【摘 要】
：
随着人工智能、大数据、机器学习、计算机视觉等技术的发展，卷积神经网络（CNN）越来越多地应用于图像识别领域，图像数据集的丰富性以及多样性对CNN模型的性能和表达能力至关重要，但现有的鱼类图像公共数据集资源较匮乏，严重缺少训练集以及测试集样本，难以满足深度CNN模型优化及性能提升的需要。实验以大黄鱼、鲤、鲢、秋刀鱼和鳙为对象，采用网络爬虫以及实验室人工拍照采集相结合的方式，构建了供鱼种分类的基础图片
论文部分内容阅读
随着人工智能、大数据、机器学习、计算机视觉等技术的发展，卷积神经网络（CNN）越来越多地应用于图像识别领域，图像数据集的丰富性以及多样性对CNN模型的性能和表达能力至关重要，但现有的鱼类图像公共数据集资源较匮乏，严重缺少训练集以及测试集样本，难以满足深度CNN模型优化及性能提升的需要。实验以大黄鱼、鲤、鲢、秋刀鱼和鳙为对象，采用网络爬虫以及实验室人工拍照采集相结合的方式，构建了供鱼种分类的基础图片数据集，针对网络爬虫手段获取到的鱼类图像存在尺度不一、格式不定等问题，采用图像批处理的方式对所有获取到的
其他文献
针对在自然场景中，由于遮挡、视角限制和操作不当等问题，导致传感器获取的植物或器官点云不完整，提出了一种基于多尺度特征提取模块结合点云金字塔解码器（Multi-scale feature extraction model with point cloud pyramid decoder，MSF-PPD）的叶片形状补全网络。首先，采用多尺度特征提取模块实现不同维度特征信息的全局提取和融合，其次，通过点
本文提出一种可靠的数字水印技术，首次对水印图像采用半色调和四叉树技术进行预处理，将内容的位置信息提取出来做为实际的嵌入值；载体图像进行离散小波变换(DWT)，对高频子图进行8×8分割和最佳离散余弦变换(DCT)操作；信息嵌入到DCT变换矩阵失真最小的位置。在提取水印时，通过系数矩阵最佳位置数据对的比较规则，准确提取出水印内容的位置信息，进而恢复水印图片。仿真实验分析表明，该算法不仅能够提高水印的有
人群计数旨在准确地预测现实场景中人群的数量、分布和密度，然而现实场景普遍存在背景复杂、目标尺度多样和人群分布杂乱等问题，给人群计数任务带来极大的挑战。针对这些问题，提出了一种融合通道与空间注意力的端到端人群计数模型CSANet。该模型采用多层次编解码网络结构提取多尺度语义特征，并充分融合空间上下文信息，以此来解决复杂场景中行人尺度变化和分布杂乱的问题；为了降低复杂背景对计数性能的影响，在不同层次特
SSD（Single Shot Multi-Box Detector）是目前广泛应用于行人检测的神经网络算法，为了提高其检测精度和检测速度，对SSD算法进行了有效改进（改进后的算法称为XSSD-P）。首先，选择Xception网络作为XSSD-P算法的骨干网络并重新选择用于预测的特征层；然后根据行人外形尺寸的特征设计了多尺度卷积核和基础锚框，并将二者耦合，基础锚框通过调节自身大小得到锚框（anch
针对判别最小二乘回归(DLSR)对图像噪声鲁棒性不佳的问题，提出一种基于潜子空间去噪的子空间学习图像分类方法(DLSSL)。该方法在架构上不同于现有基于回归的分类方法，其在视觉空间与标签空间中引入一个潜在子空间，将传统的图像分类框架改进为两步，即先降噪后分类。该方法先通过欠完备自编码将数据的高阶特征提取到潜在空间，再利用此高阶特征进行回归分类，同时辅以组核范数约束控制类内样本间距离。潜在子空间的引
通过田间试验，研究了玉米秸秆深翻还田对表层（0～20 cm）和亚表层（20～40 cm）土壤及其团聚体内有机碳含量和化学组成的影响。结果表明：无论表层还是亚表层土壤，与玉米秸秆未还田的对照处理相比，秸秆深翻还田后>2 mm水稳性大团聚体比例显著增加而0.25～0.053 mm水稳性微团聚体的比例显著降低，使得水稳性团聚体的平均重量直径显著增加；土壤有机碳、颗粒有机碳、胡敏酸碳和胡敏素碳含量以及胡敏
针对不同波动程度的海场景下红外目标检测的难点，提出一种傅里叶域内对海背景进行双模型建模的目标检测算法。由于不同的海场景具有不同的海水波动模式，用单一的模型较难准确的描述所有的海场景。海水在傅里叶域内幅度谱的稳定性较强，因此提出一种傅里叶域内的双海水背景模型，即概率单高斯模型和混合高斯模型。首先对海上红外图像进行行方向的傅里叶变换，获得图像的幅度谱和相位谱。然后利用训练阶段纯海水图像幅度谱序列的方差
特征点匹配可以在输入的图像之间生成一个对应关系，它是视觉里程计中一个基础且重要的模块，并且在不同计算机视觉领域中有着广泛的应用。随机抽样一致算法(Random Sample Consensus, RANSAC)是一种应用较广的图像匹配算法，但存在召回率较低且耗时较长的问题。本文基于网格运动统计方法与顺序选取策略，提出了RANSAC改进算法。首先对初始特征匹配进行质量排序，在此基础上将输入图像划分为
针对传统立体匹配算法准确率低且在弱纹理区域存在误匹配的问题，提出融合多尺度信息的各向异性立体匹配算法（ASMSI）。首先构造各向异性的匹配代价计算函数，将梯度和相角信息引入代价计算过程中用于剔除弱纹理区域的离群点；随后采用融合多尺度信息十字交叉代价聚合计算每个支持域内的匹配代价；进一步经赢家通吃策略生成初始视差图；在此基础上进行左右一致性检测及后处理得到精修后的视差图；最后通过仿真实验对比图像中非
直方图统计在图像增强和目标检测等领域有着重要的应用。然而，随着图像规模不断增大、实时性要求越来越高时，直方图统计局部增强算法的处理过程较慢，达不到预期满意的速度。针对这一不足，本文在图形处理器（GPU）平台上实现了直方图统计图像增强算法的并行处理，提升了处理大幅面数字图像的处理速度。首先，通过充分利用统一计算设备架构（CUDA）活动线程块和活动线程来并行处理不同的子图像块和像素点，提升了数据访问的