排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
传统图像去噪算法在解决裂缝图像去噪这一问题时仍然存在边缘细节模糊、算法效率低等不足.针对这一问题,提出了一种脉冲耦合神经网络(PCNN)简化模型结合快速自适应双边滤波的裂缝图像去噪算法(PCNN-FABF).该算法在利用PCNN的特性来确定噪声点的同时,通过简化PCNN中的参数来提高运算效率.然后利用快速自适应双边滤波... 相似文献
2.
水下AUV搭载声呐进行探测成为水下目标检测的主流方式，水下环境的复杂及声呐成像方式导致声呐图像分辨率较低，使用形态学目标检测等传统方法时检测精度与实时性不高，深度学习如YOLO等算法直接用于水下声呐图像目标检测时仍然面临样本少、模型参数多等挑战，为此，本文提出一种声呐图像水下目标轻量化检测模型。针对低分辨率声呐图像数据特点以及水下AUV自动检测对实时性的要求，以YOLOv4模型为主要框架，进行模型裁剪、替换优化特征融合模块、目标预测框K均值聚类以及改进损失函数等，将构建的检测模型应用于声呐目标检测。所构建的声呐图像水下目标检测轻量化模型的mAP相对于SSD、YOLOv3、YOLOv3-DFPIN、YOLOv4-tiny分别提高了0.0659、0.0214、.0402和0.1701。在mAP相较于YOLOv4、CenterNet、EfficientdetD0分别低0.0186、0.0093、0.0074的情况下，FPS分别相对于YOLOv4提升一倍多、相对于EfficientdetD0提升近5倍、相对于CenterNet提升近一倍。同时，本文提出的模型兼具高精度和实时性的优点。实验结果表... 相似文献
1