【摘 要】
：
计算机视觉是机器模仿人类的眼睛去理解和获取图像中丰富的信息从而感知外在的世界的一个重要的方式。其中,目标物检测和图像的语义分割是计算机视觉中最重要的两个问题。由于近年来随着深度学习尤其是卷积神经网络（CNN）的发展,为解决这两个问题带来了便利。已有的CNN方法在图片分类,目标检测和语义分割等多项任务上取得了优越的性能,然而在针对某些特定的场合下的工程化应用中这些基于CNN的方法还存在改善的空间。例
论文部分内容阅读
计算机视觉是机器模仿人类的眼睛去理解和获取图像中丰富的信息从而感知外在的世界的一个重要的方式。其中,目标物检测和图像的语义分割是计算机视觉中最重要的两个问题。由于近年来随着深度学习尤其是卷积神经网络（CNN）的发展,为解决这两个问题带来了便利。已有的CNN方法在图片分类,目标检测和语义分割等多项任务上取得了优越的性能,然而在针对某些特定的场合下的工程化应用中这些基于CNN的方法还存在改善的空间。例如针对某些特定的应用场景通用的CNN方法效果不佳,相对于传统方法计算量较大因此难以在嵌入式平台上部署,在环境因素恶劣的情况下效果不佳等问题。因此本文针对目标物识别在安全帽佩戴检测和语义分割在车道线检测这两个特定的工程化应用场合,本文的主要工作如下:首先,在安全帽佩戴检测场景中针对目前网络上开源的安全帽数据集极少且质量不佳问题,本文通过收集网络图片和现场采集图片,并添加标注构建了一个新颖的安全帽佩戴检测的数据集。针对目前建筑物施工场景下安全帽佩戴检测难以同时实现高准确检测和实时检测的问题,本文通过改进YOLOv4网络且采用NCNN框架进行推理加速实现了 一个高效的安全帽佩戴检测器。实验结果表明,该检测器的检测准确度高于现有的方法,在实际施工场景中的应用也有优越的测试结果。其次,在车道线检测场景中,针对传统的CNN方法不适用于狭长的车道线曲线检测场景,本文提出了一种基于语义分割的双分支网络的车道线提取框架。针对传统的车道线拟合方法中在将图像转换成鸟瞰图时会带来较大的误差的问题,本文训练了一个特殊的卷积网络拟合车道线来解决这个问题。实验结果表明,本文构建的车道线检测系统在tusimple数据集上能够得到很好的检测结果。
其他文献
基于移动机器人的场景三维重建和重定位是后续路径规划、导航及跟踪问题的重要基础,其中高效构建高精度且鲁棒的全局离线地图至关重要。无论是工业界还是学界,利用双目相机提供的冗余观测,可以极大地提升视觉里程计的可靠性和精度。尽管视觉里程计相对于过往取得了不少进步,但是在视觉离线建图和视觉重定位这两个领域中,现有业内的开源方案并没有充分发挥多传感器的优势,这导致了场景构图不准确,重定位不够鲁棒。因此基于视觉
转录组学数据的快速积累为生物学和病理学行为预测提供了新的视角。然而,由于这些数据集的规模大,完整的转录组学数据分析是非常困难和低效的。因此,如果我们对这些数据执行分类模型,则将花费大量时间并增加成本。这需要一些初始的预处理步骤来减少数据集的维数而不丢失信息。从复杂的转录组数据中提取有意义的或关键的特征可减少转录组学数据的维数和复杂性,并提取关键性特征以预测生物学和病理学行为,例如肿瘤原发部位预测。
基于结构光的视觉三维重建可以高效准确地获取被测对象的空间三维信息,被广泛应用在工业检测、文物保护、3D打印、VR、数字化医疗、生物数字化识别等领域。当前最常见的结构光测量系统分为单目系统与多目系统,单目结构光三维测量系统与双目相比,其造价成本较低、测量范围较大的优点,但测量精度其受环境光的干扰较大,因此如何提高三维成像的抗干扰性能的同时提高测量精度与效率越发重要。针对上述问题,本文对结构光编解码技
