基于深度学习的网路图像缺陷识别方法

计算机的发展推动了图像识别技术的发展,使其在各个领域都得到了有效的应用,但网路图像缺陷识别方法存在某些问题,导致图像缺陷识别不准确,识别效率低下,因此,基于深度学习设计了新的网路图像缺陷识别方法。首先进行了图像去噪增强预处理,其次基于深度学习进行了图像分割与边缘检测,最后构建了卷积神经网络图像缺陷识别模型,实现了网路图像缺陷识别,进行实验,结果表明,设计的图像缺陷识别方法的识别耗时短,识别准确率高,有一定的应用价值。     

微小目标图像多普勒频谱识别研究

为提高雷达对微小目标的识别精准度，基于深度信念网络对微小目标图像多普勒频谱识别方法展开研究。首先利用深度信念网络挖掘微小目标图像中的深层抽象特征，然后将对目标图像的多普勒频谱识别转换为对强杂波环境下微弱周期信号的识别，从而提高目标图像的信噪比。基于挖掘到的深层次特征，将目标图像周期信号转换为小频率信号，从而完成识别。仿真结果表明：该方法受强杂波影响较小，使得PSD图中峰值更加清晰明了，可在短时间内获得理想的识别结果，且优化了图像信噪比，从而实现了对微小目标的精准识别。     

基于图像分析的车祸现场识别技术研究

由于车祸现场环境复杂,科研组织曾提出的各类车祸现场识别方法不具备较高的识别精度和较短的识别时间。为了合理管理城市交通,提出一种基于图像分析的车祸现场识别方法。使用光敏传感器对城市交通视频中的车祸现场图像进行采集,并提取出图像的灰度阈值。图像定位工作以车祸现场图像的灰度阈值为输入,对其进行分割和边缘删除,获取其中重要信息的定位图像并进行输出。图像识别工作以定位图像为输入,采用模式匹配技术识别出其中的目标车祸参数并发出警报,以实现对车祸现场图像中目标车祸参数的精准、高效定位。实验结果表明,所提方法具有较高的识别精度和较短的识别时间。     

基于新型联合感知矩阵的压缩学习目标识别技术

目标识别正逐渐成为自动化领域中提供准确目标类别信息的一项重要技术,并且当前大多数目标识别方法都是基于深度学习框架实现.通常,深度学习框架的输入数据均为原始图像数据,而在实际应用中,探测器获取原始图像数据并作为深度学习框架的输入进而实现目标识别的方式并非是高效的,数据获取并识别的过程包含了大量的冗余信息,降低了识别效率.在本文中,通过深度学习与压缩感知技术的结合,提出了一种基于联合感知矩阵的压缩学习目标识别技术(Target recognition technology based on a new joint sensing matrix for compressed learning,TRNPCL),使得探测器可快速生成目标图像多维压缩数据,且压缩数据可直接作为深度学习目标识别框架的输入数据,而无需再进行解压缩步骤.该方法不仅大大减小了深度学习框架的数据输入量,在与同等压缩比下的单空间域数据压缩学习方式相比较,还保持了较高的识别准确率.在未来,该方法有望成为一种更有效、更灵活的目标识别方法,并特别适用于指纹识别、人脸识别等应用领域.     

基于激光视觉传感的渔船目标无人机低空识别研究

为了提高渔船目标无人机低空识别的准确率,提出基于激光视觉传感的渔船目标识别方法。采用阈值分割和角点定位标定渔船目标激光视觉传感图像的方位特征点;提取渔船目标的位置信息、速度信息、加速度信息、运动轨迹信息,建立渔船目标激光视觉传感图像的背景差分检测模型;通过帧动态检测和差分图像聚类,计算相邻目标质心的距离;根据参数估计和像素灰度值检测,结合目标方位估计,实现对渔船目标激光视觉传感图像的定位识别。结果表明,采用该方法能够有效识别渔船目标,目标方位识别准确性达到90.95%以上,提高了渔船目标无人机低空识别准确性。     

