排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
为快速识别服装款式类型,提高生产效率,针对现有传统边缘检测算法难以准确提取轮廓特征序列的不足,设计一种改进的边缘提取算法。通过定义一种新的优化卷积核,在使用传统边缘检测算法提取训练样本的服装轮廓基础上,将该卷积核与目标矩阵进行卷积得到新的外轮廓,将新轮廓序列的傅里叶描述子作为特征向量,进一步利用BP神经网络模型完成服装款式的自动分类与识别。为验证改进方法的有效性,建立一个包含4类服装500个不重复服装图像的样本库,选取281个作为训练样本,对剩余219个样本进行测试,测试识别准确率最低为93.48%,最高达到了100%。该改进算法提高了服装款式识别率,对服装智能化生产具有借鉴意义。 相似文献
2.
视觉目标跟踪在智能监控和人机交互等领域有着广泛的应用。该文针对时空上下文(STC)跟踪算法尺度适应性不强的问题进行研究,提出一种尺度优化的时空上下文目标跟踪算法。首先,提出一种新型加权滤波函数,滤除图像的高频信息,提升算法的精度;其次,定义两种判别标准,实现时空上下文模型的自适应更新;最后,通过相关性原理训练尺度滤波器,估计出目标的尺度大小,提高算法的尺度适应性。实验表明:提出的跟踪算法能有效改善STC跟踪算法的尺度更新缺陷问题,提高STC跟踪算法的跟踪精度,与近年来出现的基本跟踪算法相比,该算法有着良好的跟踪效果。该算法在AMD-A6处理器、2.7 GHz主频、4 GB内存的计算机硬件平台下,实现68 f/s的实时跟踪速度。 相似文献
3.
提出了一种基于深度神经网络的船舶吃水线检测方法. 相比传统手工设定的特征, 基于深度神经网络的方
法学习得到的特征具有较强的鲁棒性和稳定性, 能够适应训练集中未曾出现的新物体. 本方法首先使用基于深度学
习的语义分割算法对图像中目标区域进行分割, 通过水平投影得到水线在图像中的位置, 然后根据统计方法得到最
终的吃水深度. 通过实验表明所提方法能对图像中的目标区域进行较为准确的分割, 进而提取到水线值, 通过与人
工获取的结果对比, 证明了所提方法的有效性. 相似文献
4.
1