OCR中一种基于最小一乘法的连通域去噪方法

提出了一种在OCR过程中利用最小一乘法分析连通域大小从而实现去噪功能的方法.在图像中存在少量颜色与提取信息相似且大小具有明显差异的噪声的前提下,采用最小一乘法取代传统的最小二乘法对所有连通域的大小进行分析,从而获得需要的连通域阈值,实现去噪功能.数据结果显示,在规定前提下该方法比经典的最小二乘法所确定的范围更为准确;实验结果显示,该方法能够达到去噪效果.     

基于生成对抗网络的知识蒸馏数据增强

在图像分类和工业视觉检测过程中,缺陷样本量少导致神经网络分类器训练效率低及检测精度差,直接采用原始的离散标签又无法使网络分类器学习到不同类别间的相似度信息。针对上述问题,在区域丢弃算法的基础上,提出一种基于生成对抗网络的知识蒸馏数据增强算法。使用补丁对丢弃区域进行填补,减少区域丢弃产生的非信息噪声。在补丁生成网络中,保留生成对抗网络的编码器-解码器结构,利用编码器卷积层提取特征,通过解码器对特征图上采样生成补丁。在样本标签生成过程中,采用知识蒸馏算法中的教师-学生训练模式,按照交叉检验方式训练教师模型,根据教师模型生成的软标签对学生模型的训练进行指导,提高学生模型对特征的学习能力。实验结果表明,与区域丢弃算法相比,该算法在CIFAR-100、CIFAR-10数据集图像分类任务上的Top-1 Err、Top-5 Err分别降低3.1、0.8、0.5、0.6个百分点,在汽车转向器轴承数据集语义分割任务上的平均交并比和识别准确率分别提高2.8、2.3个百分点。     

图论在路面裂缝分割中的应用研究

针对图谱划分理论与路面裂缝的特点,提出了一种基于图论的路面裂缝分割方法,该方法将图像作为一个带权图进行分析．建立节点之间的位置距离和灰度差异的能量函数,函数的最小值作为路面裂缝检测的最优分组．通过实验与传统方法最大类间方差法、领域差异直方图法相比,此方法能较好的检测出大于1mm的路面裂缝．     

机器人世界杯足球锦标赛中多机器人对目标协同定位算法的改进

以机器人世界杯足球锦标赛（ROBOCUP）中全自主机器人平台为对象,针对传统的基于密度空间聚类方法（DBscAN）在对数据处理的精准度和稳定性上的出现的问题,提出了引入机器人距离阈值的改进DBSCAN算法,以提高多机器人协同定位的准确度．首先通过研究单个机器人自定位和目标定位,建立协同定位信息融合的模型;然后该算法通过引人机器人距离阈值,结合平台实际,即机器人测控距离越近测控的精度越高,将传统基于密度空间的聚类方法中有可能被剔除掉的数据,通过与阈值的对比而决定是否保留,提高融合数据的数据量和准确度,从而解决观测信息误差较大以及融合数据不稳定的问题．实验中,在多机器人获取同一个点的情况下分别使用传统DBSCAN和改进DBNscAN算法对目标点进行数据融合．实验结果表明对比传统DBSCAN,改进后的算法在领域半径EPS变化的情况下,融合数据依然稳定．ROBOCUP全自主机器人平台中使用引入机器人距离阈值判断的改进DBSCAN算法进行协同定位,这让其信息融合在稳定性和精确性方面要高于传统的DBSCAN算法．     

基于单一神经网络的实时人脸检测

由于人脸尺度多样性使得人脸检测算法在CPU上运行速度受限,提出了一种新的基于单一神经网络的实时人脸检测算法。首先在网络初始卷积层和池化层中设置较大的卷积核尺寸和步长,缩小输入图像尺寸利于实时检测;然后网络将浅层特征图和深层特征图相融合,增强上下文联系和减少重复检测;最后在多个卷积层上预测人脸位置,利用预测框重叠策略,实现多尺度的人脸检测来提升图像中小尺寸人脸的检测精度。在人脸检测数据集基准和野外标注人脸数据集上测试实验结果表明,本文算法模型精度能够达到92.1%和95.4%。与此同时,本文算法在CPU上实现21帧/s的检测速度。     

计算机实践教学中学生创新能力培养的探索与实践

依据创新型人才培养的实践教学体系建设原则,探讨了实践性教学体系的整体构架模式,并提出了在实验教学中要加强实践教学软环境建设,对实践教学的内容、方法、手段等方面进行改革的措施,以便更好地为培养创新型人才服务。     

研究性教学在人工智能课程教学中的探索与实践

本文从计算机专业人工智能课程的自身特点和实际需要出发,为了课程教学和人才培养质量的提高,根据研究性教学的规律,在课程教学实践中深入实施研究性教学,并取得良好的教学效果,对其他课程的研究性教学实践有积极的启示。     

基于航迹关联的足球机器人视觉系统的改进

为了提高足球机器人视觉系统的识别速度、精度和适应性,以航迹关联的基本技术为指导,结合足球和足球机器人的模型,提出基于航迹关联的半自主足球机器人视觉系统的一种改进方法,利用航迹预测、航迹关联和航迹检测对目标进行跟踪．实验表明该方法简单、有效,满足实时视觉系统的要求．     

基于点模式匹配的前视目标定位算法

本文提出了一种基于点模式匹配技术的快速和鲁棒性的前视目标定位算法.该算法将前视目标定位问题转化为三维点集和二维点集的匹配问题.建立点集之间一一对应双向约束下的匹配目标函数,通过最小化该目标函数可以同时得到点集之间的匹配矩阵和变换参数.利用确定性退火算法中的退火温度来控制匹配矩阵的模糊度,增强了算法的鲁棒性,减小了陷入局部极小的可能性.实验结果验证了该算法的有效性和鲁棒性.     

“智能科学与技术”专业“数字图像处理”课程教学实践的探讨

本文针对"智能科学与技术"专业的特点和要求,提出"数字图像处理"课程的教学内容设计既要重视基础理论,又要兼顾专业特点,并将传统教学与现代教学方法和手段相结合,进而提出本课程的教学应该与学生科研创新能力的培养相结合,以达到促进学生学好本门课程,并为后续课程打好基础的目的。