
重点研究川藏铁路物流特征和BIM-GIS技术在物流系统设计和关键数据上的一致性，探讨实现智能物流管理系统架构。应用对比分析的方法，总结BIM和GIS技术的特点和应用情况，分析BIM-GIS协同一体化应用在川藏铁路物流领域的优势。根据对川藏铁路物流特征和物流协同模型的分析，提出从物流可视化到信息流动、监控一体化的系统思路。通过系统思维方法，得出物流执行系统、仓储管理系统、物流综合信息系统，物联网数据
在推荐系统领域，现有的大部分工作主要关注仅有一种类型的用户反馈（如购买反馈）的单类协同过滤（OCCF）问题。然而，在现实的应用中，用户的反馈往往是异构的，因此如何对用户的异构反馈进行建模从而准确刻画用户的真实偏好是一个新的挑战。围绕异构单类协同过滤（HOCCF）问题（包含了用户的购买反馈和浏览反馈），提出了一个迁移学习解决方案——阶段式变分自编码器（SVAE）模型。首先，将用户的浏览反馈当作辅助数
为了构建大规模容器化虚拟网络，达到搭建高保真、易编程的虚拟网络环境的目的，提出了一种基于时变资源的容器化虚拟网络映射算法，将OVS和Docker容器化的虚拟网络进行切分，并分布式地映射到若干计算、网络、存储资源受限的物理宿主机。算法首先根据虚拟网络的拓扑结构，将具有密切链路关系的虚拟网元进行层次化聚合，简化问题规模；其次对聚合后的虚拟网络节点进行重要性评分，采用广度优先与贪心策略对虚拟网络进行切块
为解决行人重识别标注成本巨大的问题，提出了基于单标注样本的多损失学习与联合度量视频行人重识别方法。针对标签样本数量少，得到的模型不够鲁棒的问题，提出了多损失学习的策略。在每次训练过程中，针对不同的数据，采用不同的损失函数进行优化，提高模型的判别力。其次，在标签估计时，提出了一个联合距离度量。该度量将样本距离和近邻距离结合，进一步提升伪标签预测的精度。改善了无标签数据标签估计的准确率低，未标记的数据
短文本分类是自然语言处理(NLP)的重要研究问题，广泛应用于新闻分类、情感分析、评论分析等领域。针对短文本分类中存在数据稀疏性问题，论文引入语料库的节点和边权值特征，基于图注意力网络(GAT)，提出一个融合节点和边权值的图注意力网络(NE-GAT)。首先，针对每个语料库构建异构图，利用引力模型(GM)评估单词节点重要性，通过节点间点互信息(PMI)获得边权重；其次，为每个句子构建文本级别图，将节点