計算機視覺
- 基于 StarGAN的人臉表情數(shù)據(jù)增強研究
關(guān)鍵詞： 計算機視覺; 表情生成; 數(shù)據(jù)增強; StarGAN; 注意力機制中圖分類號：TP18? ? ? ? 文獻標識碼：A文章編號：1009-3044（2023）34-0009-04開放科學（資源服務(wù)）標識碼（OSID） ：0 引言人臉表情往往比語言可以傳達更準確真實的信息，對于人臉表情的研究最早可以追溯到20世紀60年代，Ekman等[1]科學家將觀察人臉表情運用到心理學領(lǐng)域，他們建立了基本的7種表情分類，為后繼的研究奠定了基礎(chǔ)。當下利用深度學習方法
電腦知識與技術(shù) 2023年34期2024-01-24
- 基于百度飛槳平臺的計算機視覺課程改革與實踐
摘? 要：計算機視覺是當前計算機和人工智能領(lǐng)域的熱門方向，但前沿課程內(nèi)容在算法、算力和數(shù)據(jù)方面的需求，使得傳統(tǒng)授課模式無法滿足對當前學生實踐能力培養(yǎng)的需求。在教育部產(chǎn)學合作協(xié)同育人的背景下，該文從課程核心內(nèi)容、前沿技術(shù)擴展、先進實驗設(shè)計和考核方式改革等多方面，開展課程的革新與探索，并在實際教學活動詳解的基礎(chǔ)上，驗證教學質(zhì)量和學生綜合能力的提升，為計算機視覺相關(guān)課程提供參考。關(guān)鍵詞：計算機視覺；飛槳平臺；新工科；產(chǎn)學合作；協(xié)同育人中圖分類號：G642? ?
高教學刊 2024年2期2024-01-18
- 基于航拍圖像與改進U-Net的建筑外墻裂縫檢測方法
航拍圖像與計算機視覺的裂縫檢測方法。使用無人機繞建筑物航拍采集裂縫圖像，并構(gòu)建裂縫數(shù)據(jù)集；優(yōu)化U-Net模型以解決細長裂縫分割不連續(xù)、復雜背景下裂縫漏檢及背景誤檢的問題。將模型編碼網(wǎng)絡(luò)替換為預(yù)訓練的ResNet50以提升模型特征表達能力；添加改進的多孔空間金字塔池化（Atrous Spatial Pyramid Pooling，ASPP）模塊，獲取多尺度上下文信息；采用改進的損失函數(shù)處理裂縫圖像正負樣本分布極度不均的問題。結(jié)果表明：改進的U-Net模型解決
土木建筑與環(huán)境工程 2024年1期2024-01-03
- 基于圖像分割與軌跡追蹤的室內(nèi)飾面施工進度智能評估方法
信息模型；計算機視覺；室內(nèi)施工；施工進度；圖像分割；軌跡追蹤中圖分類號：TU767；TU17? ? ?文獻標志碼：A? ? ?文章編號：2096-6717（2024）01-0163-10Intelligent evaluation method of indoor finishing construction progress based on image segmentation and positional trackingLU Yujiea，b，c，
土木建筑與環(huán)境工程 2024年1期2024-01-03
- 用于農(nóng)作物種植信息提取的圖像分割技術(shù)研究進展
深度學習；計算機視覺中圖分類號：S771.8 文獻標志碼：C DOI：10.19415/j.cnki.1673-890x.2023.17.020農(nóng)作物種植面積是制定農(nóng)業(yè)政策和優(yōu)化農(nóng)作物種植結(jié)構(gòu)的重要依據(jù)，快捷、準確地獲取農(nóng)作物種植面積對保障糧食安全和國家經(jīng)濟發(fā)展具有重要意義[1-2]。傳統(tǒng)的農(nóng)作物種植面積監(jiān)測方法大多依賴于現(xiàn)場目視解譯，監(jiān)測時效性和精確性較差。遙感技術(shù)憑借其快速、無損、大范圍等優(yōu)點已廣泛應(yīng)用于農(nóng)作物種植信息監(jiān)測。隨著傳感器技術(shù)的快速進步，無
