排序方式: 共有9条查询结果,搜索用时 31 毫秒
1
1.
针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法。该方法不仅利用图像分割技术,而且利用卷积神经网络模型对道路交通标识进行了更准确的识别。首先,通过调节光照影响、去除复杂背景、数据增强和归一化等批量预处理操作,形成一个完整的数据集;然后,结合squeeze-and-excitation思想和残差网络结构,充分训练出自己的卷积神经网络模型;最后,将优化的网络模型用于道路交通标识的识别。实验结果表明,该方法使训练时间缩短了12%左右,识别精度可达99.26%。 相似文献
2.
3.
针对光照对纺织品图像特征提取的影响以及传统完整局部二值模式(complete local binary pattern)算法的局限性,本文提出了一种基于局部对比度增强(local contrast enhancement )算法的改进CLBP特征提取方法并将其应用到纺织品瑕疵检测中。该方法采用局部对比度增强算法对受光照影响的纺织品图像进行预处理,使用改进CLBP算法对分块后(格分割)图像进行特征提取,计算每一格子特征值与标准特征值的KLD散度并与训练得到的阈值进行比较,大于阈值格子标记为瑕疵。使用本文方法在标准星形(star)数据库与箱形(box)数据库中实验结果表明,该方法与其他预处理方法相比有更加出色的处理效果,大部分检测结果的查全率均可达到0.99左右。 相似文献
4.
为解决传统的完整局部二值模式在织物疵点检测时存在直方图维数过高和特征冗余并且在小区域图像变化幅度剧烈或变化幅度平缓时存在局限性的问题,提出一种改进判别性完整局部二值模式并结合自动格分割的织物瑕疵检测方法,该新算法可分为训练和测试2部分。通过实验将该算法、小波预处理的黄金图像相减方法、布林线指标方法、正则带方法进行对比,针对2 种纹理3 类瑕疵的织物图像数据集进行测试。结果表明,该方法对星形图案和箱形图案纺织品检测效果较好,一部分的查全率可达到0.99,大部分检测结果的查全率均在0.90 以上。 相似文献
5.
一种以太网与8位单片机的连接方法 总被引:5,自引:0,他引:5
嵌入式系统与以太网连接是实现设备上网的一种重要形式,OSI模型中的物理层和数据链路层的实现则是以太网接入技术的基础。本文讨论8位单片机与10Base-T以太网连接的方法,并以一个80C32单片机系统为例,详细说明以太网接入硬件、软件的设计方法和相关注意事项。实验表明,以80C32单片机和DM9008以太网控制器构成的网络化嵌入式系统,结构简单、性能可靠,满足嵌入式设备网关的要求。 相似文献
6.
7.
8.
9.
1