基于GrabCut和HSV彩色空间的三七叶片病斑图像分割

针对三七叶部病斑图像中存在背景与病斑颜色相近和阳光照射下存在影子的情况导致对图像病斑分割精度不高、效果差的问题,提出一种基于GrabCut和HSV彩色空间模型的分割方法.通过GrabCut算法实现对复杂背景以及阳光照射下的影子与待分割三七叶片的分离.保留第一次分割结果的基础上,在HSV彩色空间下提出一种颜色距离的定义.根据定义的颜色距离,在使用颜色信息的同时结合空间信息,得到病斑的分割边界.实验表明,当色调分量因子k1和饱和度分量因子k2分别取0.1和0.05时得到的分割边缘效果较好.     

低资源语种傣汉神经机器翻译方法

近年来随着人工智能和深度学习的发展,在神经机器翻译(NMT)的加持下,机器翻译的水平取得了长足的进步,但是在较大语料的情况下才能取得好的效果.此外,NMT的成功需要依赖于大量高质量的双语语料作为训练数据.在英法等丰富资源的语种(Rich resource language)翻译任务上,神经机器翻译机器的表现几乎可以媲美人类的水平.对于一些小语种(俗称低资源语种:Low resource language),无法提供足够多的双语数据,导致NMT出现过拟合问题,从而降低翻译效果.据此本文以低资源的汉傣语翻译为例,针对神经机器在低资源汉傣语机器翻译表现不佳的问题现状,开展了如下研究:(1)构造了以词向量为基础的初始化模型,利用傣汉词向量空间对齐的方法,来初始化神经翻译模型的词嵌入层以提高翻译的性能;(2)设计了傣汉词向量空间的对齐方法;(3)提出了一种基于词对齐的神经机器翻译框架.通过汉/傣、傣/汉双向翻译实验证明,该方法可以分别使汉/傣、傣/汉机器翻译的BLEU值提高2.38个和0.43个BLEU点.     

基于Faster-RCNN的钢带缺陷检测方法

目前实际工业生产中的钢带缺陷检测任务存在数据难以收集、缺陷识别效果较差等问题,为此提出一种基于Faster-RCNN的钢带缺陷检测模型FRDNet。通过k-means聚类获得锚框参数,使生成框更符合目标缺陷类别比例,提高缺陷检测精度;同时利用模型迁移的方式微调网络结构,使钢带缺陷检测模型更快地适应目标缺陷任务。该方法有效解决了目标钢带表面缺陷数据较少的问题,增强了模型的泛化性。试验结果表明,该方法在GC10-DET钢带缺陷数据集上平均精确率均值mAP达67.6%,相较于原始模型提升了4.9%,检测速度为27.2FPS,满足检测任务的要求。