南方農(nóng)業(yè)·上旬 2023年9期2023-12-13
- 地震信號中干擾噪聲自動識別算法
神經(jīng)網(wǎng)絡(luò)；計算機視覺；噪聲檢測中圖分類號：TP311 ? ? 文獻標識碼：A ? 文章編號：2096-4706（2023）14-0080-05Automatic Identification Algorithm for Interference Noise in Seismic SignalsWU Zeyong， YUAN Jing（Institute of Disaster Prevention， Langfang ?065201， China）Abst
現(xiàn)代信息科技 2023年14期2023-09-06
- 基于計算機視覺技術(shù)的乒乓球技術(shù)動作AI評分系統(tǒng)研究與設(shè)計
人工智能）計算機視覺技術(shù)設(shè)計乒乓球技術(shù)動作AI評分系統(tǒng)。該系統(tǒng)結(jié)合廣東科學技術(shù)職業(yè)學院乒乓球精品課程建設(shè)，以乒乓球八個基本技術(shù)動作構(gòu)建AI模型，使用目標檢測、姿態(tài)估計、動作識別算法對學生的實際動作進行AI評分。實驗結(jié)果表明，使用乒乓球技術(shù)動作AI評分系統(tǒng)有利于開展個性化教學，提高了教學效率，還能支持遠程教學，可以在乒乓球教學中推廣應(yīng)用。關(guān)鍵詞：乒乓球;技術(shù)動作教學;動作AI評分;計算機視覺;人工智能中圖分類號：TP27.4 文獻標志碼：A0 引言（Intr
軟件工程 2023年8期2023-08-20
- 基于深度學習的車輛目標檢測算法綜述
神經(jīng)網(wǎng)絡(luò) 計算機視覺1 引言隨著人工智能技術(shù)的不斷發(fā)展，深度學習技術(shù)在計算機視覺領(lǐng)域中得到了廣泛的應(yīng)用。車輛目標檢測一直是計算機視覺領(lǐng)域中一個極具挑戰(zhàn)性的問題，具有廣泛的應(yīng)用前景。傳統(tǒng)的方法往往需要手工提取特征并構(gòu)建分類器來實現(xiàn)車輛目標檢測，這種方法容易受到環(huán)境變化的影響，并需要大量的調(diào)整和優(yōu)化。近年來，隨著深度學習技術(shù)的不斷發(fā)展，基于深度學習的車輛目標檢測算法在準確率和處理速度方面都取得了很大的提升，逐漸成為研究的熱點。圖1展示了目標檢測算法的發(fā)展歷程。
時代汽車 2023年15期2023-08-07
- 基于計算機視覺的沙糖橘果皮光滑指標檢測
要 ?使用計算機視覺系統(tǒng)提取沙糖橘果皮正面圖像，構(gòu)建有效的圖像采集方法、預(yù)處理方法、分割方法。從目標區(qū)域圖像中提取6個與品質(zhì)密切相關(guān)的果皮紋理特征信息用來分類識別果皮光滑，使用單一方差參數(shù)配合參數(shù)區(qū)間分類的方式正確率較低，為76.3%；進而以果皮6個灰度紋理特征開展MLP模型設(shè)計和訓練，使用訓練后的模型進行分類檢測。在實測一定數(shù)量的果皮得出分類檢測結(jié)果的基礎(chǔ)上，進行系統(tǒng)設(shè)計的可行性驗證。結(jié)果表明，基于3層的BP神經(jīng)網(wǎng)絡(luò)模型，設(shè)計6-8-2BP網(wǎng)絡(luò)結(jié)構(gòu)，分類
安徽農(nóng)業(yè)科學 2023年5期2023-07-04
- 利用計算機視覺識別人行橋時變模態(tài)參數(shù)
