【摘 要】
：
针对织物疵点纹理多变、类型多样和尺度不一的特点,提出了优化Faster R-CNN疵点检测模型。将基于卷积模块的注意力机制(convolutional block attention module,CBAM)引入经典Faster R-CNN模型中,对建立的6 317张包含污渍、破洞、跳花、断经、断纬、缺经、缺纬和并纬等疵点的织物图片样本库进行CBAM的改进模型与原模型对比实验。结果表明:优化后的网
论文部分内容阅读
针对织物疵点纹理多变、类型多样和尺度不一的特点,提出了优化Faster R-CNN疵点检测模型。将基于卷积模块的注意力机制(convolutional block attention module,CBAM)引入经典Faster R-CNN模型中,对建立的6 317张包含污渍、破洞、跳花、断经、断纬、缺经、缺纬和并纬等疵点的织物图片样本库进行CBAM的改进模型与原模型对比实验。结果表明:优化后的网络模型能有效提高织物疵点识别的精度和检测速度,模型的平均精度均值(mean average precis
其他文献
中国象棋对弈机器人系统实现的关键包括棋局识别定位和自主行棋策略.首先,针对棋局识别与定位问题,提出一种基于单目相机与深度相机视觉融合的棋局识别定位方法.该方法利用立体棋子三维特征获取棋子位置,与二维图像识别结果融合计算定位,提高棋子的识别定位精度.其次,针对行棋策略问题,提出一种基于深度神经网络与蒙特卡洛树搜索的决策方法.该方法使用具有终局特征判断的蒙特卡洛树搜索,使用优化的随机行棋策略指导模拟行
传统的目标检测方法容易受到目标遮挡的影响，导致检测准确性较低，为此设计一个基于立体视觉匹配的场景前景目标检测算法。首先，通过立体视觉匹配方法提取图像序列，并求解视差图，根据求解结果建立背景更新模型，设置阈值判断是否需要更新。对目标遮挡进行计算，采用二值化的阈值分割方式将目标所在的前景与背景分割，并消除分割后图像的阴影，最后对检测区域进行形态学处理，将检测区域恢复到原始状态，以此实现基于立体视觉匹配
几何深度学习模型在三维形状检索任务中已经应用成功， 其安全评估工作也引起研究者的关注。本文为三维形状检索评估提出一种基于多视图通用扰动攻击（简称为MvUPA）的对抗攻击方法， 具有高成功率的攻击效果。具体地， 首先设计多视角深度全景图检索模型， 训练适用于视图类三维形状检索的高效嵌入向量; 其次， 为三维形状检索提出有益于通用扰动更新的损失函数方案和攻击机制。该损失函数方案同时融合了三元损失和标签
针对深海推进器用机械密封在工况周期波动下磨损失效现象，在机械密封PV试验机上进行拟实工况测试，建立不同材质摩擦副配对在工况周期波动和定工况下的对照性试验，测试摩擦副实时摩擦系数、形貌演变、表面磨损等试验数据。试验结果表明：工况周期波动下的SSiC-M106K摩擦系数振幅频率高于恒定工况，且表面粗糙度由0.02622 μm上升至1.08 μm，产生的磨粒对M106K表面造成二次磨损；另一方面，在3种
图像去模糊长期以来一直是计算机视觉和图像处理中的研究热点。由相机抖动、物体运动或失焦引起的运动模糊或焦点模糊图像会严重影响图像的使用和后续处理。传统的盲去模糊方法利用图像运动模糊产生的不同原因，可将运动模糊分为全局运动模糊和局部运动模糊，概述了近年来图像盲去模糊的方法和研究现状。然后，在深度学习图像去模糊方法的基础上，总结了图像去模糊的方法及研究现状。同时，对传统的盲去模糊方法和深度学习的盲去模糊
利用成像只与温度有关的远红外光谱视频进行老人摔倒检测研究，提出一种基于人体骨架模型的远红外视频下老人摔倒检测算法；采用YOLOv4-Tiny算法获取远红外视频中人体目标位置，再利用COCO数据集训练的区域多人姿态估计网络模型直接对自采集的远红外视频进行人体骨架提取，得到人体关节点序列，然后对人体骨架建立时空图卷积模型进行特征提取进而检测摔倒行为，并在自采集的远红外与可见光数据集上进行算法测试。结果
跨模态行人重识别研究同一身份行人的可见光图像和红外图像的匹配检索问题。由于相机的波长范围、光照、场景等成像因素不一致，跨模态行人重识别面临较大的跨模态差异和类内变化的挑战。因此，本文提出基于语义耦合和身份一致性的跨模态行人重识别方法。在语义层面，通过双向地耦合不同模态的语义特征，实现不同模态间语义交互融合，有效缓解跨模态差异；在行人身份层面，通过优化跨模态三元组损失和身份损失，实现类内身份信息一致
点云学习因其在计算机视觉、自动驾驶和机器人技术等领域的广泛应用而受到越来越多的关注。点云数据具有稀疏性、无序性、有限性等特点，给基于深度卷积神经网络的点云分类任务带来很大困难，通常采用多视图或将点云转换为体素后使用卷积神经网络进行处理，但转换过程会带来局部特征信息丢失、计算效率低等问题。将原始点云直接输入到分类网络还存在参数量过多、网络规模复杂等问题，实时性任务处理仍需进一步优化。为使点云处理网络
针对利用深度学习方法计算三维模型间稠密对应关系时算法泛化能力较差的问题，提出了一种基于无监督变形网络计算对应关系的新方法。首先通过基于螺旋卷积的模板特征提取网络计算非参数化模板的局部特征描述符；其次在模板变形网络中利用编码器获取输入模型的全局特征，并与模板的局部特征描述符拼接，将拼接后的特征输入到解码器中计算模板的变形模型；最后通过最近邻搜索算法计算变形模型与输入模型之间的稠密对应关系。实验结果表
Leap Motion因其追踪精度高、手势交互性好的优点被广泛运用于各类虚拟安装。将Leap Motion手势识别应用于高集成度大型结构件的高精度虚拟安装，可实现虚拟手对安装过程的交互控制。设计了一种基于加权卡方距离的模糊KNN分类方法实现虚拟手势分类，根据手势特征的重要性赋予不同权值，可进一步提高分类准确率，测试结果表明改进分类方法识别准确率达到92.7%，比传统分类算法提高5.3%。使用三种手