中国韩国日本在线观看免费,A级尤物一区,日韩精品一二三区无码,欧美日韩少妇色

當前位置:主頁 > 科技論文 > 自動化論文 >

圖像深度特征提取方法研究

發(fā)布時間:2024-07-03 01:47
  圖像特征提取是指從圖像中提取出有利于圖像視覺任務的特征表達,其表達能力直接影響圖像視覺任務的性能。近年來,深度學習極大地提升特征表達的泛化能力,性能表現(xiàn)優(yōu)于傳統(tǒng)學習方法,已成功應用于圖像分類、目標檢測等視覺任務,甚至在某些領域超過了人類表現(xiàn)。目前,深度學習模型的研究內容包括網(wǎng)絡架構和損失函數(shù)兩大主要方向。前者探索深度卷積網(wǎng)絡中卷積的通道數(shù)、卷積層數(shù)、不同卷積核的組合以及不同分支的自適應選擇等,通常以網(wǎng)絡基本塊為粒度構建網(wǎng)絡,而后者是度量深度卷積網(wǎng)絡的預測值和和真實值間距離,用于指導深度網(wǎng)絡的訓練。這兩方面內容均對深度卷積網(wǎng)絡的性能影響較大。事實上,它們皆是研究者們對不同深層特征語義信息的初步改造,具有重要的理論貢獻和廣闊的應用前景。當前面向圖像分類的網(wǎng)絡架構和損失函數(shù)的研究點分別是關注機制和交叉熵損失函數(shù)。為此,本文主要工作為:1)設計新型的關注機制基本塊。關注機制是受人類視覺系統(tǒng)的注意力現(xiàn)象啟發(fā),其目的是關注感興趣的特征區(qū)域。當前常用的關注機制主要是用于端到端訓練深度網(wǎng)絡的軟關注,可分為通道關注和空間關注兩類,分別對應著給通道加權和特征圖元素進行加權操作。本文提出的新型關注機制,通過...

【文章頁數(shù)】:70 頁

【學位級別】:碩士

【部分圖文】:

圖5.4局部地圖、掃描、幀、特征之?

圖5.4局部地圖、掃描、幀、特征之?

棊于RGB-D相機數(shù)據(jù)的室內三維冀建摸型與方法研究表5.2計算任務分配表??計算乎臺?計算任務??ARM#1?畸變校正、深度圖像雙邊濾波等預處理、ORB特征提取??ARM?#2?特征匹配與驗證、掃描控制程岸??ARM?#3?SLAM++增量式優(yōu)化??PC?.全麵地圏生成、三負網(wǎng)4....


圖1.5特征提取過程

圖1.5特征提取過程

在該特征空間上,圖像中的每個像素更具有可分性。如圖1.5所示,特征提取是通過某種變換操作P,將原始特征從輸入域X映射到特征域Y。在特征域中,同種類別樣本的特征值更相似,其表現(xiàn)是在距離上同種類樣本之間距離更近,不同種類樣本之間距離更遠。這樣增加了樣本的判別性,提高分類器....


圖3.7感知損失網(wǎng)絡用于紅外與可見光圖像融合

圖3.7感知損失網(wǎng)絡用于紅外與可見光圖像融合

基于無監(jiān)督深度學習的紅外與可見光圖像融合方法研究54當使用感知損失網(wǎng)絡提取輸入源圖像深層特征時,將單通道紅外圖像、可見光圖像及調節(jié)圖像在通道維進行級聯(lián)組成三通道作為輸入,模擬真實圖像;當使用感知損失網(wǎng)絡提取融合后圖像深層特征時,因融合目標明確且融合圖像單一,直接將三路同樣的融合圖....


圖2.1基于深度圖像序列的人體動作特征提取方法流程圖

圖2.1基于深度圖像序列的人體動作特征提取方法流程圖

t傳感器)為本文獲取深度視頻序列提供了方便。在深度圖像中,每個像素代表了圖像中的深度值,從而保留了視覺信息中的三維信息。深度圖像在復雜背景、遮擋等因素的影響要比RGB小很多,并且在光照條件不同的情況下,紋理和顏色不發(fā)生改變,這些優(yōu)勢都為基于深度圖像序列的人體動作識別研究提供了更多....



本文編號:4000336

資料下載
論文發(fā)表

本文鏈接:http://www.lk138.cn/kejilunwen/zidonghuakongzhilunwen/4000336.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權申明:資料由用戶1f364***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com