论文部分内容阅读
基于非监督的卷积神经网络单目场景深度估计方法研究
【摘 要】
:
三维重建在医学图像处理、虚拟现实、计算机图形学、计算机视觉、数字媒体创作等领域中扮演着重要的角色,深度图是三维重建中重要的一部分,它决定了三维重建的准确度、清晰度,故而本文主要是对场景深度进行研究。然而,相对于双目图像深度估计方法,单目图像深度估计方法对相机构造要求更低,应用方便,单目图像深度估计方法的难点在于,很难从单目图像中抓取到足够的场景结构特征。相关研究证明,卷积神经网络非常善于处理图像类
【出 处】
:
大连海事大学
【发表日期】
:
2019年01期
其他文献
计算机视觉是机器学习应用最成功的领域之一。随着人工智能技术的飞速发展,视觉类神经网络有了非常重大的突破。神经网络模型的精度大幅提高,体积大幅减小,运算速度大幅提高。这些相关技术已经具备非常高的实用价值。本文将通过数学运算比较各种卷积所需的参数数量,通过比较分析验证各种图像特征提取和特征融合技术,综合比较分析当前常见的语义分割模型,选择一个合适的语义分割模型使其能够在低配电脑上实现智能防挡弹幕功能,
学位
持续集成环境下,回归测试对时间、资源等有较高的要求,由于测试用例集变化频繁,同时存在测试时间有限和快速反馈等难点,使传统测试优化方法难以适用。强化学习的本质是解决序贯决策问题,可以用于持续集成测试优化。基于强化学习的测试优化方法利用强化学习算法的自动决策及自适应特性,结合测试用例优先排序和选择,适用于持续集成环境。但现有基于强化学习的方法中,只利用测试用例最近一次执行的相关信息进行学习,而测试用例
学位
基于非共价键作用构筑的功能超分子纳米体系具有良好的形貌可控性、刺激响应性、光物理性质、生物及催化活性等,可应用于构筑多样化的功能纳米材料,因此,对于新型功能超分子纳米体系的开发已成为化学、生物、材料等众多学科领域的研究热点。作为新一类的大环主体分子,柱芳烃凭借其独有的结构和化学特性,已经成为功能超分子纳米体系的重要构建基元。目前,基于水溶性柱芳烃的功能超分子纳米体系已经在药物转运、光电转化、传感器
学位