人行橋; 計算機視覺; 時變結(jié)構(gòu); VMD引 言近年來，隨著新型、高強建筑材料在結(jié)構(gòu)中的廣泛應(yīng)用和結(jié)構(gòu)造型要求的提高，更多輕質(zhì)、低頻、阻尼小的人行結(jié)構(gòu)出現(xiàn)，人致振動已成為結(jié)構(gòu)設(shè)計中不可忽略的問題［1］。對于輕質(zhì)結(jié)構(gòu)，存在行人?結(jié)構(gòu)相互作用問題，往往會因為行人步頻與結(jié)構(gòu)基頻接近而產(chǎn)生共振現(xiàn)象，而忽略行人?結(jié)構(gòu)之間的相互作用，會導致計算結(jié)構(gòu)基頻的結(jié)果與實測值偏離［2］，因此識別行人?結(jié)構(gòu)時變系統(tǒng)模態(tài)參數(shù)具有重要意義。目前，國內(nèi)外對行人?結(jié)構(gòu)相互作用的時變系統(tǒng)展
振動工程學報 2023年1期2023-06-30
- 基于手勢識別的智能家居人機交互系統(tǒng)
手勢識別；計算機視覺；人機交互；物聯(lián)網(wǎng)；Zigbee中圖分類號：TP391? ? ? ? 文獻標識碼：A文章編號：1009-3044（2023）13-0105-03開放科學（資源服務(wù)）標識碼（OSID）0 引言近年來，隨著人工智能、機器視覺等領(lǐng)域的高速發(fā)展，手勢識別技術(shù)在人機交互、AR等領(lǐng)域取得了不錯的成果。目前，手勢識別技術(shù)是當下非常流行的一種人機交互技術(shù)，這種技術(shù)提供給用戶便捷、靈活的交互方式，面向智能家居的手勢控制方式又具有操作簡單、人機交互友好等優(yōu)
電腦知識與技術(shù) 2023年13期2023-06-25
- 基于空間注意力的圖像分類網(wǎng)絡(luò)研究
深度學習；計算機視覺；圖像分類中圖分類號：TP391.4? ? 文獻標識碼：A? 文章編號：2096-4706（2023）02-0098-03Research on Image Classification Network Based on Spatial AttentionXU Haiyan， HAO Pingping（Shandong Huayu University of Technology， Dezhou? 253034， China）Abstr
現(xiàn)代信息科技 2023年2期2023-06-22
- AI繪畫的藝術(shù)屬性與創(chuàng)作實踐探究
AI繪畫；計算機視覺；藝術(shù)創(chuàng)作工具中圖分類號：TP18；J204 文獻標識碼：A 文章編號：1004-9436（2023）02-0-03人類對生活情感的記錄和表達是本性，而科技的發(fā)展一直影響著人類看待世界的方式。近年來，人工智能技術(shù)不斷更新迭代，吸引了大量藝術(shù)家的關(guān)注，相關(guān)研究者也開始探索人工智能技術(shù)在藝術(shù)創(chuàng)作方面的應(yīng)用。此外，藝術(shù)展示場所出現(xiàn)的人工智能藝術(shù)創(chuàng)作產(chǎn)品，其是否稱得上是藝術(shù)品，各種觀點也層出不窮，吸引著人們對AI繪畫這一新興技術(shù)和藝術(shù)相結(jié)合的產(chǎn)
藝術(shù)科技 2023年2期2023-06-22
- 紅外-可見光圖像融合的全天候目標追蹤方法
關(guān)鍵詞： 計算機視覺； 孿生神經(jīng)網(wǎng)絡(luò)； 圖像融合； 目標追蹤； 紅外圖像； 可見光圖像中圖分類號：TP399? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2023）06-96-07All-weather tracking method based on infrared-visible image fusionMa Zhejie， Wang Yulin， Li Ping（Department of Computer Scienc
計算機時代 2023年6期2023-06-15
- 基于計算機視覺的蘋果樹果實缺陷探測研究
