【摘 要】
：
利用深度卷积生成对抗网络,构建特征空间,改进目标函数,优化算法,建立迷彩设计伪装中目标与背景图像之间的特征相似度的数学模型,对不同背景的图像特征数据进行自主对抗训练,形成与该背景特征高度匹配的图像,从而达到良好的伪装设计效果。结果表明:采用五维特征空间为目标函数构建的优化算法,对林地背景图像训练后的SSIM值90%以上有所提高,生成图像中的目标与背景融合度高,伪装效果好。
论文部分内容阅读
利用深度卷积生成对抗网络,构建特征空间,改进目标函数,优化算法,建立迷彩设计伪装中目标与背景图像之间的特征相似度的数学模型,对不同背景的图像特征数据进行自主对抗训练,形成与该背景特征高度匹配的图像,从而达到良好的伪装设计效果。结果表明:采用五维特征空间为目标函数构建的优化算法,对林地背景图像训练后的SSIM值90%以上有所提高,生成图像中的目标与背景融合度高,伪装效果好。
其他文献
针对传统的人工三维建模费时费力的问题,引入ORB-SLAM算法实现在线三维建模。ORB-SLAM算法通过对单目相机提取的图片进行特征提取,可实现低成本实时生成三维点云,即三维模型,但算法本身依赖于视觉词典的建立。实际应用中,受条件的限制,往往视觉词典难以制作。通过引入GMS匹配算法替换ORB-SLAM原算法中相应模块,在不需要词典向量的条件下成功实现了特征匹配,并利用KITTI数据集对改进算法进行
为提高塑料瓶装大输液中的杂质微粒的检出率,降低误检率,研究了一种分步式检测系统。该系统由圆盘检测台、仿人工检测台和交换工作台3部分组成,分‘旋转-急停’、‘仿人工翻转’两个步骤,结合超声波消泡技术、利用图像处理方法完成异物检测。通过设置‘仿人工翻转’机构将瓶身从竖立缓慢翻转至水平,以便于获得清晰的杂质微粒序列图像,同时减少机械随机抖动对图像质量的影响。对竖立和水平两种位置采集的序列图像进行分步处理
以Multi Camera为关键词,针对IEEECONF等6个学术会议文献数据库和美国政府科技报告进行检索,得到752篇文献样本,剔除重复文献和不相关文献,得到705篇有效学术文献样本,其采样率为93.75%。基于学术文献统计模型,得到Multi Camera学术文献数据分布构架,包括数据库贡献规模分布、年度发表规模分布、作者发表规模分布、机构贡献规模分布、国家/地区贡献规模分布、基金资助机构贡献
近几年新型的超材料天线相比于传统的相控阵有着多方面的优势,但是由于超材料天线的正常工作必须要有变频信号的辅助,而目前的超分辨成像算法没有补偿由于频率变动产生的误差,导致成像质量严重下降甚至不能成像。此外,回波信号中频率的变动和不同的距离互相耦合,导致不能简单的直接补偿掉误差相位。因此,提出一种基于压缩感知的超分辨关联成像算法的改进方法,将基于压缩感知的超分辨关联成像算法和超材料天线结合在一起,实现
光诱导的气孔动力学响应快慢是影响植物叶水分利用效率的重要因素,为探索黄土高原不同演替阶段树种水分利用效率差异的生理机制,该研究以黄龙山林区典型树种(演替早期种山杨和白桦、演替后期种辽东栎)的幼龄实生苗为材料,采用盆栽试验,研究了叶片光诱导的气孔导度动力学参数差异及其与气孔特征、叶长期水分利用效率的关系。结果表明:(1)山杨和白桦气孔开放过程中气孔导度(g_s)增加的时间常数(K_i)小于辽东栎,但
ABC转运蛋白(ATP-binding cassette transporter)是目前发现的最大的蛋白家族之一,其广泛存在于真核生物与原核生物之中,近年来在植物研究领域正受到越来越多的关注。ABC转运蛋白的转运底物种类较为多样,该家族成员几乎作用于植物生长发育的各个阶段,并对植物花器官产生较大的影响。该文对ABC转运蛋白的基本特征及亚家族分类情况进行了总结,重点对近年来国内外有关ABC转运蛋白家
The essential requirement for precise localization of a self-driving car is a lane-level map which includes road markings(RMs). Obviously, we can build the lane-level map by running a mobile mapping s
Reliable and accurate calibration for camera, inertial measurement unit(IMU) and robot is a critical prerequisite for visual-inertial based robot pose estimation and surrounding environment perception
无人机追踪过程中,遮挡、姿态变化等易引起目标丢失,而核相关滤波算法(KCF)缺乏样本提取能力无法重新定位目标,导致追踪失败。对此,提出一种利用轨迹预测和空间感知的无人机追踪方法来重定位目标。通过YOLOv3算法和双目立体视觉,实现样本提取、目标重定位和优化尺度判定机制,并引入扩展卡尔曼滤波器,预测目标位置,消除目标丢失时无人机失去引导的缺陷。最后,通过gazebo物理引擎平台的仿真实验和实际环境下
提出了一种基于计算机视觉技术的弹孔检测方法。将传统的图像处理方法与深度学习的方法相结合,通过预处理、ROI检测和弹孔识别3个步骤实现胸环靶图像中弹孔的检测。实验结果表明,算法的精度较高,普适性强,实现了在不同靶场环境中胸环靶图弹孔快速、精准的检测。该算法性能良好,有效推动了基于计算机视觉的自动报靶系统的应用进程。