搜索结果: 1-15 共查到“工学 S-CNN”相关记录21条 . 查询时间(0.062 秒)
一种面向移动端的浅层CNN表情识别
面部表情识别 卷积神经网络 全局平均池化 GoogleColab CoreML
2022/3/15
融合CNN和MRF的激光点云层次化语义分割方法
激光点云 语义分割 层次化提取 残差学习 马尔可夫随机场(MRF)
2021/3/30
三维点云语义分割的结果包含着对场景中多个目标的识别,是三维场景信息提取的重要环节,在智慧城市等多个领域扮演关键角色。由于三维激光点云数据量庞大、场景复杂性高等问题,大多数现有方法只能以相对较低的识别率提取有限类型的对象。本文提出了一种在三维激光点云场景中结合残差学习和马尔可夫随机场(MRF)优化的层次化多类型目标自动提取框架。该框架首先将点云滤波为地面点和非地面点;然后从非地面点中提取建筑物以降低...
基于Mask R-CNN的枪弹底火装配质量检测系统设计
底火 装配质量检测 Mask RCNN 机器视觉
2020/8/17
提出了一种基于Mask R-CNN的枪弹底火装配质量检测方案。构建了底火装配质量在线检测系统,该系统利用机器视觉技术设计了基于Mask R-CNN网络模型的检测算法,主要借助目标检测算法 Faster R-CNN进行目标定位,用全卷积神经网络(FCN) 进行分割,实现枪弹底火装配缺陷位置显示和标记。通过实验将本文检测方法与人工检测方式进行了对比,结果表明,该方案能够快速、准确、有效地判别出合格品,...
提出了一种深度卷积神经网络与极限学习机相结合的滚动轴承自适应故障诊断方法。该方法的第一阶段训练深度卷积神经网络作为特征提取器:通过卷积层和池化层提取低阶特征,然后在全连接层合成高层次特征。第二阶段将第一阶段自适应提取出来的特征通过极限学习机进行轴承故障类别的准确快速分类,实现了自适应“端到端”的故障诊断。实验结果表明,该方法能有效的识别故障类别,缩短了训练时间,并具有良好的鲁棒性和实时性。
基于Faster R-CNN的实木板材缺陷检测识别系统
实木板材 板材缺陷识别 深度学习 Faster R-CNN 无损检测
2020/7/31
我国木材资源有限,为了提高木材的利用率,采用机器视觉来实现木材缺陷快速而稳定的检测,不仅可以克服人工检测的低效率和木材缺陷识别的低准确率,而且对提高木材加工企业的智能化水平具有重要意义。为了高效、快速、准确地进行无损检测,采用深度学习方法,建立了一种基于快速深度神经网络的实木板材缺陷识别模型。
RESEARCH ON HIGH ACCURACY DETECTION OF RED TIDE HYPERSPECRRAL BASED ON DEEP LEARNING CNN
Red Tide CNN Hyperspectral Remote Sensing Glint
2018/5/14
Increasing frequency in red tide outbreaks has been reported around the world. It is of great concern due to not only their adverse effects on human health and marine organisms, but also their impacts...
A CLOUD BOUNDARY DETECTION SCHEME COMBINED WITH ASLIC AND CNN USING ZY-3, GF-1/2 SATELLITE IMAGERY
CNN ASLIC GF-1/2 ZY-3 Imaging platforms
2018/5/14
Remote sensing optical image cloud detection is one of the most important problems in remote sensing data processing. Aiming at the information loss caused by cloud cover, a cloud detection method bas...
FUSING PANCHROMATIC AND SWIR BANDS BASED ON CNN – A PRELIMINARY STUDY OVER WORLDVIEW-3 DATASETS
Pan-sharpening, Convolutional Neural Network, Short-wave Infrared, Deep Learning, Image fusion, Remote Sensing
2018/5/14
The traditional fusion methods are based on the fact that the spectral ranges of the Panchromatic (PAN) and multispectral bands (MS) are almost overlapping. In this paper, we propose a new pan-sharpen...
近年来,深度卷积神经网络已经深入了计算机视觉的各个任务中,并在图像识别、目标跟踪、语义分割等领域中取得了重大突破。在一些场景下,当前深度卷积网络性能已经足以部署到实际应用中,这也鼓舞着人们将深度学习落地到更多的应用中。然而,深度卷积网络在实际部署时面临着参数量和时间复杂度等两方面的问题,一方面是深度网络巨大的参数量会占用大量的硬盘存储和运行内存,这些硬件资源在一些移动和嵌入式设备中往往是很有限的;...
CNN BASED RETINAL IMAGE UPSCALING USING ZERO COMPONENT ANALYSIS
Image upscaling CNN ZCA Whitening Retinal Images
2017/6/19
The aim of the paper is to obtain high quality of image upscaling for noisy images that are typical in medical image processing. A new training scenario for convolutional neural network based image up...
S-CNN-BASED SHIP DETECTION FROM HIGH-RESOLUTION REMOTE SENSING IMAGES
Ship Detection Convolutional Neutral Networks (CNN) S-CNN Ship Model Construction
2016/11/23
Reliable ship detection plays an important role in both military and civil fields. However, it makes the task difficult with high-resolution remote sensing images with complex background and various t...
灰度图像逻辑或运算CNN模板的顽健性设计
细胞神经网络 灰度图像 逻辑或运算 顽健性设计
2014/6/6
通过制定灰度图像的逻辑或运算法则,提出一类灰度图像逻辑或运算CNN,它可以在两幅灰度图像的对应像素点上执行逻辑或运算。对GLOGOR CNN的模板进行顽健性分析,建立了一个定理,并给出严格的数学证明。只要模板参数满足定理中给出的参数不等式,CNN就能执行逻辑或运算的任务。数值模拟验证了GLOGOR CNN在应用中的有效性及顽健性设计定理的可行性。