，文章根據(jù)計算機視覺技術(shù)蘋果分級研究現(xiàn)狀，結(jié)合實際需要探討一種能夠?qū)μO果進行分選的檢測系統(tǒng)，并對R通道方法進行簡單的介紹，同時對檢測系統(tǒng)的應(yīng)用效果進行試驗。結(jié)果顯示，這種算法具備可行性，可以取得良好的應(yīng)用效果。基于此，文章以蘋果樹發(fā)病時葉片顏色、紋理呈現(xiàn)的差異作為依據(jù)，巧妙地使用計算機視覺技術(shù)，研發(fā)出一套可以診斷蘋果樹病害的檢測系統(tǒng)。關(guān)鍵詞：計算機視覺；蘋果分級；檢測系統(tǒng)；應(yīng)用效果中圖分類號：TP39? 文獻標志碼：A0 引言蘋果樹病害控制的科學方法是在蘋
無線互聯(lián)科技 2023年2期2023-06-15
- 計算機視覺課程綜合教學案例設(shè)計與實踐
要：針對計算機視覺課程核心知識點分散、較難以掌握的問題，設(shè)計并實踐綜合性教學案例“環(huán)視系統(tǒng)構(gòu)建及基于環(huán)視的語義信息提取”。以此案例為載體，講授相機模型、相機標定、幾何變換和深度學習等知識點，讓學生在實踐中學習、在學習中實踐。該案例的有效性已在同濟大學的教學實踐中得到充分驗證。關(guān)鍵詞：計算機視覺；教學案例；實踐教學；環(huán)視系統(tǒng)；核心知識點Abstract： To solve the problem that the knowledge points of c
高教學刊 2023年16期2023-06-04
- 聚類Anchor參數(shù)與邊界框損失優(yōu)化的室內(nèi)人群檢測
LOv3；計算機視覺中圖分類號：TP391.4 文獻標識碼：A文章編號：1009-3044（2023）03-0030-041 概述隨著機器學習和計算機視覺技術(shù)的發(fā)展，人們對視頻監(jiān)控的智能化水平的需求逐步提高，其中的人群自動計數(shù)有著重要的社會意義和市場應(yīng)用前景，如公共安全、應(yīng)急疏散等領(lǐng)域[1-2]。本文主要針對教室人群的精確檢測統(tǒng)計問題，在YOLOv3[8]檢測框架下展開研究，為室內(nèi)人群智能化監(jiān)控提供支持。檢測場景設(shè)定為室內(nèi)人群，以教室和會議室人員檢測統(tǒng)計為
電腦知識與技術(shù) 2023年3期2023-05-30
- 基于機器視覺的沙糖橘果皮破裂和缺陷檢測
件相結(jié)合的計算機視覺檢測分類系統(tǒng)。該系統(tǒng)采用單CCD和LED環(huán)形光源，通過計算機協(xié)作，利用計算機視覺系統(tǒng)提取沙糖橘果皮的正面圖像，構(gòu)建了有效的圖像采集方法、預(yù)處理方法、顏色模型和分割方法，采用傅里葉變換、高頻濾波、形態(tài)學（方案）和分類樹等方法對沙糖橘的表面缺陷進行研究，并為實際的自動化應(yīng)用找到更準確和更合適的方法。結(jié)果表明，該方法的可靠性和穩(wěn)定性優(yōu)于傳統(tǒng)的單一形態(tài)學的識別方法。關(guān)鍵詞 果皮；計算機視覺；圖像處理；智能分級；傅立葉變換；分類樹中圖分類號 S1
安徽農(nóng)業(yè)科學 2023年9期2023-05-29
- 基于ResNet模型的玉米葉片病害檢測與識別
智慧農(nóng)業(yè)；計算機視覺中圖分類號：TP391.41 文獻標志碼：A文章編號：1002-1302（2023）08-0164-07基金項目：國家自然科學基金面上項目（編號：31772206、31972274）；中國高校產(chǎn)學研創(chuàng)新基金新一代信息技術(shù)創(chuàng)新項目（編號：2020ITA03012）。作者簡介：熊夢園 （1998—），男，湖北枝江人，碩士，主要從事計算機視覺技術(shù)應(yīng)用研究。E-mail：2021710574@yangtzeu.edu.cn。通信作者：詹 煒，博
江蘇農(nóng)業(yè)科學 2023年8期2023-05-23
- 基于Transformer的目標檢測研究綜述
