排序方式: 共有83条查询结果,搜索用时 31 毫秒
2.
3.
针对深度卷积神经网络模型缺乏对语义信息的表征能力,而细粒度视觉识别中种类间视觉差异微小且多集中在关键的语义部位的问题,提出基于语义信息融合的深度卷积神经网络模型及细粒度车型识别模型.该模型由定位网络和识别网络组成,通过定位网络FasterRCNN获取车辆目标及各语义部件的具体位置;借助识别网络提取目标车辆及各语义部件的特征,再使用小核卷积实现特征拼接和融合;最后经过深层神经网络得到最终识别结果.实验结果表明,文中模型在斯坦福BMW-10数据集的识别准确率为78.74%,高于VGG网络13.39%;在斯坦福cars-197数据集的识别准确率为85.94%,其迁移学习模型在BMVC car-types数据集的识别准确率为98.27%,比该数据集目前最好的识别效果提高3.77%;该模型避免了细粒度车型识别对于车辆目标及语义部件位置的依赖,并具有较高的识别准确率及通用性. 相似文献
4.
5.
6.
一种新的广义最近邻方法研究 总被引:6,自引:1,他引:5
本文在仿生模式识别理论的指导下,推广了传统的最邻近方法,提出一种新的广义最近邻方法.该方法利用同类样本间的连续性规律,增加了样本点个数.再通过由多个超球体的并所形成的几何形体,覆盖可能的样本点.将这一方法用于人脸识别仿真实验,实验结果表明该方法是有效可行的. 相似文献
7.
8.
对象关系模型和Bayes网络分别是关系理论和概率理论两个不同领域中最重要的模型,它们首次集成于本文引入的概率关系模型中,作为新型的概率模型,概率关系模型不仅继承了Bayes网络的大部分优点,而且关系特征和对象的概念使它能有效地克服Bayes网络在许多方面的不足,而成为对复杂系统模建的理想工具,是对Bayes网络的重要创新;作为新型的关系模型,概率关系模型也是对传统关系模型的重要创新,具备概率特征的对象关系模型有了处理不确定性问题的能力。概率关系模型的创建对复杂智能信息系统开发研究有有着特别重要的意义,本文首先评述Bayes网络和对象关系模型,然后在此基础上引入概率关系模型。 相似文献
9.
条件概率关系数据库模型 总被引:1,自引:0,他引:1
现实世界中大量存在着的不确定性信息,关系数据库模型仅视它们为空值,有必要增强其处理这类信息的能力,文章在总结前人工作的基础上推广关系数据库模型,创建有效处理随机型不确定性信息的条件概念关系数据库模型,该模型通过在关系模式中增加一个条件概率测度属性,为每条记录指定适当的条件概率的途径,来表示不确定性信息。文中以对象码为基本工具,创建了条件概率关系结构;以特征函数为基本工具,定义了一套基于该结构的代数运算规则。条件概率的语意比概率的语意广泛,灵活,因而该模型能有效克服概率关系模型的许多不足。 相似文献
10.
依据内容认证的特点和JPEG压缩原理提出一种半脆弱水印嵌入方法。该方法对原始图像进行分块DCT变换,每块取三个DCT低频系数,把这三个系数量化后取最低有效位,与水印的对应位进行异或运算得到密钥;再取三个高频系数进行异或等运算得到另一密钥。认证时使用这两个密钥来恢复水印信息。实验结果表明,该方法对JPEG压缩具有很好的鲁棒性,同时对滤波和加噪等处理具有很好的易碎性,适合于图像的内容认证。由于该水印方法不改变原图像,因而可应用于画面清晰度要求高的多媒体和认证系统中。 相似文献