排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
针对目前数据标注过于依赖硬件、手动数据标注效率低下的问题,提出了基于深度学习的人体图像半自动标注系统.系统通过对算法进行改进,增加人体关键点个数进行特征提取和加入运动信息的约束,提高了视频分阶段标注的准确率.使用真实数据集仿真实验证明了通过深度学习算法进行数据标注的可行性,并且使用半自动标注的速度快、准确率高. 相似文献
2.
3.
4.
提出一种基于生成对抗网络的遮挡图像修复算法,能够在大量像素缺失的场景下复原出图像的本来面目.该算法不同于其他的样本块搜索复原算法,可直接生成并且填充可能的缺失元素,改进了生成对抗网络生成模型的结构和生成损失的计算方法,具有半监督学习的特点.实验结果表明,在满足图像整体轮廓的前提下,新算法优于其他算法. 相似文献
5.
目前大部分的拼接检测算法主要检测图片是否经历了拼接篡改,而不是对拼接区域进行定位检测,对此,提出了一种基于改进DeepLabv3+的拼接区域定位检测技术.首先,改变原DeepLabv3+网络的分类数;其次,通过改造图像训练库,在训练库中加入含有人物的原图,对原图和篡改图的标签进行区别设置,引导改进的DeepLabv3+网络去学习原图人物和篡改人物特征的区别.实验结果显示,基于改进DeepLabv3+的拼接区域定位检测技术在CASIA数据库上取得了更好的拼接区域定位效果. 相似文献
1