mer； 計算機視覺； 深度學習中圖分類號：TP391? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2023）05-06-05Summary of research on target detection based on TransformerLiu Yujing（Information Science and Engineering， Shanxi Agricultural University， Taigu， Shanxi
計算機時代 2023年5期2023-05-14
- 面向中學生的人工智能算法教學探究
授人工智能計算機視覺算法的教學方法，總結(jié)了計算機視覺算法教學的要點和技巧。作者選取了計算機視覺中的經(jīng)典任務(wù)物體識別作為探究對象，以花朵的物體識別為例，通過將物體識別算法拆分為不同的步驟，根據(jù)學生的數(shù)學、物理、信息技術(shù)的知識背景，選擇重點進行教學并設(shè)計教法。該物體識別算法被分為顏色空間轉(zhuǎn)換、色調(diào)降維、圓圈算法、驗證等四個步驟，通過與學生日常學習、生活、娛樂的例子相結(jié)合，將抽象的算法問題趣味化、實例化、活動化，取得了良好的教學效果，為人工智能算法的教學提供了生
中小學信息技術(shù)教育 2023年4期2023-04-20
- 基于深度學習的兩階段目標檢測算法綜述
目標檢測是計算機視覺的重要研究方向之一，旨在準確識別圖像中目標的位置和類別，因其較高的準確性，受到研究人員的廣泛關(guān)注。近年來，計算機技術(shù)快速發(fā)展，相對于傳統(tǒng)的目標檢測算法，基于深度學習的目標檢測算法的優(yōu)勢逐漸凸顯，該算法精度高、實時性好。本文介紹了幾種經(jīng)典的兩階段目標檢測算法，對其優(yōu)缺點進行了比較，并對未來兩階段目標檢測算法的發(fā)展進行了展望。關(guān)鍵詞：深度學習；目標檢測算法；技術(shù)演變 ；計算機視覺引言自計算機誕生之時，研究人員就在思考如何使計算機變得智能。如
互聯(lián)網(wǎng)周刊 2023年5期2023-03-10
- “計算機視覺”課程思政教學研究
。本文以“計算機視覺”課程為例，旨在探討研究生課程思政面臨的挑戰(zhàn)，以及如何提煉思政元素并有機融入專業(yè)教學過程中。1 開展“計算機視覺”課程思政面臨的挑戰(zhàn)“計算機視覺”課程是安慶師范大學軟件工程專業(yè)碩士研究生的一門專業(yè)核心課程。該課程融合了人工智能、深度學習、高等數(shù)學、機器學習，乃至神經(jīng)生物學等不同領(lǐng)域，是一門高度交叉的學科，是我校軟件工程專業(yè)數(shù)據(jù)感知與可視計算研究方向重要的課程支撐?；谏疃葘W習技術(shù)，該課程主要培養(yǎng)研究生解決圖像識別、檢測與分割、可視化理解
安慶師范大學學報(自然科學版) 2022年4期2022-12-27
- 基于CenterNet的車輛姿態(tài)識別研究
度，實驗以計算機視覺識別技術(shù)為基礎(chǔ)，提出了一種基于CenterNet的車輛姿態(tài)識別方法。首先使用在車輛正常行駛道路拍攝的高清圖片模擬行車記錄儀所拍到的每幀圖像;然后，用CenterNet網(wǎng)絡(luò)模型進行特征提取;最后，特征網(wǎng)絡(luò)用回歸的方式，輸出一個四元數(shù)，來描述車輛具體的位置信息和姿態(tài)信息。實驗結(jié)果表明，此方法能有效檢測出圖片中車輛姿態(tài)信息。關(guān)鍵詞：計算機視覺;車輛姿態(tài)識別;四元數(shù);CenterNet中圖分類號：TP18? ? ? 文獻標識碼：A文章編號：10
電腦知識與技術(shù) 2022年20期2022-08-29
- 工業(yè)場景下AI質(zhì)檢關(guān)鍵技術(shù)及平臺架構(gòu)研究