基于Xception与迁移学习的中药饮片图像识别研究

为实现对常用60种中药饮片图像的精准快速识别,构建13 088张常见中药饮片图像数据集,采用迁移学习的方式,以深度学习算法中Xception卷积神经网络模型为基准,对饮片图像进行训练与识别。模型训练的初始学习率设置为0.01,优化器中设置Nesterov动量超参数为0.9,训练次数为100轮,得到在训练集上的分类准确率达到100%,验证集准确率为97.42%,测试集准确率为97.26%,最后结合混淆矩阵这一指标对模型的识别能力进行评估分析。该模型与传统依靠提取中药饮片图像特征的机器学习算法相比,分类效果更好,泛化能力更强。     

轻量级红外刑侦图像目标识别算法

红外刑侦图像目标识别对刑事侦查具有重要意义,但刑事案件的侦破对时间和置信度要求较高。设计一种保持优异识别精度且具备较快识别速度的轻量级红外刑侦图像目标识别算法,具有十分重要的研究价值。因此借鉴生物免疫的优良特性,设计了免疫原性深度神经网络算法。该算法通过构建先天性免疫网络和适应性免疫网络来提取图像特征,然后设置免疫原性网络增强算法在处理图像特征映射时对不同通道之间优先级的调整能力,从而提高算法的精度和速度。实验结果表明,本文算法有效实现了红外刑侦图像的快速精准识别。与VGG16、VGG19、Resnet34、Resnet50、MobilenetV2等模型相比,本文算法不仅取得了99.4%的最高测试准确率,而且还具备最快的识别速度。     

基于深度神经网络和迁移学习的高精度车辆识别系统研究

近年来,我国大力推进智慧城市和智慧交通建设,在车牌识别领域所要求的识别精度、场景适用性和反映灵敏性也越来越高。文章提出了一种基于深度神经网络算法的高精度车辆识别系统,利用开源图形化视觉处理库OpenCV和数据分析处理库NumPy对车牌进行图像预处理。基于预处理后的数据,利用深度神经网络学习框架TensorFlow进行学习训练,实现了对车牌的快速精准识别。系统首先对车牌所在位置进行定位,其次对锁定后的车牌图像进行切割,再次将车牌背景和文字通过像素点移位算法由彩色图像转换为灰度图像,最后实现字符的切割与识别,得到所要识别的车牌数据。实验结果表明,与传统识别系统相比,基于深度学习的识别系统准确率更高,识别速度更快。     

基于深度学习的体操错误训练动作识别方法

体操错误训练动作影响运动员身体稳定性，易对身体造成损伤。为此，提出基于深度学习的体操错误训练动作识别方法。通过选取合适像素深度阈值将图像目标和背景分离；凭借Hu矩获得体操训练完整动作矩形边框，计算每个框图内深度差像素；通过深度学习中空间图的卷积网络，建立骨架序列的时空动态模型；利用连续帧连接相应关键点建立图时间表达形式，划分骨架结构图并对比历史图像，完成体操错误动作识别。实验结果表明：所提方法可对体操错误动作实现精准识别。     

基于KCF算法的空中目标跟踪模拟

机器学习可以从图像数据中学习到强大的特征表征。如果将目标检测跟踪技术与机器学习技术结合,能够在目标快速检测、准确识别和精准跟踪的性能上有显著提升,符合现实需求。本文将基于深度学习的YOLOv4目标检测算法应用于该场景的目标检测中;然后基于相关滤波的KCF目标跟踪算法,利用相关滤波方法将计算转化到频域,减少计算量,提高目标跟踪的实时性,通过深度学习得到的深度特征和深度学习训练的分类器,对比人工特征,目标跟踪的准确性会有大幅提升。相关滤波器通过多层网络进行训练,将相关滤波和深度学习相结合,以平衡目标跟踪的实时性和准确性,并应用到该场景的目标跟踪中。模拟实验结果表明,本文提出的空中目标检测跟踪技术的目标检测准确率达到95,跟踪精度达到99,能够实现对空中目标的实时跟踪。     

