基于CNN的航拍图像中车辆目标检测

目前,卷积神经网络技术在智能交通目标检测算法中应用越来越广泛。针对传统的检测算法受光照、天气、路况、角度等外界因素影响,提出了一种基于卷积神经网络的改进算法。在基础的RetinaNet以及典型纹理特征上进行了优化,并结合显著性目标检测算法,产生受约束的候选区域,在判定是否为车辆目标的步骤前丢弃多个不可能的区域候选框。在车辆检测公开数据集和自己构建的航拍道路车辆数据集上验证,并与目前一些常用算法进行性能与效率的比较,体现了算法的优越性。     

基于神经网络的多源遥感图像语义分割系统设计

为了提高多源遥感图像语义分割的准确性，本文设计了基于神经网络的多源遥感图像语义分割系统。在硬件设计中，设计了基于计算网格的图像语义分割框架，由基础层、技术支撑层、算法层、系统实现和管理层、用户应用层和数据库组成。在软件设计中，优化了卷积神经网络算法以确定最优学习率，通过目标函数进行多阈值多源遥感图像分割的定量化分析。该方法标准化绝对误差、均方误差和运行时间均较低，可以实现多源遥感图像a、b、c分割较好的效果。     

基于目标检测算法的安全帽佩戴智能识别

针对工程项目现场安全帽佩戴检测问题,基于目标检测算法,提出前后端分离方法来实现安全帽佩戴智能检测和展示.后端主要以YOLO V3算法为核心,对现场摄像头视频和图片进行目标检测分析,并将违规数据存入数据库.前端用Web开发框架搭建智能算法平台,对数据库中的违规数据进行可视化展示.该算法和实施平台已在实际工程项目现场进行了...     

基于改进YOLOv5的工程着装检测算法

针对目前工程安全着装算法在网络结构复杂的二阶算法模型上实现,以牺牲一定的检测速度来提高精确度,而且并未就图像中的小目标物体进行处理,导致一定的漏检和误检的现状,选取轻量级YOLOv5模型针对小目标检测进行改进,以期在保持检测速度的同时能够提高模型的检测精确度。首先选择包含遗传算法的注意力（Anchor）机制来捕获对安全帽这类小目标更加适合的锚框值;然后在网络结构中嵌入轻量级的ECAnet模块以减少无用信息通道的计算量,在保持YOLOv5的检测速度优势的同时提高浅层网络对小目标特征的提取能力。实验结果表明：改进后的模型在不降低检测速度的情况下提高了检测精确度,召回率增加了3.82%,mAP@.5增加了0.73%。     

基于MFFT-SCA的复杂光照条件下的行车检测

针对毫米波雷达点云稀疏,无法生成精确的感兴趣区域的问题,提出一种基于点云的雷达位置信息增强技术.通过对雷达点半径进行扩大,使雷达数据包含更多的空间信息和位置信息,从而实现对视觉检测模块的引导作用.实验表明:对雷达位置信息进行增强,可使平均精度均值最高提升4.1％,平均召回率均值最高提升4.9％.针对辅助驾驶过程中夜间、...     

基于用户兴趣的协同过滤推荐算法研究

针对现有系统过滤算法在用户兴趣、数据稀疏性方面的不足,提出一种基于用户兴趣的协同过滤推荐算法.该算法引入用户兴趣权重,建立用户-项目评价矩阵,通过聚类分析进行相似性计算,最终得到推荐结果.实验结果表明,本算法能有效地利用用户兴趣,提高推荐质量.     

基于深度学习的图像识别算法研究与应用

为了提高图像识别算法的精度，提出了一种语义分割和图像分类相结合的架构。该架构使用U-Net网络来提取图片目标区域，然后对目标区域进行分类。在测试阶段，使用了公开数据集中的河道图像构建数据集，并用LabelMe软件标注河道目标，构建用于进行语义分割实验的河流水面图片数据集。实验结果表明，提出的基于U-Net的河道语义分割算法能够很好地完成河道提取任务。同时在河流水面污染等级分类中，还提出了一种基于分组卷积和双注意力机制的河流水面污染图像分类算法。实验结果表明，所提出的河流水面污染识别方法具有一定的实用性和可行性，在实际应用中可以为相关研究和应用提供参考和支持。     

基于Spark的协同过滤并行推荐算法设计

为提升推荐算法精准性，满足用户精准、实时的信息推荐需求，并保障用户隐私信息的安全，本文提出了基于Spark的协同过滤并行推荐ALS算法。针对用户隐私信息安全问题，引入差分隐私保护，对提出的模型进行差分隐私的项目平均分处理、差分隐私的用户平均分处理，进而得到引入差分隐私的ALS协同过滤并行推荐算法模型，并对ALS算法的实现进行详细分析。为验证算法可行性，本文应用Spark分布式集群，共设置5台实验设备，设置预处理为0.3 ε，输入差分隐私保护为0.7 ε，稳定参数15、20，模型隐含特征数量10，对算法进行实验分析。实验结果表明，本文提出的算法具有较高的推荐准确率，且运行效率较高，有良好的扩展性，具有较高的实际应用价值。     