。關(guān)鍵詞：計算機視覺;機器學習;深度神經(jīng)網(wǎng)絡(luò);工業(yè)質(zhì)檢;MEC;容器化中圖分類號：TP391.4 ? ? ? 文獻標識碼：A文章編號：2096-4706（2022）05-0149-04Research on Key Technology and Platform Architecture of AI Quality Inspection under Industrial SceneZHOU Hua， ZHENG Rong， XIAO Rong（Shangh
現(xiàn)代信息科技 2022年5期2022-07-10
- 基于ResNet網(wǎng)絡(luò)與離散變分自編碼器的精細輪廓檢測方法
自編碼器;計算機視覺;交叉熵損失函數(shù)中圖分類號：TP391.41? ? ? DOI：10.16375/j.cnki.cn45-1395/t.2022.03.0020? ? 引言在計算機視覺領(lǐng)域中，輪廓檢測作為一項基礎(chǔ)視覺任務(wù)，旨在檢測自然圖像中具有視覺顯著性的輪廓。對于一些高級的視覺任務(wù)，如目標檢測[1]、目標跟蹤[2]、光流檢測[3]以及圖像分割[4-5]等，輪廓檢測通常是其基礎(chǔ)或作為其輔助，輪廓信息的質(zhì)量直接影響了這些任務(wù)的性能。為了更好地服務(wù)于這些高
廣西科技大學學報 2022年3期2022-07-08
- 數(shù)字圖像修復方法研究進展
圖像修復;計算機視覺;自編碼網(wǎng)絡(luò)中圖法分類號：TP391.4? ? ? ? ? ?文獻標識碼：A文章編號：2096-4706（2022）04-0038-03Research Progress of Digital Image Inpainting MethodsWANG Ke（College of Physics and Information Engineering， Fuzhou University， Fuzhou? 350108， China）Ab
現(xiàn)代信息科技 2022年4期2022-07-07
- 基于融合編碼算法的圖像去霧方法研究
神經(jīng)網(wǎng)絡(luò);計算機視覺1.引言在有霧或煙霧的復雜環(huán)境中拍攝的圖像可能質(zhì)量較差，包括能見度、對比度、銳度等指標都較差，這是大氣粒子的反射、折射和散射的綜合光學效果。通過圖像去霧技術(shù)來對這種環(huán)境中拍攝的圖像進行增強，是自動駕駛和視頻監(jiān)控等領(lǐng)域研究的熱點問題。目前的圖像去霧方法主要包括傳統(tǒng)方法和深度學習方法，傳統(tǒng)方法又可以分為基于數(shù)學模型的方法和基于物理模型的方法。對模糊圖像或弱視覺場景的一些研究表明，人類視神經(jīng)系統(tǒng)通常提取場景的主要輪廓，并添加顏色等其他特征，然
科技研究·理論版 2022年11期2022-07-07
- 基于深度學習框架YOLOV5行人跟蹤及車輛檢測
目標檢測在計算機視覺方向的研究有著不凡的研究，目前目標檢測算法可以分成3類：傳統(tǒng)的目標檢測算法：Cascade + HOG/DPM + Haar/SVM;候選區(qū)域/框 + 深度學習分類：R-CNN? SPP-net YOLO/SSD/DenseBox 等方法。其中在YIOLO模型中YOLOV5上提出了目標檢測算法，研究表明，較傳統(tǒng)目標檢測算法而言。該算法在目標檢測上有著更高的精確度。關(guān)鍵詞：目標檢測算法;計算機視覺;深度學習;YOLO模型一、概述近幾年，我
客聯(lián) 2022年4期2022-07-06
- 液壓支架護幫板工作狀態(tài)智能識別
深度學習和計算機視覺的算法，可采用融合幅度信息的光流直方圖（Histograms of Oriented Optical Flow，HOF）提取運動特征。實驗結(jié)果表明：算法的準確率達到88.69%、精確率達到79.08%、召回率達到76.16%、F1_score值達到76.53%，fps值達到18幀/s，驗證了該算法的可行性和有效性。關(guān)鍵詞： 液壓支架護幫板; 光流直方圖; 運動識別; 計算機視覺; 煤礦作業(yè)中圖分類號：TP391.41? ? ? ? ?
