排序方式: 共有28条查询结果,搜索用时 15 毫秒
1.
2.
三角网格中的数量关系 总被引:4,自引:0,他引:4
本文讨论了二、三维三角网格中的数量关系。这些关系可以用于检验网格的正确性分析算法的复杂度及设计一些新算法,本文给出了应用这些数量关系的一些实例。 相似文献
3.
三角形网格转化为四边形网格 总被引:26,自引:4,他引:22
现有的全自动网格划分算法大部分生成三角形网格。生成四边形网格更困难。为了缓解这个问题,本文研究并实现了三角形网格转化为四边形网格的线性算法。该算法是对已有的O(N^2)算法的改进。 相似文献
4.
垃圾检测能减少资源浪费、缓解环境污染,对环境保护具有重要意义.针对现有方法在图像昏暗和物体细小情况下存在误识别、漏检的问题,本文提出了一种亮度增强的多尺度垃圾检测方法.首先在亮度增强模块中,利用跳跃连接增强各层级垃圾图像特征的关联性,解决了昏暗条件下的垃圾误识别问题.然后在多尺度垃圾检测模块中,使用密集连接将不同尺度特征进行融合,提高了对细小垃圾特征的学习能力,解决了细小垃圾存在的漏检问题.本文方法在自制数据集和公共数据集上的mAP达到了96.62%和93.81%.实验结果表明,该方法解决了图像昏暗和物体细小情况下的误识别、漏检问题,优于现有的YOLOv4等主流方法. 相似文献
5.
注意力被广泛地运用在卷积神经网络中,并有效地提升了卷积神经网络的性能。同时,注意力是非常轻量的,且几乎不需要改变卷积神经网络原来的架构。提出了基于HardSoftmax的并行选择核注意力。针对Softmax包含指数运算,对于较大的正输入很容易发生计算溢出的问题,提出了计算更安全的HardSoftmax来替换Softmax。不同于选择核注意力将全局特征的提取和转换放在特征融合之后,并行选择核注意力将全局特征的提取和转换单独放在一个分支,与具有不同核大小的多个分支构成并行结构。同时,并行选择核注意力的全局特征转换使用分组卷积,进一步减少参数量和计算量。并行选择核注意力通过HardSoftmax注意来关注不同核大小的多个分支。一系列的图像分类实验表明,只是简单地用HardSoftmax替换Softmax,也能保持或提升原注意力的性能。HardSoftmax的运行速度在实验中也比Softmax更快速。并行选择核注意力能够以更少的参数量和计算量追平或超越选择核注意力。 相似文献
6.
针对ViBe算法在交通视频检测中出现明显鬼影区域、缓慢目标残影难以消除、检测精确度和鲁棒性不足的问题,本文提出改进算法,利用灰度信息为像素建立生命长度矩阵,使鬼影或残影快速融入背景样本得以消除。结合最大类间方差法设置自适应阈值,加入良好后处理抑制动态噪音。同时本文借鉴分类算法的统计指标,提出质量评价多个要素,以ViBe原算法、混合高斯算法(GMM)、LBP-OTSU相结合的背景差分法和本文改进算法为例,定性、定量对实验结果作出质量评价和分析。实验表明,改进算法在较少帧数内去除了鬼影,抑制了运动目标残影,提高了运动目标检测的准确度和整体性能。 相似文献
7.
8.
传统的多边形的Voronoi图存在不能相交的问题,以至于无法将其应用于计算机视觉、生态学等领域中的多边形相交情况.为了解决多边形相交情况下的最邻近空间划分问题,提出了可相交凸多边形的Voronoi图.首先定义可相交凸多边形的Voronoi图;然后阐述相交多边形特有的Voronoi边的区域化现象,证明了其发生的充要条件,进一步揭示了相交多边形与不相交多边形之间的关系;最后提出Voronoi图的生成算法,并用代码实现.实验结果表明,该算法能够有效地解决多边形相交的问题,突破了不能相交的限制,为计算机视觉、生态学等领域的实际应用提供了理论基础. 相似文献
9.
改进的ViBe算法及其在交通视频处理中的应用 总被引:2,自引:0,他引:2
基于ViBe算法的运动目标检测具有很高的处理效率,但在复杂背景下也存在缺陷,比如不能有效抑制运动目标的残影和鬼影区域、易受噪音干扰,在交通视频的处理中更为明显。鉴于ViBe算法的这些不足,本文对ViBe原算法提出了改进,结合像素生命长度对鬼影或残影像素进行判断,利用二次更新策略提高消除速度。根据像素值变化引入最大类间方差法,将原有的固定像素阈值变为动态阈值,以提高交通视频中车辆目标检测的抗干扰能力。实验结果表明,在3组不同交通场景视频中,改进算法能够在较少帧数内消除目标的残影或者鬼影。对结果的量化分析也证明了改进算法由于应用了动态阈值,使目标检测的精准度和整体性都有所提高。 相似文献
10.