注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于边缘区域不变矩的缺损扩展目标识别方法

  2. 　该方法提出以基于边缘区域的局部不变矩作为识别特征，结合多神经网络实现对缺损扩展目标 的有效识别。讨论了离散情况下基于边缘区域局部不变矩的平移、旋转和尺度不变性。在此基础上，建立目标 多个处理区域的ＢＰ人工神经网络，利用各网络分类综合结果提高缺损目标的识别率。实验结果显示该方法 能够对缺损扩展目标进行正确识别，特别对于有较大部分缺损的扩展目标识别有明显优势。

  3. 所属分类：网络基础

    • 发布日期：2009-06-30
    • 文件大小：932kb
    • 提供者：sunny_frank

  1. 基于深度学习的车牌识别

  2. 目标识别是计算机视觉一个重要的研究领域，由此延伸出的车辆型号识别具有重 要的实际应用价值，特别是在当今交通状况复杂的大城市，智能交通系统成为发展趋 势，这离不开对车辆型号进行识别和分类的工作，本文围绕如何利用计算机视觉的方 法进行车辆型号的识别和分类展开了一系列研究： 本文对当前的目标识别和分类的特征和算法做了总结和归纳。分析比较了作为图 像特征描述常见的特征算子，总结归纳了他们的提取方法、特征性能以及相互之间的 关联。另外，介绍了在目标识别工作中常用的分类方法,阐述了他们各自的原理和工作 方

  3. 所属分类：交通

    • 发布日期：2017-08-30
    • 文件大小：4mb
    • 提供者：qq_20127501

  1. 基于特征向量的SAR 图像目标识别方法研究

  2. 用于描述区域特征的Hu 矩不变量在模式识别中得到广泛使用。然而在噪声影响下, 尤其是SAR 图像中严重的相干斑噪 声, Hu 矩不变量不再保持其完美的性能。以Hu 七个矩不变量为基础, 结合SAR 图像的特点, 引入四个仿射矩不变量和SAR 图像 中目标区域的峰值、均值和方差系数, 构成SAR 图像中目标识别的特征向量

  3. 所属分类：专业指导

    • 发布日期：2009-04-25
    • 文件大小：233kb
    • 提供者：yuyeyee

  1. 基于运动信息的车辆目标姿态估计

  2. 对车辆目标而言,预先对目标图像的运动方位角估计,能提高整个车辆目标识别和分类系统的效率。对常用的主轴分析方法进行比较,为了降低方位角度估计的误差,提出采用基于局部特征的运动方向提取方法对车辆运动姿态进行估计。该方法首先基于全局运动补偿后的图像,在目标区域提取强响应角点,然后在目标区域范围采用KLT算法进行局部特征跟踪,通过点运动估计车辆目标运动方位角.实验结果显示,所提方法能较准确地估计运动目标的姿态,对目标方位角估计的误差明显低于上述多种主轴分析方法。

  3. 所属分类：其它

    • 发布日期：2020-04-27
    • 文件大小：310kb
    • 提供者：weixin_38524472

  1. 井下超宽带IPSO-SVM的目标识别方法

  2. 针对煤矿井下UWB信号对目标识别准确性低与实时性不够高的问题,提出了一种基于改进粒子群优化(IPSO)算法优化支持向量机(SVM)的模式识别方法。采用FDTD仿真获取井下回波信号数据样本,提取目标反射信号特征作为特征样本,利用IPSO算法优化SVM的核函数参数和惩罚参数,以回波信号样本数据测试、训练构造的SVM分类器。结果表明,IPSO-SVM分类器明显高于未经参数优化的SVM分类器的识别率。该方法提高了UWB信号在井下的准确性和实时性。

  3. 所属分类：其它

    • 发布日期：2020-06-11
    • 文件大小：856kb
    • 提供者：weixin_38526421

  1. 《地面车辆目标识别研究综述》.pdf

  2. 地面车辆目标是重要的民用和军事目标，车辆目标的识别研究对于智能交通管制和国防安全具有重要 应用价值．本文对地面车辆目标识别的国内外研究现状和应用背景进行综述，对现有的地面车辆目标探测手段、特征 提取及分类方法进行梳理总结，最后对地面车辆目标识别技术的发展趋势进行展望，预期为地面车辆目标的分类和识 别研究提供参考和借鉴．

