2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩54頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、目標(biāo)檢測(cè)是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的重要研究方向,是從低層的圖像處理到高層的圖像理解這個(gè)過程中一個(gè)關(guān)鍵的步驟,因此目標(biāo)檢測(cè)也一直是研究的重點(diǎn)和熱點(diǎn)。由于圖像中目標(biāo)豐富、姿態(tài)多樣、朝向各異,使得在其中檢測(cè)指定類型的目標(biāo)非常不易,近年來已經(jīng)有一些相對(duì)成熟的目標(biāo)檢測(cè)框架取得了一些效果,其中就包括DPM和 Exemplar-SVM兩個(gè)模型。前者主要利用部件信息將目標(biāo)分塊,以應(yīng)付目標(biāo)靈活多變的特性,而后者則主要采用視覺相似性的原理將每個(gè)正樣本單獨(dú)

2、訓(xùn)練,以保證照顧到所有正樣本之間的差異。
  為了進(jìn)一步改進(jìn)通用類型的目標(biāo)檢測(cè)算法,本文以DPM和Exemplar-SVM為研究基礎(chǔ),將前者的部件信息加入到后者之中,并通過實(shí)驗(yàn)證明了改進(jìn)算法的有效性。本文完成的工作如下:
  1)結(jié)合兩種模型的目標(biāo)檢測(cè)方法研究。針對(duì)DPM和Exemplar-SVM兩個(gè)模型各自的特點(diǎn),將部件信息在模型初始化階段直接加入到根濾波器中,既能滿足目標(biāo)的不同姿態(tài)的要求,也能最大限度的保留目標(biāo)之間的差異

3、性。最終將新模型應(yīng)用于PASCAL VOC2007數(shù)據(jù)集中,實(shí)驗(yàn)結(jié)果顯示20類目標(biāo)中有15類目標(biāo)的檢測(cè)結(jié)果優(yōu)于原始的Exemplar-SVM模型,而整體的mAP也從0.227提升至0.237,該結(jié)果充分證明了加入部件信息的確對(duì)Exemplar-SVM模型有所改善。
  2)在驗(yàn)證了在特定數(shù)據(jù)集上的表現(xiàn)之后,本文還將該模型用于農(nóng)藥噴灑檢測(cè)中,用于檢測(cè)其能否滿足實(shí)際生產(chǎn)環(huán)境中的要求。在通過對(duì)樣本的采集、預(yù)處理后,一共獲取532個(gè)樣本,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論