排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
为提高针对红外观影图像的人数统计的准确率,提出一种基于U-net的人数统计方法.针对传统前景提取方法泛化能力差的问题,提出一种改进U-Net(IDU-net)前景提取方法,将多个影厅的原图与其前景图像进行端到端训练,实现不同影厅图像的前景提取;再结合改进透视效应校正方法,提取前景面积并建立其与人数的回归关系,得到最终人数统计结果.实验结果表明,IDU-net前景提取方法的分类准确率达到97.65％,相较于ViBe算法、混合高斯模型、原U-net模型分别提高了5.72％,2.44％,5.37％.将其与改进透视效应校正方法相结合,得到了更优的人群计数结果. 相似文献
2.
传统的基于区分矩阵的属性约简算法只能处理离散数据,而绝大部分数据既包含离散属性又包含连续属性.针对这一问题,本文使用一种可以对离散数据和连续数据进行统一处理的方法.该方法利用柔性逻辑等价关系替代原来的不可分辨关系,简化了传统算法中的离散化过程,提高了算法效率.实验表明,与传统的算法相比,改进后算法省略了离散化这一过程,可以对离散数据和连续数据统一进行处理. 相似文献
1