排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
2.
针对传统学习图匹配在抗形变和抗噪声方面性能不够稳定的问题,提出一种有监督的逐次非凸凹过程学习图匹配方法.首先通过逐次非凸凹过程(GNCCP)求解一系列二次分配问题以估计训练目标函数的上界,并采用Bundle方法对上界进行优化,完成图匹配模型的训练;其次,使用GNCCP对图匹配模型进行求解,获得匹配结果.在CMU的House/Hotel数据集以及3个具有旋转、切变和加噪的人工合成数据集上的实验结果表明,文中方法可以大幅提升匹配精度,甚至达到零错误率;在WILLOW数据集上,结合形状上下文边特征描述,也得到了令人满意的效果. 相似文献
3.
特征提取在模式识别和分类中起着关键的作用,本文针对红外目标的准确分类识别问题,围绕红外图像特征提取和特征选择进行研究,提出了基于PCA的区域特征选择方法。该方法首先采用基于数学形态学的滤波技术对红外图像进行预处理,有效地增强了目标区域,便于目标特征的提取;其次,本文研究了区域形状特征提取及基于PCA的特征选择方法,通过对区域特征进行优化选择,构造准确描述目标特性且维数较低的特征。实验结果表明,本文提出的方法有效地提取红外目标的特征,可用于红外目标的分类且有利于提高算法的效率。 相似文献
4.
为了提高红外舰船目标的分割准确率,提出一种基于对抗域适应的红外舰船目标分割方法,其中有标注的可见光舰船图像为源域,没有标注的红外舰船图像为目标域。为了解决两个域之间的风格差异问题,本文依次对源域的可见光图像进行灰度化和白化预处理,将其转换为具有目标域风格的图像。对于目标域的红外图像,使用去噪网络进行优化;接着,为了解决判别网络视野受限问题,设计基于空洞卷积的判别网络;最后,针对目标域预测图像置信度低问题,将目标域预测图像的信息熵加入到对抗损失中。在可见光和红外舰船图像组成的数据集上的实验结果高于现有方法,证明了本文方法的有效性。 相似文献
5.
为进一步提高遥感图像道路提取的精度,提出一种改进的DUNet遥感图像道路提取方法。在编码器部分,为使网络关注道路信息,在第3个池化层分别使用有注意力机制和没有注意力机制两个分支提取道路特征;在解码器部分,同时使用传统UNet的解码器和DUNet解码器两个分支进行上采样,最大限度减少信息丢失。试验结果表明,与其他8种常用的分割模型结果相比,此方法在Massachusetts和DeepGlobe 2018数据集上都获得最高的平均交并比和平均Dice系数,其中平均交并比最高分别提高2.90%和8.99%,平均Dice系数最高分别提高2.53%和7.66%。这表明改进的DUNet能够有效实现遥感图像的道路提取,与传统DUNet相比,在小路区域的分割效果得到提升,进一步提高了传统DUNet的分割精度。 相似文献
6.
为提高红外舰船图像显著性检测精度,同时降低参数量,提出一种轻量型红外舰船显著性检测模型。该模型针对红外图像缺乏颜色、纹理等细节特征的特点,从以下三个方面进行轻量化设计:在骨干网络设计方面,将视觉几何组网络(visual geometry group, VGG)各层的通道数减少一半作为骨干网络,以减少冗余的特征;为了进一步减少模型参数量,在前两个低层卷积模块中引入一种轻量型的线性瓶颈模块(linear bottleneck, LB)替换传统卷积模块;提出一种新的提取全局特征能力更强的轻量型的高层线性瓶颈模块(high-level linear bottleneck, HLLB)替换后3个高层传统卷积模块,并且使用自适应平均池化提取高层特征作为全局特征以得到更丰富的上下文信息。针对红外数据集缺少的问题,构建一个红外舰船数据集IRShip,包括1002幅图像。试验结果表明:该算法能够有效实现红外舰船目标的显著性检测,并且通过与其他7种常用的显著性检测模型对比,本研究提出的模型可以在大幅减少参数量的情况下有效提升红外舰船显著性目标检测的性能。 相似文献
7.
为了解决深层感知器的结构设计问题,提出了一种逐层主成分分析方法.该方法根据训练数据集的分布特点,在适当控制信息损失的条件下,可以有效地确定每层神经元的个数.首先,依据样本维数和标签类数分别确定输入层和输出层神经元的个数;然后,对训练样本集进行主成分分析,利用降维后的维数确定第2层神经元的个数;最后,在确定其他层神经元的个数时,将上一次降维后的样本经过非线性激活函数作用,再进行主成分分析,得到降维后的样本维数即为该层神经元的个数.在MNIST手写字数据集上的实验结果表明:该方法有助于简化深层感知器的结构,在减少参数个数、缩短收敛时间和降低训练难度等方面均具有优越性. 相似文献
8.
9.
10.