排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
2.
针对井下视频图像易受光线和粉尘影响导致噪声较大的问题,提出了一种基于卷积神经网络的矿井视频图像降噪方法。该方法首先建立三层卷积网络,然后通过对ImageNet数据集进行训练,使卷积网络学习图像的特征,最后利用训练获得的滤波器权重值,对井下视频图像进行滤波降噪处理。与3个滤波算法相比,实验结果在PSNR和MSSSIM指标上都有提升。本文提出的方法能较有效地降低噪声,同时能保持较好的物体边缘结构特征。 相似文献
3.
4.
目的针对传统人工检查书籍配帖是否合格的方法带来的劳动强度过大,且容易出错等问题,提出一种基于相位相关性的自适应梯标检测方法。方法通过相位相关配准技术,利用CCD摄像机采集到梯标视频帧,计算其与模板梯标的相位相关性,并进行2帧图像的配准,然后对2帧图像的帧差进行分析,从而判断配帖是否出错。结果实验结果显示,文中提出的方法可以减少合格配帖的误检率,还可以对不合格的配帖进行检测。结论文中所提出的方法可以提高配帖梯标检测的鲁棒性。 相似文献
5.
针对人工方法进行生鲜品包装存在效率低的缺点,设计一种生鲜品电商包装系统。通过将RFID射频技术、用户交互软件和数据库技术进行结合,利用RFID自动化读写功能,在包装操作过程中向生鲜品包装写入生鲜品包装信息,在分拣操作过程中读出生鲜品包装信息,从而提升生鲜品电商企业智能化水平。经实际运行验证,该系统可以自动完成50箱生鲜品包装。所设计的系统能正确识别RFID标签,可以有效地提升包装效率。 相似文献
6.
7.
图像中的异常检测是计算机视觉中非常重要的研究主题, 它可以定义为单分类问题;针对图像数据集的规模大,维度高等特性,一种新的深度卷积自编码器(Convolutional Autoencoder, CAE)与核近似单分类支持向量机(One Class Support Vector Machine, OCSVM)相结合的异常检测模型CAE-OCSVM被提出;模型中的深度卷积自编码器负责学习图像的本质特征表示,然后使用随机傅里叶特征对卷积自编码器学习本质特征进行核近似,核近似后输入线性单类支持向量机进行图像异常检测。核近似技术克服了核学习技术时间复杂度高的问题;同时深度卷积自编码器与核近似单类支持向量机通过梯度下降法实现了端到端的学习;模型的AUC性能在四个公开的图像基准数据集上进行了实验验证,同时模型与其它常用的异常检测模型在不同的异常率的情况下进行了性能对比;实验结果证实CAE-OCSVM模型在四个公开图像数据集上的性能都优于其它异常检测模型,表明了CAE-OCSVM模型更适合大规模高维数据集的异常检测 相似文献
8.
9.