活塞是内燃机中实现功能转换的重要部件,活塞的性能直接决定内燃机的性能。目前的内燃机新技术追求低排放和高功率,活塞要承受高温环境的热载荷以及高压的机械载荷,这对活塞的强度和耐热性能提出了挑战。在活塞顶部喷涂热障涂层,已成为降低活塞基体温度和散热量的有效方案。本文从铸铝合金活塞模型出发,对不同基体材料和带热障涂层模型进行仿真对比分析。针对现有热障涂层模型进行优化设计研究,并对涂层优化后模型进行评价,最
在新药创制过程中,对天然产物的修饰与改造一直是热点领域,也是比较有效的途径;左旋香芹酮,是一种重要的天然化合物,是留兰香精油的成分之一,具有驱虫、杀螨、抑菌等良好的生物活性,本研究拟用左旋香芹酮作为先导化合物,通过对左旋香芹酮的羰基进行改造,以获得具有更好抗菌活性的药物。此外,据研究显示左旋香芹酮能够激活无脊椎动物体内的酪胺受体,是研发新型杀虫杀菌剂的重要的潜在先导化合物,本研究对合成化合物的杀虫
化学计量学中的二阶校正算法可以在有未知干扰的情况下,对感兴趣组分进行定量分析。二阶校正广泛应用于在环境、医药和食品等领域,并在传统化学检测的基础上提高了其检测的效率和准确率。二阶校正算法通过进行优化并衍生出许多针对不同问题的新算法,例如当色谱数据中出现较为严重的时间漂移和基线漂移情况时,则可以使用能容忍非线性问题的算法;当分析物的光谱轮廓十分相似时,则使用可以处理严重共线性问题的算法。另外模式识别
近些年,我国经济发展迅猛,国民的可支配收入也随之提高,后疫情时代的国民保障意识也在不断增强,故人们对于保障的需求也更加多元化,但我国社会保障体系尚未完善,覆盖能力有限,保障深度也不够。我国老龄化加剧,重疾呈年轻化趋势,故亟须一种有效的解决方法来转移或者对冲长寿风险和重疾风险。作为保险保障需求快速扩张和移动互联网高速发展时代下的产物,网络互助进入门槛低,具有普惠性,但网络互助平台发展过程中产品存在同
实际工程问题中广泛存在着与材料特性、几何尺寸、外部载荷和计算模型等因素相关的不确定性。多种不确定性因素的耦合可能导致结构或产品的工作性能波动甚至失效。基于可靠性的设计优化（Reliability-based design optimization,RBDO）在优化模型中采用可靠性约束来度量不确定性的影响,可以获得满足目标可靠度要求的最优设计方案。传统的RBDO方法采用嵌套结构求解,计算成本高昂。虽
在大数据时代,每时每刻产生的大量图片、视频等信息,极大地增加了本地存储的开销。因此通过数据外包的形式将此类多媒体信息存储在云端能够缓解本地存储的压力,这也是当前云存储的主要业务之一。然而,将数据存储在不受控制的云平台存在信息泄漏、黑客攻击等安全隐患。为保护数据的安全性,通常采用数据加密、完整性验证等方法。但是,现有针对加密数据的检索的方法普遍存在检索精度低、速度慢、抵抗统计攻击弱等问题,因此,本文
推荐系统引导用户从种类繁杂、数量众多的产品中发现感兴趣的候选项,在缓解用户选择困难的同时提高了平台的点击率和交易率。然而,大多数推荐方法以准确性为唯一优化目标,造成了信息茧房、长尾效应等问题。这推动了惊喜度推荐的出现——致力于提供能够引起用户兴趣但又处于其发现能力之外的产品。已有的惊喜度推荐方法主要存在三个问题:定义缺乏客观性、无关推荐问题和缺乏可解释性。针对以上问题,本文提出了可解释的弹性惊喜度