【摘 要】
：
针对SSD算法对远距离车辆检测中无法考虑局部细节、纹理特征等,进而造成检测精度低的问题,提出了一种基于特征融合的SSD方法并用于远距离车辆检测,将高分辨率的浅层卷积层和语义较强的深层卷积层进行融合,通过残差块设计一个完整的特征融合结构,增加网络的宽度和深度。对KITTI和TT100k数据集进行了检测能力和平均精度均值的对比实验,结果表明,针对远距离车辆,改进后基于特征融合SSD方法的准确率有明显提
论文部分内容阅读
针对SSD算法对远距离车辆检测中无法考虑局部细节、纹理特征等,进而造成检测精度低的问题,提出了一种基于特征融合的SSD方法并用于远距离车辆检测,将高分辨率的浅层卷积层和语义较强的深层卷积层进行融合,通过残差块设计一个完整的特征融合结构,增加网络的宽度和深度。对KITTI和TT100k数据集进行了检测能力和平均精度均值的对比实验,结果表明,针对远距离车辆,改进后基于特征融合SSD方法的准确率有明显提高。
其他文献
当物体厚度方向尺寸变化较大时,其DR(Digital Radiography)图像动态范围与对比度较低,影响对缺陷的识别与检测。针对此问题本文设计一种基于Retinex原理的图像增强改进算法,针对传统的Retinex算法存在的光晕现象进行研究,采用引导滤波代替高斯滤波对照射分量进行估计。通过对比实验,可知对于不同的被检测物体,本文提出改进的增强算法相对于已有方法具有更明显的增强作用。改进算法可以使
为提高矿区目标体的重建效果,提出了一种将点云数据与图片进行融合的重建方法。通过MATLAB获得目标体的点云数据,对目标体的点云数据进行拼接以及表面重建。以清晰程度、纹理复杂度以及曝光率作为评价图片质量的3个因素,利用BP神经网络对目标体图片的质量进行分级,在卷积神经网络的基础上搭建BP神经网络对目标体图片中的部分进行识别。最终通过融合激光雷达、单目相机所获得的点云数据与图片来实现目标体的重建。结果
随着视频技术和图像分析技术的发展,工业电视系统除了满足生产视频监控,还可以做得更多。利用生产监控摄像机,通过可视化的方法,对视频图像进行智能分析,提取有用的数据,辅助生产控制。
基于蜂窝的窄带物联网(NB-IoT)是随着物联网行业的快速兴起而发展起来的新兴技术,它具有待机时间长、实时性好、数据传输效率高的特点。根据NB-IoT的技术优势,结合在物联网行业的应用情况,研究和探索了NB-IoT技术在钢铁企业能源数据采集、安全监控、环境设备监测、生产设备状态监测、工艺参数监测、车辆运行监测等领域的应用前景。
随着人工智能和5G的发展,视频应用不断增加,智能视频分析逐渐成为各个业务场景的基础需求。尤其是钢铁制造业,在产线自动化、设备维护、环保检测、安全生产过程中,都需要大量采用机器视觉来实现相关业务场景。为了推进智能视频分析的快速发展落地,降低整体运行成本,提出一种分布式机器视觉平台架构,帮助钢铁制造业在这种复杂场景下,逐步有效地提升视频的智能分析效果,为不断深入的智能应用奠定基础。
高炉铁口水平线下(死铁层区)死料堆的位置、大小、孔隙度、更新速度等直接决定铁水及炉渣在炉缸内的流动方式,同时影响炉缸传热、耐材的侵蚀、铁水及渣的排出速度等。使用图像处理技术对莱钢1 880m3高炉浸入死铁层中死料柱下部形状、孔隙度、焦粒尺寸、形貌分布等关键信息进行了提取。通过分析计算得到死料柱下部焦层二维孔隙度为56.73%。该区域焦粒平均粒度为15.3mm,缩减了约70%。通过形貌分析发现炉缸死
规格锯材检测分等是木质建筑结构材料设计与制造的核心技术,现阶段锯材缺陷的识别与分等仍以人工检测为主要技术手段,处于低智能化、低自动化水平。为了解决上述问题,通过基于机器视觉技术的锯材表面检测设备对杉木规格锯材进行缺陷检测,可实现动态状态下锯材表面节子准确识别并标注,根据检测结果能够对锯材进行等级划分。试验结果表明该设备对杉木规格材表面节子能够有效识别,分等结果与人工目测分等结果基本一致,是一种能够
【目的/意义】随着"互联网+"的推进,网络借贷市场越来越完善。由于借贷市场信息不对称导致了道德风险问题,因此对借贷用户进行风险预测有助于市场的完全竞争,促进小额借贷企业发展。【方法/过程】以access为平台搭建借贷用户的数据库对借贷用户进行画像描绘,并通过C5.0与CRT分类算法对借贷用户信息进行分类,最终实现对借贷用户风险进行预测。【结果/结论】建模后发现,影响借贷用户风险的主要分为主观因素即
针对当前旅游景区安全问题需要,结合人脸识别技术的优势,提出从系统和算法2方面对安检系统进行构建。在系统方案采用安检客户端和人脸识别端分开设计,并通过Socket通信实现两端通信;在人脸识别端,引入卷积神经网络对图像进行识别分类,并通过欧式距离完成图像对比。最后,通过系统和算法的测试,结果表明通过客户端可采集到人像,并完成人脸识别;在算法方面,卷积神经网络算法得到的系统准确率较高,且可精准实现人像和
传统的局部二值模式(LBP)算法在特征提取时仅考虑像素区域中心像素点与边缘像素点之间的关系,往往会出现部分重要信息偏失的问题。针对这一不足,提出一种改进的LBP算法,在减少特征信息偏失的同时也提升了特征提取的运算速率。此外,在进行图像分类时对于KNN分类算法存在的训练样本集中近邻样本过多,影响分类结果的问题,也进行了改进。为验证算法的可行性以及优越性,分别用传统LBP算法以及本文改进的LBP算法对