一种基于度量学习的敌我识别分析方法

敌我识别在现代战争中是十分关键的一环,有效的敌我识别可以避免攻击己方目标,能够实现更精准地打击。文章以指挥信息系统为背景,针对军事样本数据少的问题,提出了基于度量学习的敌我识别方法,用基于小样本学习分类技术实现在少样本条件下的敌我识别。相比以往基于概率推理的图像分类技术,能够更准确地实现敌我目标的分类。     

基于线偏振激光主动成像的物流配送目标路径识别

为了提高物流配送目标路径的自动寻优能力,提出基于线偏振激光主动成像的物流配送目标路径识别方法,采用线偏振激光主动成像技术进行物流配送目标路径的优化成像处理,采用边缘轮廓检测方法进行物流配送目标路径跟踪识别,提取物流配送目标路径激光主动成像的灰度特征量,采用多维像素重构方法进行物流配送目标路径线偏振激光图像的信息融合和线性规划设计,分析物流配送目标路径的差异性特征量,采用自适应图像跟踪识别方法进行物流配送目标路径优化定位,结合角点检测方法实现对物流配送目标路径的定位识别,采用线偏振激光主动成像控制方法,完成物流目标路径的优化识别。仿真结果表明,采用该方法进行物流配送目标路径识别的自适应性较好,对物流配送目标路径的自动规划能力较强,具有很好的物流配送目标路径优选能力。     

基于曲面类型与深度学习融合的三维掌纹识别技术

传统的2维掌纹识别在图像采集时容易受到干湿度、残影和压力等影响,使得其鲁棒性和准确性降低。为解决这些问题,3维掌纹识别技术应运而生。现有的3维掌纹身份认证技术需要将掌纹的特征提取与匹配识别分开进行,不仅延缓了识别时间,更增加了不同方法优化组合的难度。该文提出一种基于曲面类型(ST)与深度学习融合的3维掌纹识别方法。该方法利用ST图像表示3维掌纹特征,并将其作为卷积神经网络(CNN)的输入,实现网络的训练。测试图像可自行提取掌纹图像特征信息并在网络中直接完成识别。实验结果表明,该文方法在公开数据集上得到了99.43%的准确率和28 ms的识别时间,与传统3维掌纹识别方法相比均有提高,实现了3维掌纹的快速高精度识别。     

基于Faster R-CNN的航拍图像中绝缘子识别

为了解决传统绝缘子识别方法存在适用性不强、识别效率低的问题,结合深度卷积神经网络思想,提出一种从电网巡检航拍图像中自动识别绝缘子的方法。应用Faster R-CNN框架,结合电网巡检航拍图像数据库,构建绝缘子识别系统,自动识别航拍图像中的绝缘子,并分析不同模型和参数对识别精确度的影响。实验结果表明,相比于传统航拍绝缘子识别方法,采用深度卷积神经网络对航拍绝缘子进行学习和识别,具有较高的识别准确率和效率,可以很好地识别各种类型的绝缘子,识别性能大幅度提高。     

基于深度学习的可见光图像舰船目标检测与识别

为探究深度卷积神经网络在舰船检测与识别中的应用,研究了基于深度学习方法的可见光图像舰船目标检测与识别,总结了适用的可见光图像舰船数据集与针对舰船目标的网络优化方法.研究表明,迁移学习、先验框改进、特征优化等方法均能提升舰船检测与识别的准确率.未来应结合多源特征的融合,对轻量化舰船识别、细粒度舰船分类等方向进行研究.     

