排序方式: 共有4条查询结果,搜索用时 9 毫秒
1
1.
视频监控、军事目标识别以及消费型摄影等众多领域对图像清晰度有很高的要求.近年来,深度神经网络在视觉和定量评估的应用研究中取得较大进展,但是其结果一般缺乏图像纹理的细节,边缘过度平滑,给人一种模糊的视觉体验.本文提出了一种基于生成对抗网络的图像清晰度提升方法.为了更好的传递图像的细节信息,采用改进的残差块和跳跃连接作为生成网络的主体架构,生成器损失函数除了对抗损失,还包括内容损失、感知损失和纹理损失.在DIV2K数据集上的实验表明,该方法在提升图像清晰度方面有较好的视觉体验和定量评估. 相似文献
2.
基于深度学习的人手视觉追踪机器人 总被引:1,自引:0,他引:1
视觉追踪是智能机器人的核心功能之一,广泛应用于自动驾驶、智慧养老等领域.以低成本树莓派作为下位机机器人平台,通过在上位机运行事先训练好的深度学习SSD模型实现对人手的目标检测与视觉追踪.基于谷歌TensorFlow深度学习框架和美国印第安纳大学EgoHands数据集对SSD模型进行训练.机器人和上位机的软件使用Python在Linux系统下编程实现,两者之间通过WiFi进行视频流与追踪控制命令的交互.实测表明,所研制智能机器人的视觉追踪功能具有良好的稳定性和性能. 相似文献
3.
牟森 《中国建筑金属结构》2021,(4):42-43
工程造价在建筑工程中占据着十分重要的地位,并直接关系到工程施工效率、质量和效益,需要高度重视.然而受到建筑工程构成环节众多、工艺技术标准差异大、容易产生突发情况等因素影响,工程造价控制难度较大,鉴于此,本文对建筑工程造价特点及动态控制实施方法展开探讨. 相似文献
4.
论述基于ARM和嵌入式Linux的WiFi无线遥控智能小车的技术实践.介绍技术实践的过程、方法、经验体会.采用ARM 11芯片作为小车的主控制器.小车上的WiFi模块承担无线通信功能并接收来自远程Android智能手机的遥控指令.智能手机可通过“重力感应”或传统“按键”两种模式向小车发送遥控指令.ARM控制器接收到指令后通过GPIO接口控制小车的电机驱动小车的四个轮子做出相应动作(前进、后退、转弯、旋转等),并通过PID算法控制小车走直线.小车可采集视频并运行计算机视觉算法进行实时人脸检测. 相似文献
1