【摘 要】
：
由于城市监控中存在大量相似的车辆,造成了车辆重识别匹配率低。车头、车窗、车顶等局部特征是相似车辆细微差异性的所在。根据车辆检测算法卷积特征热力图注意力分布特性,提出了针对车辆局部特征区域检测的MCRF-SSD算法,并与GMM-EM聚类算法相结合,检测性能在公开的数据集上均优于目前主流算法。同时为了增大类间距离、缩小类内距离将Arcface损失函数引入到了特征提取阶段。为了提高车辆重识别匹配性能,在
论文部分内容阅读
由于城市监控中存在大量相似的车辆,造成了车辆重识别匹配率低。车头、车窗、车顶等局部特征是相似车辆细微差异性的所在。根据车辆检测算法卷积特征热力图注意力分布特性,提出了针对车辆局部特征区域检测的MCRF-SSD算法,并与GMM-EM聚类算法相结合,检测性能在公开的数据集上均优于目前主流算法。同时为了增大类间距离、缩小类内距离将Arcface损失函数引入到了特征提取阶段。为了提高车辆重识别匹配性能,在全局特征与局部特征融合阶段提出了一种保留特征图空间分布的焦点融合(FFS)方法,并引入了一个可学习参数,
其他文献
无人机追踪过程中,遮挡、姿态变化等易引起目标丢失,而核相关滤波算法(KCF)缺乏样本提取能力无法重新定位目标,导致追踪失败。对此,提出一种利用轨迹预测和空间感知的无人机追踪方法来重定位目标。通过YOLOv3算法和双目立体视觉,实现样本提取、目标重定位和优化尺度判定机制,并引入扩展卡尔曼滤波器,预测目标位置,消除目标丢失时无人机失去引导的缺陷。最后,通过gazebo物理引擎平台的仿真实验和实际环境下
提出了一种基于计算机视觉技术的弹孔检测方法。将传统的图像处理方法与深度学习的方法相结合,通过预处理、ROI检测和弹孔识别3个步骤实现胸环靶图像中弹孔的检测。实验结果表明,算法的精度较高,普适性强,实现了在不同靶场环境中胸环靶图弹孔快速、精准的检测。该算法性能良好,有效推动了基于计算机视觉的自动报靶系统的应用进程。
利用深度卷积生成对抗网络,构建特征空间,改进目标函数,优化算法,建立迷彩设计伪装中目标与背景图像之间的特征相似度的数学模型,对不同背景的图像特征数据进行自主对抗训练,形成与该背景特征高度匹配的图像,从而达到良好的伪装设计效果。结果表明:采用五维特征空间为目标函数构建的优化算法,对林地背景图像训练后的SSIM值90%以上有所提高,生成图像中的目标与背景融合度高,伪装效果好。
在总结我国空间科学卫星工程特点与项目实施成功经验的基础上,运用系统工程方法,提出了空间科学卫星工程标准体系构建的原则与思路,开展标准体系的顶层设计,给出二级分支体系架构,以支撑后续空间科学任务的有效实施,并促进空间科学领域的国际合作。
"区经信局、团结街道未定期盘点固定资产……""区影视城管委会发生3笔银行退票,涉及金额4.99万元,未在2个工作日内处理……"今年以来,成都市郫都区财政局紧密围绕财政中心工作,持续深入开展严肃财经纪律及财务管理风险排查工作,创新监督方式,聚焦财政业务风险、财务风险和廉洁风险,扎实开展财政监督检查工作。
依据图像级标签位置推断方式的不同,将基于图像级标签的弱监督图像语义分割划分为基于超像素的方法和基于分类网络先验的方法,并分别从各类方法的原理、优缺点、关键环节、主要技术、特征、超像素/候选区域分割方式、种子区域产生方式、网络结构和数据集等方面进行了详细的分析和总结。其次,对基于图像级标签的弱监督图像语义分割常用的数据集和评价指标进行了总结,并对各数据集的特点进行了详细的描述。最后,在MSRC、PA
土地利用变化驱动力和土地利用规划密不可分,将两者结合研究,可以为区域规划提供更加科学准确的依据。将GIS和RS两种技术手段结合,基于武汉市四期遥感影像数据,通过计算土地利用动态度指数和土地利用程度指数建立土地利用变化综合指数模型。基于模型采用常规曲线拟合、灰色关联度分析法以及主成分分析法研究武汉市土地利用变化驱动力,得出以下结论:1)在研究期内,武汉市土地利用程度指数总体属于中上水平,且一直处于缓
针对自然光照以及阴雨天气等复杂环境导致识别精度、响应时间降低问题,提出一种将LSTM理论和算法融于复杂环境下的车牌识别算法。通过将采集的车牌图像进行腐蚀算法、灰度化、二值化等预处理,增强车牌区域对比度,减少定位难度;其次,利用图像识别处理算法进行车牌定位、字符分割、字符识别等操作。将车牌分割后所得的字符归一化处理,统一的合适大小,作为长短时记忆网络(LSTM)的输入,对应汉字字符、数字和字母字符作
为了提高立体视觉的深度估计准确性和运行效率,提出了基于二元视差分割和3D卷积的立体匹配方法。首先,从立体图像中提取特征,并将特征馈入到分割模块;然后,针对每个视差平面单独运行3D卷积模块,检测目标是否比给定距离更近,或根据某个粗略量级进行深度估计;最后,利用3D卷积层估计二元分割模块的输出,通过精细化处理后,得到最终的视差图。实验结果表明,所提方法在SceneFlow数据集的3-px误差为4.37
实际生活中的人脸图像大部分带有遮挡,常常导致待检测人脸的关键信息丢失。针对人脸识别过程中由于遮挡所导致的人脸特征难以提取的问题,本文设计了一种基于VGGNet和多特征点融合的遮挡人脸检测算法。该方法以VGG-16框架为特征提取的骨干网络,在传统VGG网络的全连接层输入前增加遮挡处理单元OCC-Net。在该层中首先采用多特征融合的方法,增强网络对人脸特征的提取;然后利用尺度不变特征转换(SIFT)算