自动目标识别在图像末制导中的应用

实现图像末制导导弹发射后不管和远程精确打击,自动目标识别的工程化应用是关键技术。概述了国内外精确制导武器自动目标识别的发展历程、识别方法、技术水平和应用效果等现状,分析了基于目标特征和模板匹配的识别方法与应用场景,指出了两类经工程化验证有效的自动目标识别方法,梳理了任务规划、主要执行内容、规划质量对不同识别方法的影响等自动目标识别流程。为了适应未来精确制导武器智能化发展需求,深度学习识别技术工程化应用成为了新趋势,针对解决好深度学习算法效率与应用精度的平衡问题,重点分析了网络剪枝、权值量化、低秩近似和知识蒸馏等实时加速推理关键技术;针对网络模型训练,提出了有效解决训练样本不足或军事目标样本获取困难等问题的思路。随着多波段、多模复合制导技术的广泛应用,信息融合为目标识别的工程化应用提供了新技术途径。如何适应各种复杂场景和人工主动干扰是图像末制导面临的重大挑战,阐述了在干扰条件下目标识别鲁棒性,是自动目标识别技术在图像末制导应用中需要迫切解决的工程化问题。     

基于深度学习的人体行为识别方法研究

为提高多目标人体行为识别的准确度,本研究借鉴了ST-GCN作者的思路,提出并改进一种基于深度学习的行为识别方法,该方法首先通过YOLOv5算法对视频序列的人体进行识别定位,其次利用改进的DeepSort跟踪算法对定位到的目标进行跟踪,并为每个目标分配不同的ID,再利用OpenPose提取目标人体的骨骼关节点,最后通过改进的ST-GCN算法实现人体行为的识别,从而解决多目标情况下人体行为识别错乱的问题。实验表明,相比原始未改进的算法模型,本研究改进的模型在识别准确率上提升了10%,证明了该方法的有效性。     

基于轻量化深度网络的舰船目标识别技术研究

针对海上多平台资源受限条件下的舰船目标识别任务,提出一种基于轻量化深度网络的舰船目标识别方法,通过深度可分离卷积及多尺度语义信息融合等进行改进。设计了嵌入式平台应用背景下的轻量化舰船目标识别方法,在自建目标数据集保证top5准确率达到93.5%情况下,实现了模型参数量与计算量的大幅度削减。证明了该网络在低功耗资源受限情况下能够有效完成舰船目标识别任务。     

基于筛选深度特征的红外图像目标识别方法

红外成像是现代战场侦察的重要手段,基于红外图像的目标识别技术可为情报解译提供重要支撑。针对红外图像目标识别,提出基于筛选深度特征的方法。设计适当结构的ResNet对红外图像进行特征学习,对于每个卷积层的输出特征图进行矢量化处理,获得相应的特征矢量。针对各个特征图的深度特征矢量,基于斯皮尔曼等级相关系数评价它们与原始图像的相关性。然后,通过门限判决算法选取若干具有高相关性的深度特征。经过筛选得到的深度特征可剔除了不必要的冗余成分,从而提升后续分类的精度和稳健性。采用联合稀疏表示模型对筛选得到的若干深度特征进行表征和分类,最终获取待识别样本的所属类别。因此,方法可有效结合ResNet多层次深度特征的鉴别力,从而提高最终的识别性能。实验在公开的中波红外目标图像数据集（MWIR）开展,利用原始测试样本、模拟噪声样本和模拟遮挡样本对方法性能进行测试和分析。实验结果表明:相比现有的部分红外目标识别方法,提出方法可取得更强的有效性和稳健性。     

融合注意力机制的雷达欺骗干扰域适应识别方法

针对目前雷达欺骗干扰识别中常规特征识别方法应用受限和训练高性能深度学习模型需要的大量标注样本难以高效获取的问题,该文提出一种基于对抗域适应网络的雷达欺骗干扰识别方法,以改善标签限制;并融合注意力机制残差模块进一步提升识别精度。首先,对雷达接收信号进行时频变换后,应用基于对抗网络思想的域适应技术实现从标注源域样本到未标注目标域样本的迁移识别。其次,通过所设计的空间通道注意力残差模块使网络训练聚焦于时频图全局空间特征和高响应通道,以忽略时频图像中可迁移性低的区域抑制负迁移的产生。在不同源域与目标域雷达欺骗干扰数据集上的实验结果表明了该方法的可行性和有效性。