  3. 所属分类：讲义

    • 发布日期：2020-06-29
    • 文件大小：459kb
    • 提供者：weixin_40973138

  1. 嵌入式系统/ARM技术中的嵌入式系统中的目标识别技术

  2. 目标检测和识别是计算机视觉系统的一个必不可少的组成部分。在计算机视觉中，首先是将场景分解成计算机可以看到和分析的组件。 　　计算机视觉的第一步是特征提取，即检测图像中的关键点并获取有关这些关键点的有意义信息。特征提取过程本身包含四个基本阶段：图像准备、关键点检测、描述符生成和分类。实际上，这个过程会检查每个像素，以查看是否有特征存在于该像素中。 　　特征提取算法将图像描述为指向图像中的关键元素的一组特征向量。本文将回顾一系列的特征检测算法，在这个过程中，看看一般目标识别和具体特征识别在这些年

  3. 所属分类：其它

    • 发布日期：2020-10-19
    • 文件大小：139kb
    • 提供者：weixin_38686399

  1. SkinDiagnosticAI:使用FastClassAI工作台和哈佛数据库中的HAM10000数据集使用AI进行皮肤癌检测和分类-源码

  2. 皮肤诊断 使用FastClassAI工作台对哈佛HAM10000数据集的皮肤镜图像上的5000种AI方法进行癌症检测和分类的比较 作者：Pasie Rosikiewicz，SwissAI的创始人兼团队负责人许可证：麻省理工学院 目标是快速测试和优化大量的ml和深度学习模型以及数据集预处理程序，这些模型与FastClassAI workebench集成在一个python环境中。 主要目标是： 通过用于模型训练的数据集来识别主要挑战， 探索数据准备，处理和特征提取的不同策略， 通过广泛的网格

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：81mb
    • 提供者：weixin_42151772

  1. 基于多特征信息融合的探地雷达地下多目标识别

  2. 基于多特征信息融合思想，建立了针对GPR地下目标的多参数特征和识别方法，这些思想融合了探测环境和地下介质的复杂性和多样性以及GPR回波信号的非平稳性和非周期性。 该方法通过选择时域参数，功率谱，小波包能量谱和高阶谱进行多参数特征融合，并在此基础上用小波神经网络进行识别和分类。 实验结果表明，与单参数特征识别方法相比，该方法可以有效地实现对金属，塑料，水泥等材料制成的管状体，椭球体以及地质体的识别。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：939kb
    • 提供者：weixin_38692836

  1. 基于深度学习的空间目标识别

  2. 使用成像自动识别航天器和空间碎片在确保太空安全和太空探索中起着重要作用。 尽管深度学习现在是基于图像的对象分类的最成功解决方案，但它需要大量的训练数据，而这些数据对于大多数实际应用而言是不可用的。 在本文中，我们研究了用于训练和测试图像的不同单一和混合数据增强方法，从而提出了一种基于数据增强的深度学习方法来进行空间目标识别。 通过系统工具包（STK）渲染的400张合成空间目标图像的实验结果表明，我们提出的算法比几种传统方法具有更高的精度。

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：378kb
    • 提供者：weixin_38682054

  1. 仿人脑视皮层机制的目标识别方法

  2. 针对传统方法存在目标特征提取不足和计算复杂度高等问题，从人脑视觉认知出发，提出一种仿人脑视皮层机制的目标识别方法。引入卷积神经网络，提出基于 Ｇａｂｏｒ 卷积核的目标边缘特征，以拟合简单细胞感受野；结合初级视皮层腹侧通路目标识别方式，模拟视皮层信息处理机制，抽取边缘图像 ＰＨＯＧ 特征来描述目标，建立 ＰＨＯＧ 特征的仿人脑皮层识别模型。采用多类 ＳＶＭ 分类器对特征向量进行识别实验，实验结果表明，该方法减少了计算复杂度，提高了识别率。

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：812kb
    • 提供者：weixin_38623249

  1. 基于支持向量机和二进制决策树的运动目标识别

  2. 本文设计了一种基于支持向量机（SVM）的运动目标识别算法，以对运动目标进行准确的识别和分类。 鉴于支持向量机在小样本，非线性和高维模式识别方面的优势，构造了一种基于支持向量机的分类器。 利用形状特征构成的特征向量分类样本对支持向量机进行训练和分类，结合支持向量机和二叉决策树形成多分类器。 对象特征向量用作SVM的输入，我们将使用分类器对检测到的运动对象进行分类。 实验结果表明，该算法能够准确识别和分类视频图像中的不同对象。

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：299kb
    • 提供者：weixin_38685793

  1. 基于聚类和随机参考分类器的动态选择集成目标识别方法

  2. 基于聚类和随机参考分类器的动态选择集成目标识别方法

  3. 所属分类：其它

  1. 基于压缩特征和核稀疏编码的雷达目标识别

  2. 在这项研究中，作者利用雷达目标的稀疏性质，并通过最近开发的压缩感测理论提出了一种通用的，面向目标的“压缩特征”和基于核稀疏编码的雷达目标识别方法。 在视觉注意力机制的启发下，提出了脉冲轮廓波变换以导出面向目标的压缩特征，并由于核技巧可以使特征在更高维度的空间中更加聚类，从而提出了内核稀疏编码分类器。准确，可靠地识别目标。 通过对动，静目标获取与识别公开发布数据库中三种类型的地面车辆进行识别实验，比较了该方案与同类方案的性能，结果证明了该方案的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：980kb
    • 提供者：weixin_38595690

