基于支持向量机和压力传感器的水果分类系统

目的:提高水果分类准确率并兼顾低计算成本和低传感器成本。方法:提出一种基于电容式压力传感器的水果分类系统,通过采用高斯核函数的支持向量机算法(高斯支持向量机算法)对水果进行分类。所采用的电容式压力传感器由薄铜片和一层乙酸乙烯酯制成,压力传感器被固定在模拟机械手的聚酰胺氨纶手套的拇指和食指上。获得的电容值以数字电平的形式表示,通过数据处理软件进行数据提取,采用核函数的支持向量机算法对电容数据进行处理,以确定水果的类别。结果:对11种水果的分类结果表明,采用高斯—支持向量机算法的智能手套能够实现水果的高准确率分类,且可根据实际需要在分类准确率、计算成本和低传感器成本之间权衡。结论:该系统可用于开发水果分类的电子系统,提升分类机械手的水果分类性能。     

基于SVM的岩石薄片图像分类

支持向量机可以克服高维表示的缺陷,被广泛运用到图像分类中。文章在研究图像特征的基础上,应用支持向量机的分类性能,实现了100个样本的分类,结果表明该实验分类准确率高,效果良好。     

基于色彩特征的服装图像分割算法研究

基于色彩特征,提出一种基于混合高斯模型的服装图像分割方法,建立混合高斯逼近的图像色彩特征统计模型,把图像从RGB色彩空间变换到HSI色彩空间,并在H分量上进行分割。对比实验表明,该方案对服装图像目标划分清晰,细节保持较好,改善了图像的分割性能。     

基于软装企业特点的家具产品分类编码系统

软装企业的产品图库构成是由多方生产型企业提供,两者的经营模式、产品管理特点、目的各不相同。根据软装企业对产品信息分类编码的需求,提出了一种新颖的基于设计活动时达到快速检索与调配为目的的产品分类编码结构,对产品的编码结构设计是以检索要素及调配顺序为基本出发点,得出一个以10位数的家具产品编码规则和结构。     

基于迁移学习的小样本织物图像自动分类与检索系统

针对织物图像在电子商务、库存管理等领域的应用存在分类繁琐、检索精度不高等问题,提出了一种基于迁移学习的小样本织物图像自动分类与检索系统。首先,设计并改进了基于迁移学习的深度学习模型,对其进行微调;然后基于小样本织物图像集训练,生成新的分类模型,实现织物图像自动分类;最后,去除新模型中的分类层,提取数据集所有织物图像的图像特征,存储到Milvus向量数据库中,输入待检索织物图像,选择相似度计算方法,实现织物图像top k检索。实验结果表明：预训练模型经重新设计及训练后,织物图像识别精度可达99.5%,top 5检索的平均精度均值为0.992,平均查准率为99.65%,平均检索时间0.165 3 s。通过系统的实施,可为小样本织物图像分类与检索领域现存问题提供可行的解决方案。     

家具材料分类与编码研究

对家具材料的分类及其编码方法进行了系统研究,在此基础上形成了广东省地方标准,对标准的内容作了较详细的介绍,该标准将对家具材料市场管理、成品家具企业材料库存管理以及家具材料电子商务提供很好的技术支撑。     

基于卷积神经网络和支持向量机的水稻种子图像分类识别

针对外形相似的水稻种子间分类难、识别正确率低等问题,提出一种卷积神经网络与支持向量机相结合的方法(CNN_SVM)对8类水稻种子进行分类识别.首先对图像进行切割、旋转等预处理后建立水稻种子图像数据库,其次通过提取图像的方向梯度直方图(HOG)、LBP纹理、SIFT描述子和CNN特征,分别建立SVM、KNN和Softma...     

基于零件分类编码的模糊聚类分析

介绍一种基于机械零件JLBM-1分类编码的模糊聚类分析方法。结合实例，分析了同组零件的相似性和同组零件的平均数量之间的关系，得到衡量被分类零件分组合理性的判别指标和划分准则。     

电力巡检图像视频编码研究

大数据背景下,每天需要处理海量的图像数据,这导致图像信息的存储面临巨大挑战。大量学者就图像视频编码技术进行相关研究。文章梳理这些编码算法,同时提出在电力巡检这一特殊背景下,传统的图像视频编码方式没有考虑故障监测端可能是故障识别算法,而不再是人眼视觉的局限性。     