基于类词包技术的图像分类算法

提出基于类词包(CSBOW,Class-Specific Bag of Words)技术的有监督图像分类算法.在训练阶段,首先在每一类训练图像库中提取特征点,运用SIFT描述符形成特征区域描述符,然后根据欧氏距离对特征矢量进行K均值聚类,每一类形成若干聚类中心即所谓类词包.在测试阶段,首先提取测试图像的特征点,运用SIFT描述符形成若干特征矢量,然后依次计算每个特征矢量与各聚类中心的欧式距离,运用竞争投票机制决定图像的分类结果.将CSBOW技术应用到商品图像分类,实验结果证明本算法分类正确率高于传统的基于词包和SVM的图像分类算法.     

基于人工免疫算法的入侵检测系统

将人工免疫的理论运用到计算机入侵检测系统中。充分利用了人工免疫系统的分布性、自适应性、记忆性和高效性。为入侵检测系统的高误报率和缺乏自适应性的问题提供了一个可实用模型。     

基于SIFT算法的织物疵点检测

通过对织物疵点的检测和消除是纺织业生产至关重要的一部分,因为纺织物的疵点严重降低织物的质量和影响美观,直接影响企业的生产利润。目前,我国很多企业依旧以人工检测织物疵点,此法容易出现误检和漏检且效率不高,无法达到现代纺织生产的要求。     

基于机器视觉的图像缺陷检测的研究

对基于机器视觉的黑色O形橡胶圈缺陷检测系统展开了研究,对采集到的橡胶圈图像进行相关处理以便检测出缺陷特征,通过改进后的中值滤波滤除噪声,建立图像直方图了解缺陷特征的灰度分布情况,比较了几种边缘检测算子的检测效果,并通过实验仿真验证了算法的可行性。     

基于图像识别的石油钻井漏层位置精准检测方法

为提高石油钻井漏层位置检测的精准性,引入图像识别技术开展对石油钻井漏层位置精准检测方法的设计研究。通过基于图像识别的石油钻井漏层疑似特征提取、基于多核学习的石油钻井漏失判别与漏层定位,提出一种全新的检测方法。通过实例应用的方式证明,新的检测方法在真实的石油钻井作业当中可有效降低检测结果与实地考察得到的漏层位置数据之间的误差,可完全替代传统检测方法,实现对石油钻井漏层的远距离检测,提高石油钻井作业安全性。     

基于图像技术的化学需氧量检测研究

为了准确、快速分析水质中化学需氧量(COD),在分光光度法基础上,提出根据图像颜色特征值测量COD的方法 ,同时开发了基于图像技术的检测装置。以该装置为平台,进行了水质COD测定条件的优选,并在优选条件下建立最佳颜色特征值与COD浓度的关系模型。最后进行重复性检测和测量结果对比分析。结果表明:该方法相关系数R~2=0.995 26,检测范围为40~550 mg/L。该装置比国标法和快速法测COD操作简便,并具有较高的准确性。     

基于协同量子粒子算法的透平蒸汽流量软测量

透平蒸汽流量是分析透平运行效率的重要参数,由于现场大量缺乏检测信息,且针对传统测量方法存在可靠性差,非接触式测量成本高、安装困难等问题,提出了一种协同量子粒子算法(CQGAPSO),同时优化神经网络(NN)结构和参数的透平蒸汽流量的软测量建模方法。该方法利用节点间的连接开关,有效消除冗余连接对神经网络逼近能力的影响,引入量子概率幅编码和协同机制来提高神经网络的学习效率、逼近精度和泛化能力。透平蒸汽流量软测量的仿真结果表明:相比全连接神经网络和其他模型,所述方法具有更好的预测精度和鲁棒性。     

基于群体信息挖掘的协同差分进化算法及其应用

为了提高差分进化算法的寻优速度和寻优效能,提出了一种基于群体信息挖掘的协同差分进化算法。该算法首先利用协同进化的思想,将种群分解成不同的子种群,每个子种群采用不同的差分策略进行独立的差分和交叉操作,再将各个子种群合并成一个种群,并根据每个个体的适应度值挑选出最优个体;为了提高差分进化算法的局部搜索能力,引入了多元回归分析和模式搜索算法,对于整个种群,利用最小二乘法求得种群的寻优方向信息,并以此来指导种群中的每一个个体进行模式搜索。仿真试验和在精对苯二甲酸生产过程对羧基苯甲醛含量软测量模型参数估计中的实际应用表明：该算法的性能比传统的差分进化算法有较大的提高,取得了较好的效果。