排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
针对苹果园中存在的果实相互重叠、枝叶干扰以及复杂背景等问题,本文提出Faster-RCNN一种改进的模型。该模型通过增强Mosaic数据,使得识别小物体目标果实能力得到提升,同时,对Faster-RCNN结构中的锚框进行优化,优化后的锚框能更好地检测出距离相机较远的目标果实,以及使用Soft NMS算法对密集区域的识别效果进一步得到改进。通过对300幅未参与识别的自然环境下的苹果图像进行验证,验证结果表明:召回率为91.44%,准确率为93.35%,F1值为92.38%,每幅图像的检测可在0.2 s内完成。改进后的算法鲁棒性得到增强,能够满足在自然环境下对苹果果实的识别工作。 相似文献
3.
为了解决磁共振成像脑部肿瘤区域出现误识别及对脑MRI图像中的肿瘤部位分割时出现的不确定性等问题,提出一种改进的Kmeans算法与隐马尔可夫随机场模型(HMRF)相结合的分割方法,对脑肿瘤图像实现精准分割。首先将Kmeans算法的欧氏距离替换成曼哈顿-切比雪夫距离并用改进后的Kmeans算法对待分割图像进行初始参数估计和初始分割,然后通过HMRF理论获得图像的空间信息,并结合EM算法对聚类中心进行更新,获得更为准确的聚类中心,从而提高算法的分割性能。实验结果表明,该方法具有良好的脑部肿瘤分割性能效果,其中Dice系数和Jaccard系数的平均值分别达到了0.9289和0.8725。 相似文献
1