改进的R-C3D时序行为检测网络

为了提高时序行为检测网络的分类精度和时序上的定位精度,本文提出了一种改进的区域3D卷积神经网络(Region Convolutional 3D Network,R-C3D).在时序候选子网中,通过逐层空间卷积把特征图的高宽由(H/16,W/16)变为(1,1),提高行为的分类精度,通过卷积-反卷积网络(Convolut...     

基于深度学习网络的舞蹈动作识别方法研究

针对互联网中对视频动作迅速精确识别的需求,文中在传统深度学习网络上进行了改进,构建时域与空间域上的双路卷积网络.该网络以卷积神经网络(CNN)中的卷积、池化与全连接计算为基础,一方面在空间域上提取视频帧中的像素信息作为网络输入特征;另一方面在时域上,为了更优地表示视频动作的变化特征,引入了光流信息,借助金字塔算法(LK...     

基于改进YOLOv5网络的印刷电路板缺陷检测

针对印刷电路板（PCB）现存检测方法效率低和对小缺陷目标检测准确率低等缺点,提出针对YOLOv5网络进行改进,通过增加小目标检测层获取更多小缺陷特征,之后增加FPN算法融合深浅层的特征信息,提高深层的特征综合度。同时通过图像分割操作放大缺陷占比,提高精确度。结果表明,相比于优化前,设计的检测系统对PCB图片的检测准确性提高了1.89%,检测的缺陷平均检测精度均值提高了1.82%,并且减少了非必要的检测。这为完善PCB的高效检测提供了一定参考。     

基于深度学习的目标检测算法研究进展

目标检测是计算机视觉领域中一项十分重要的任务,指的是对图像或视频中的目标进行分类和定位,因其被广泛应用于视频检测、目标跟踪等任务中而受到关注。本文首先介绍了目标检测中经常使用的基准数据集和评估指标,同时列举说明了重要的主干网络架构和流行的目标检测算法。最后,我们比较了这些体系结构在多个指标上的性能,对所述算法进行了总结,并对未来前景进行了展望。     

基于OpenPose改进的老人摔倒检测算法

为避免老人摔倒后未能及时提供医疗援助而造成的人身伤害,研究发现老人摔倒并及时发出警告,可减少老人摔倒的损失和严重后果。为了提高老人摔倒检测算法的检测精度和实时性能,提出了一种基于OpenPose改进的老人摔倒检测算法。该算法在OpenPose人体骨架信息识别网络的基础上,提出将其部分卷积层替换为深度可分离卷积神经网络类型。该算法使用长短期记忆神经网络来检测老人的摔倒。从URFall公共数据集提取跌倒和相关行为数据,丰富自制数据集,实验结果表明,本文改进后算法大大提升了系统判别摔倒的识别精度。     

基于深度学习的视频中人体动作识别进展综述

视频中的人体动作识别是计算机视觉领域内一个充满挑战的课题.不论是在视频信息检索、日常生活安全、公共视频监控,还是人机交互、科学认知等领域都有广泛的应用.本文首先简单介绍了动作识别的研究背景、意义及其难点,接着从模型输入信号的类型和数量、是否结合了传统特征提取方法、模型预训练三个维度详细综述了基于深度学习的动作识别方法,及比较分析了它们在UCF101和HMDB51这两个数据集上的识别效果.最后分别从视频预处理、视频中人体运动信息表征、模型学习训练这三个角度对未来动作识别可能的发展方向进行了论述.     

一种改进的基于时域的红外弱小目标检测算法

提出了一种基于时域的红外弱小目标检测算法.该方法根据目标与背景的时域特性,建立了不同像素类型的时域模型.首先,对不同像素模型的时域方差进行分析,滤除掉天空背景以及云内部的像素;然后,根据时域剖面线偏离其包络线的程度不同,对弱小目标进行检测.理论分析和实验结果表明文中算法对于低信噪比条件下的弱小目标检测,具有很好的检测性能.     

一种改进的时态关联规则算法

针对传统关联规则挖掘中可能会忽略具有时间因素的关联规则的问题,提出了一种具有时间约束的改进时态关联规则算法.该算法通过计算模式平均支持度、数据集平均支持度、模式集中度等参数来判断Apriori算法所得到的模式是否在某一时间区域数据集上具有较高支持度,再对该数据集进行进一步挖掘,以找到更精确的和时间相关的模式,从而得到单个或不同时间区间上的关联规则以及跨时间区间和跨事务的关联规则.通过实验分析,该算法是可行的,并在实际应用中有一定的意义.     