計算機時代 2022年6期2022-06-21
- 基于計算機視覺的無人機目標檢測算法綜述
目標檢測。計算機視覺技術(shù)早在20世紀90年代就已經(jīng)開始應(yīng)用于無人機領(lǐng)域，早期受限于微處理器較差的運算能力，相關(guān)算法雖然有一定的優(yōu)化但總體上發(fā)展緩慢。經(jīng)過幾十年的發(fā)展，目前隨著處理器運算能力的顯著提升，利用計算機視覺相關(guān)技術(shù)解決無人機應(yīng)用中的問題顯得更加得心應(yīng)手。關(guān)鍵詞：計算機視覺;無人機;目標檢測;引言隨著無人機在軍用及民用領(lǐng)域的廣泛應(yīng)用，以無人機為平臺的圖像獲取和處理技術(shù)在軍事、交通、物流和攝影等諸多領(lǐng)域得到快速發(fā)展?；跓o人機視覺的多目標跟蹤技術(shù)已成為
新視線·建筑與電力 2022年4期2022-06-08
- 計算機視覺及網(wǎng)絡(luò)領(lǐng)域中人工智能的運用研究
要：在當前計算機視覺和網(wǎng)絡(luò)領(lǐng)域中融入人工智能技術(shù)本身的優(yōu)勢較為突出，不僅可以促進計算機視覺和網(wǎng)絡(luò)領(lǐng)域的穩(wěn)定發(fā)展，還有助于滿足人們當前的使用需求，使人工智能技術(shù)應(yīng)用效果能夠得到全面增強，因此在實際工作中需要相應(yīng)對人工智能技術(shù)的深入性開發(fā)，符合計算機視覺以及網(wǎng)絡(luò)領(lǐng)域現(xiàn)代化的發(fā)展需求。關(guān)鍵詞：計算機視覺;網(wǎng)絡(luò)領(lǐng)域;人工智能技術(shù);應(yīng)用 在計算機視覺和網(wǎng)絡(luò)領(lǐng)域中融入人工智能技術(shù)時需要掌握對人工智能技術(shù)與計算機視覺及網(wǎng)絡(luò)領(lǐng)域的契合點，并且根據(jù)以往發(fā)展中所存在的問題融
客聯(lián) 2022年3期2022-05-31
- 基于距離感知自上而下的多人三維姿態(tài)估計
姿態(tài)估計是計算機視覺領(lǐng)域的一個熱門研究方向。人體姿態(tài)估計的技術(shù)發(fā)展已有一段時間，相關(guān)的方法已經(jīng)提出比較多，這些方法基本都局限于單人的三維姿態(tài)處理。在大多場景下，三維運動形態(tài)呈現(xiàn)多人交互的情況，所以多人姿態(tài)估計的問題需要處理。隨著深度學習的理論發(fā)展，該文提出基于距離感知自上而下深度學習，處理多人三維姿態(tài)估計的問題。關(guān)鍵詞：計算機視覺;多人三維姿態(tài)估計;深度學習中圖分類號：TP391.41? ? ? 文獻標識碼：A文章編號：1009-3044（2022）11-
電腦知識與技術(shù) 2022年11期2022-05-31
- 基于元學習的圖像翻譯算法
翻譯是目前計算機視覺領(lǐng)域一個比較重要的方向，其目標旨在學習兩個不同圖像域之間的映射，同時保留原始圖像的特征和語義。當今，無監(jiān)督學習的圖像翻譯利用生成對抗網(wǎng)絡(luò)和比較多的訓練數(shù)據(jù)能夠取得不錯的性能。但現(xiàn)有的圖像翻譯模型是采用一種一次性的方式形成，其中忽略了訓練過程的學習經(jīng)驗，所生成的模型只能適用于特定的領(lǐng)域，不能適應(yīng)一個未知的領(lǐng)域。該文在循環(huán)一致性生成對抗網(wǎng)絡(luò)的研究基礎(chǔ)之上，嘗試從元學習的角度來處理這一類問題。關(guān)鍵詞：循環(huán)一致性生成對抗網(wǎng)絡(luò);元學習;圖像翻譯;
電腦知識與技術(shù) 2022年22期2022-05-30