  1. 基于弹性网稀疏编码的空间目标识别

  2. 传统的特征袋模型在目标识别过程中假设每个局部特征点只关联特征词典中一个视觉单词。此外，l1范数约束 下的稀疏编码对于具有较强成对相关性的特征通常只选择一个特征，而不关注哪一个特征被选择。提出了一种基于弹性 网稀疏编码的特征袋模型。该方法利用SIFT特征描述子构建特征字典，再通过弹性网回归模型求解每个描述子所对应的 稀疏系数向量，最后将目标图像内的稀疏系数向量合并用于分类。与传统的特征袋模型和基于l1范数稀疏编码的特征袋 方法相比，该方法有较好的识别性能，并对视角变化具有较强的鲁棒性，在空间目标图

  3. 所属分类：其它

  1. FY-3A MERSI短波红外通道图像增益突跳自动识别和归一

  2. 搭载于我国第二代极轨气象卫星风云三号A星(FY-3A)上的中分辨率光谱成像仪(MERSI), 肩负着获取全球图像和辐射资料的作用。然而, 太空环境影响等因素, 导致短波红外通道发生在轨增益突跳现象, 大大限制了数据的定量应用。通过对冷空、星上定标器和黑体等MERSI星上观测目标的分析, 选择冷空作为增益突跳识别的指征目标。提出自动识别、增益归档和档位归一化方法, 采用日识别和天内精检测的方法获取增益突跳时空信息, 采用分类统计突跳数据的方法获取突跳的在轨增益档位, 并利用星上定标源目标和对地观测

  3. 所属分类：其它

  1. 基于神经网络的二维不变性目标识别方法

  2. 提出了一种基于多层前馈神经网络的二维不变性目标识别方法。利用傅里叶描述器提取具有旋转、平移及尺度不变性的目标形状特征。由于所识别的工业工具具有一个自由度,它们的形状有一定的动态变化范围,导致同一目标的形状特征矢量的不唯一性。文中采用含有两个隐层的多层前馈网络学习及识别这些特征矢量。在实验中,对四类机械工具进行测试,并将所提出方法与最近邻分类器进行比较。结果表明,具有反向传播(BP)学习算法的多层前馈网络对噪音和形状特征变化具有鲁棒性,且它还能判断未训练样本。

  3. 所属分类：其它

  1. 基于组合矩的激光成像雷达目标识别算法

  2. 随着激光技术的发展，激光成像雷达在现代战争复杂战场环境中逐渐获得了广泛的应用，目前激光成像雷达自动目标识别技术已成为国内外研究的热点问题。提出了基于组合矩的激光成像雷达目标识别算法，从激光成像雷达目标的距离像中提取低阶的Zernike矩、Hu矩和中心矩构成组合矩特征，该特征对距离像噪声不敏感，应用径向基函数(RBF)神经网络对三种地面目标进行分类识别。实验结果表明，该算法与应用Zernike矩和Hu矩特征进行分类识别相比，对三种激光成像雷达地面目标的平均识别率在高载噪比(20 dB)下分别提高了

  3. 所属分类：其它

  1. 基于非线性相关信息熵的SAR图像多分辨率选择及目标识别

  2. 针对合成孔径雷达(SAR)目标识别,提出一种联合非线性相关信息熵(NCIE)和多分辨表示的方法。采用NCIE对原始SAR图像的多分辨率表示进行选择,获得内在相关较强的若干分辨率。然后,采用联合稀疏表示对选取的多分辨率样本进行联合表征和分类。实验中,以MSTAR数据集为基础设计多种操作条件对不同方法进行测试,结果表明了所提方法的有效性。

  3. 所属分类：其它

  1. 基于复高斯模型的雷达高分辨距离像目标识别新方法

  2. 为了利用雷达高分辨距离像(HRRP)中的相位信息改善识别系统性能，提出了一类针对复距离像的目标识别新方法。分析了复距离像的统计特性，将识别领域常用的三种高斯模型——自适应高斯分类器(AGC)模型、联合高斯(JG)模型和概率主分量分析(PPCA)模型推广至复数域对复距离像统计建模。研究表明，这三种模型及其参数估计结果均不受距离像初相的影响。此外，为了解决噪声环境中的稳健识别问题，进一步提出了噪声稳健的模型修正方法。实验结果显示：在识别过程中加入距离像相位信息能够获得更高的正确识别率；且经过噪声稳健

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 25 »