基于改进编解码网络的极化SAR地物分类

基于实数域的卷积神经网络(CNN)模型无法充分利用极化合成孔径雷达(PolSAR)图像丰富的相位信息,并且逐像素切片预测存在大量冗余计算,导致分类效率低下.针对以上问题,本文提出一种改进编解码网络模型.首先构建复数域CNN模型,并进行低采样率下的模型训练;然后构建复数域双通道编解码网络模型,引入改进空洞空间金字塔池化(...     

改进的SUSAN角点检测算法

SUSAN角点检测算法以抗噪声性能强,运算速度快而被广泛运用于特征点的提取.传统的SUSAN算法的灰度差阁值固定,不能有效去除伪角点,并且在大尺寸模板检测下耗时多.针对这些问题,从模板尺寸对检测结果的影响出发,讨论不同尺寸模板的检测效果,从而提出一种变换模板提取特征点的方法.采用一种自动选取阈值的方法实现了阈值的自动选取,使用能量分布法和像素投影法去除了伪角点.结果显示,该方法缩短了检测时间,并且提高了检测准确度.     

一种改进的组织发现算法研究

复杂网络是对复杂系统的高度抽象,如何发现复杂网络中的组织结构已经成为近年来复杂网络的研究热点。该文分析了一种经典的组织发现算法(Betweenness算法),鉴于Betweenness算法在组织发现方面的不足,结合Wilkinson-Huberman算法以及互信息(MI)技术,提出了一种新的组织发现算法(WH-MI算法)。在理论分析的基础上,对WH-MI算法进行了实验验证,实验结果表明该算法能够准确、高效地发现复杂网络中的组织。     

红外小目标时域检测算法研究

为了解决红外小目标检测问题,提出了时域红外小目标检测方法.在图像序列中背景像素、目标像素以及杂波像素的时域差分模型基础上提出了红外小目标时域检测算法,算法共分为两步:相关检测和广义似然比检测.经过相关检测后,图像序列中的噪声几乎完全被门限所抑制,只有极少数噪声像素、全部目标像素和一小部分杂波像素可以通过相关检测门限.为了进一步从通过相关检测门限的像素中检测出目标,又提出了一种新的广义似然比检测方法.这种经过改进的广义似然比检测能够进一步抑制噪声和杂波,提高检测的性能.分析表明,时域目标检测算法能够以很高的检测概率和很低的虚警概率完成目标的检测,实验方法也证实红外小目标时域检测算法具有很好的性能.     

一种改进的图像拼接检测算法

通过对图像拼接技术特点的分析,提出一种基于图像纹理特征分析和马尔科夫模型的改进的拼接图像检测算法。该算法计算图像DCT域上的马尔科夫转移概率矩阵,同时对图像进行纹理分析,得到两类特征共178维。为评估该检测算法的性能,提出了一个具体实现方案,提取了图片数据集的特征,使用支持向量机（Support Vector Machine,SVM）对特征数据进行训练与分类。实验表明,该方法取得了较好的分类效果。     

改进的K-means网络入侵检测算法

针对K-means算法对于初始聚类中心选择敏感问题,提出了一种改进的K-means算法,该算法优化了聚类中心选择问题,能够获得全局最优的聚类划分,同时减少了算法的时间复杂度。实验结果表明,采用本文的算法进行网络入侵检测,相对于经典的聚类算法,能获得理想的网络入侵检测率和网络误报率。     

一种改进的基音周期检测方法

提出了一种改进的基于自相关算法的基音周期检测方法,首先对信号进行了预滤波.消除二次谐波的影响.计算自相关系数时使用的是削波后的数据,大大降低了计算复杂度,野波平滑在保持周期的阶跃性的同时去除野波.     

一种改进的DSOD目标检测算法

针对DSOD目标检测算法对小目标检测能力较弱的问题,提出在DSOD中引入RFB_a网络模块和Atrous卷积层予以改进。首先,该算法将DSOD网络的第二个转接层产生的特征图输入到RFB_a网络模块中,经过RFB_a网络不同采样步长的Atrous卷积提取具有不同感受野的特征,为后续检测小目标步骤提供所需特征;其次,为了增加特征图的语义信息,在第二个无池化转接层后加入采样步长为6的Atrous卷积层;最后,在损失函数中加入IOG惩罚项,防止在预测密集的同类型目标时出现同类预测框重叠,从而避免在NMS后处理时出现漏检。实验表明,该算法相对于原DSOD算法具有更高的检测精度,提高了对小目标的检测能力,同时降低了训练网络的硬件设备要求。