【摘 要】
：
现代社会正朝向智能化、信息化方向发展,计算机视觉技术的出现为智能产品技术突破与创新奠定了基础。计算机视觉是赋予机器"人眼"的功能,通过摄像机与计算机让机器能够自主的对物体进行跟踪、识别等,再将采集的数据信息进行处理以实现不同的功能。计算机视觉系统由图像信息处理层、图形特征分析层以及图像数据收集层三个部分组成,在智能机器人目标定位方面、人脸检测与识别方面具有非常广泛的应用。
论文部分内容阅读
现代社会正朝向智能化、信息化方向发展,计算机视觉技术的出现为智能产品技术突破与创新奠定了基础。计算机视觉是赋予机器"人眼"的功能,通过摄像机与计算机让机器能够自主的对物体进行跟踪、识别等,再将采集的数据信息进行处理以实现不同的功能。计算机视觉系统由图像信息处理层、图形特征分析层以及图像数据收集层三个部分组成,在智能机器人目标定位方面、人脸检测与识别方面具有非常广泛的应用。
其他文献
Seven soil profiles developed on calcium carbonate–rich slope deposits in the Polish Carpathians were studied in order to: i) determine the micromorphological features of heterogeneous soils formed in
Alpine grassland is the typical vegetation in the eastern Qinghai–Tibetan Plateau, which has important ecological service functions, and also supports the development of alpine stock farming. In recen
近年来,深度学习的研究进展本质上是基于"以大数据驱动小任务"的范式,其依靠的是通过大量数据训练的分类器解决一项单一的任务。本文中,我们提出将范式中数据和任务的关系颠倒。在"以小数据驱动大任务"的新范式下,只有少量数据的单一人工智能系统便可以发展出"常识",并且用"常识"来解决各种任务。通过回顾综合了机器与人类视觉常识模型的最新突破,我们将阐释这个新范式的潜力。我们将功能性(functionalit
准确和详细的土壤水分信息对于灌溉、旱涝预报、水资源管理和田间尺度决策等至关重要。近年来发射的从太空测量土壤湿度的卫星继续改善了土壤湿度信息的可用性。然而,这些卫星产品的用途受到微波传感器粗空间分辨率的限制。美国普林斯顿大学的Vergopolan等提出了一种合并框架,将高分辨率陆面模式(LSM)、辐射传输模型
本文从几何角度来理解深度学习,特别是提出了生成对抗网络(GAN)的最优传输(OT)观点。自然数据集具有内在的模式,该模式可被概括为流形分布原理,即同一类高维数据分布于低维流形附近。GAN主要完成流形学习和概率分布变换两项任务。其中,后者可以用经典的OT方法来实现。从OT的角度来看,生成器用于计算OT映射,而判别器用于计算生成数据分布与真实数据分布之间的Wasserstein距离;两者都可以归结为一
20世纪70年代认知心理学已经认识到,长期记忆的内容应为语义和情景的集成[1],并被分别编码为言语和心象的表征[2]。1991年,笔者在论文《形象思维中的形象信息模型的研究》[3]中指出,并非所有言语命题都能从言语系统中推理而获得,很多只能从形象系统中转化而来。两个月前,笔者在论文《论视觉知识》[4]中提出了视觉知识(VK)的概念,它包括视觉概念、视觉命题和视觉述事。视觉知识可以模拟人在大脑中能对
为使多聚焦图像的融合结果能保持全局性、保留局部的细节且对未配准源图像具有鲁棒性,提出了一种隐低秩表示结合低秩表示的多聚焦图像融合算法。该算法通过对源图像进行隐低秩表示,得到图像的低秩(全局)部分和显著(细节)部分,然后对低秩部分和显著部分分别使用滑动窗口技术分块,并将分块使用4个方向的Sobel算子进行分类学习子字典,将子字典合成完整字典后进行低秩表示,接着对低秩部分和显著部分的低秩系数分别进行融
为提高多焦距图像融合质量,提出了一种基于支持向量机(SVM)和窗口梯度的多焦距图像融合方法。该方法首先对多焦距图像进行基于窗口的经验模态分解(WEMD),得到一组内涵模式函数分量(高频)和残余分量(低频),WEMD可以有效解决图像分解中的信号混叠问题;然后,利用SVM的输出指导低频分量融合,选取更清晰的聚焦区域;利用本文的窗口梯度对比算法指导高频分量融合,在保持融合图像对比度的同时保证图像的一致性
针对光照变化引起目标跟踪性能显著下降的问题,提出一种光照补偿和低秩稀疏表示联合优化的视觉跟踪方法。该方法首先基于模板与候选目标的平均亮度差异对模板光照补偿;而后利用候选目标逆向稀疏表示模板,并考虑候选目标间相似性以对稀疏编码矩阵实施低秩约束,且包含稀疏误差项以提高算法对局部遮挡的稳健性,从而获得光照补偿和低秩稀疏表示联合优化模型;最后,基于该模型所得稀疏编码矩阵快速剔除无关候选目标,并采用局部结构
提出了基于海洋耀斑的在轨偏振定标方法,首先建立海洋粗糙面模型,分析洋面耀斑偏振辐射特性;其次,考虑到大气辐射传输特性,使用6SV辐射传输模型计算大气层顶(TOA)的耀斑偏振特性;然后,进一步修正气溶胶偏振的影响,提出TOA偏振度修正公式,采用t检验方法验证所提公式中新加二次项的显著性;最后,建立关于太阳天顶角的修正系数查找表,得到模拟偏振度。对POLDER 3解析偏振度进行验证,其相对误差低于2%