基于MapReduce框架的实时大数据图像分类研究

图像数据属于大数据的一种,其蕴含着大量的知识,并且图像分类被广泛地应用于各个领域中。传统图像分类模式过于落后和单一,已经无法满足大数据时代实时计算的需求,为了解决这一问题,现利用MapReduce框架,提出一种新型、先进的实时大数据图像分类算法。首先,针对MapReduce并行化计算框架特征,利用在线极端学习机得出权值矩阵;然后采用矩阵分割的方式,取代并淘汰传统的大规模矩阵累乘操作;再对分割后的矩阵进行节点并行计算。在此基础上,将各个节点的最终计算结果进行汇总和合并,从而得到图像分类器,在保证最终计算结果真实性、准确性和完整性的基础上,对MapReduce框架不断拓展和优化,并采用实时大数据分类的方式对人脸图像进行分类。结果表明:MapReduce框架具有很高的有效性和可行性,不仅可以实现对大数据图像的精确化、科学化和规范化分类,还能保证大数据图像分类的效率和效果。     

基于支持向量机的高光谱遥感影像分类

高光谱遥感是将成像技术和光谱技术相结合的多维信息获取技术。自发展以来,已在各个方面都显示出了巨大的研究潜力,成为遥感应用最广泛的领域之一。然而,如何充分利用高光谱遥感数据提供的丰富的地表信息,以及如何在如此大量的信息中提取有用信息,是摆在研究者面前的一项重要课题。高光谱遥感影像处理的一项重要内容就是地物目标的分类。文章基于支持向量机算法原理,提出了一种应用于高光谱影像的分类机制,并在印度松树(Indian Pines)和帕维亚大学(Pavia University)数据集上进行了验证实验,取得了较高的分类精度。     

轻量化卷积神经网络对服装图像的分类研究

随着时代的发展,移动端关于图像分类的检索成了迫切需求,鉴于传统的卷积神经网络所需要的数据集较大,计算量也随之倍增。针对此,文章提出了一个轻量化的卷积神经网络,用来做服装图像分类。对于小型数据集,传统的服装图像分类方法效率低、准确度不高,文章提出一种G1-VGG的服装图像分类方法,主要基于VGG16网络模型,引入Dorpout层来缩小参数规模,从而提高效率和鲁棒性,最后在全连接层之间引入了一个可以学习卷积特征的二值哈希编码层,将高维数据压缩处理,不丢失其数据高维特征。在减少训练时间的同时,解决内存占用问题。     

傅里叶描述子在商标图像分类中的应用

针对单封闭轮廓的商标图像的分类,可以提取目标图像轮廓的傅里叶描述子作为特征向量,该描述子不会随着图像的旋转、缩放和平移而发生改变,把它作为形状特征描述来训练分类器。傅里叶描述子是商标图像外围轮廓较为重要的特征信息,体现着商标图像的全局特征。在支持向量机分类器的应用中不存在过学习和局部最小的问题,但其核函数及参数的选取尚没有较好的理论支持。     

一种新型基于二叉树的支持向量机多类分类方法

采用聚类分析中的类距离思想,通过类的重心,计算该类与其他类间的平均距离,提出了一种新的二叉树生成算法.在算法中,利用对称矩阵的特点,简化计算,并对先分离出来的类距离进行有效舍弃.试验结果表明该算法具有一定的有效性.     

图像资源分类现状的分析与建议

信息时代,图像日益成为重要的信息传播符号和文化消费品形式,在图像的现实使用过程中,由于图像资源分类的不完善而影响了图像资源的使用效率和图像使用需求的有效满足.分析了图像资源的分类现状,提出了图像资源分类的基本原则,并运用哲学认识论基本原理,从主体、客体、本体的角度对图像分类方法进行了探讨.     

基于稀疏非负张量分解的图像分类算法

为了降低图像分类算法的计算复杂度,提高图像分类的准确性,本研究提出一种基于稀疏非负张量分解的图像分类算法,首先提取图像本身的结构特征信息得到图像特征数据,再把子空间数据稀疏性作为约束项,添加到非负张量分解目标函数中,再利用稀疏约束的非负张量分解算法对图像数据集进行降维处理,最后使用支持向量机方法对图像数据库进行分类。实验结果表明,本研究提出的算法能有效提高图像分类的准确性并降低计算复杂度。     

零样本图像分类方法综述

图像分类作为图像处理的基础,一直是热门的研究话题。传统的图像分类方法需要采用大量专家标记的数据集,成本较大且无法识别未训练的图像类别;零样本图像分类作为迁移学习的一个分支,可以将已有的知识属性迁移到未知类中,从而完成对未知类图像的分类识别,因此降低了训练数据的标记成本,且能在样本稀缺的情况下实现对新事物的分类识别。首先,简单介绍了零样本学习的概念;其次,着重介绍了基于属性预测、基于特征嵌入和基于生成模型的零样本图像分类方法;然后,简要介绍了零样本图像分类的数据集以及评估方法,并对经典模型的实验结果做了比较分析;最后,提出了零样本图像分类方法普遍存在的问题以及相应的解决思路。