- 基于計算機視覺的健康監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)
文章采用了計算機視覺的方法，通過檢測虹膜上的特征，觀察虹膜各反射區(qū)的變化，從而了解身體的健康及狀態(tài)改變，實現(xiàn)人體亞健康狀況的檢測，從而早預(yù)防早治療。關(guān)鍵詞：虹膜特征檢測；人體健康監(jiān)測系統(tǒng)；圖像處理；計算機視覺中圖分類號：TP391 ? ? ?文獻標識碼：A文章編號：1009-3044（2021）31-0017-021 引言虹膜診斷學[1]就是一種通過檢查虹膜紋理特征判斷人體內(nèi)部器官的潛在問題和病變的方法。由于虹膜上有人體臟器的各種反射區(qū)，因此可以通過檢測虹
電腦知識與技術(shù) 2022年31期2022-05-30
- 基于計算機視覺的車道識別及駕駛狀態(tài)監(jiān)測方法
朋關(guān)鍵詞 計算機視覺 車道識別 駕駛狀態(tài)監(jiān)測1引言近年來，隨著社會經(jīng)濟的不斷發(fā)展，人們生活水平不斷提高，越來越多的家庭擁有了汽車。自動駕駛技術(shù)的不斷發(fā)展，使得越來越多的汽車開始裝備駕駛輔助系統(tǒng)。采用計算機視覺進行道路識別和駕駛輔助具有成本低、部署快速、效率高等特點。使用OpenCV 對攝像頭傳回的數(shù)據(jù)進行實時處理。使用Canny 邊緣檢測技術(shù)和霍夫變換以實現(xiàn)圖像的實時處理，Canny 邊緣檢測采用了高斯模糊來加強對數(shù)據(jù)處理的精準性，首先進行圖像的降噪，然后
計算機應(yīng)用文摘·觸控 2022年12期2022-05-30
- 計算機視覺及網(wǎng)絡(luò)領(lǐng)域中人工智能的運用
網(wǎng)絡(luò)技術(shù)和計算機視覺領(lǐng)域的應(yīng)用對人類文明的發(fā)展具有一定的促進作用，可以使科學技術(shù)更具創(chuàng)新性和現(xiàn)代性，進而使其更好地為人類生活服務(wù)。關(guān)鍵詞：計算機視覺;網(wǎng)絡(luò)領(lǐng)域;人工智能運用引言在計算機視覺和網(wǎng)絡(luò)領(lǐng)域中運用人工智能技術(shù)，不僅可以推動社會的健康穩(wěn)定發(fā)展，還能豐富人們的日常生活。社會的不斷進步，推動了人工智能技術(shù)的快速發(fā)展，進一步擴展了人工智能的覆蓋范圍。人工智能技術(shù)促進了各個行業(yè)的發(fā)展，對我國社會經(jīng)濟的發(fā)展具有重要意義。因此，相關(guān)研究人員需要跟隨時代發(fā)展的腳步
科教創(chuàng)新與實踐 2022年4期2022-04-21
- 高壓設(shè)備放電紫外圖像光斑區(qū)域特征提取
部攝像頭和計算機視覺方法定位鼠標指針，校準視覺和激勵器空間鼠標移動關(guān)聯(lián)，確定鼠標移動尺度，最終完成相應(yīng)鼠標動作。案例研究表明該方法具有較高的測試執(zhí)行準確度，有良好的實用價值。關(guān)鍵詞：計算機視覺;測試自動化;鼠標;非侵入式中圖分類號：?TP311??????文獻標識碼：AA?Computer?Vision?Based?Mouse?Input?Test?Automation?MethodZHOU?Xu，QIAN?Ju（College?of?Computer?S
計算技術(shù)與自動化 2022年1期2022-04-15
- 基于視覺的位姿計算技術(shù)在圖書館中的應(yīng)用探索
輝摘 要 計算機視覺技術(shù)在產(chǎn)業(yè)升級中發(fā)揮了重要的作用，是建設(shè)下一代智慧圖書館的關(guān)鍵技術(shù)，而位姿計算技術(shù)是計算機視覺技術(shù)重要的研究應(yīng)用方向。論文首次探索了基于視覺的位姿計算技術(shù)在圖書館中的應(yīng)用，探討了該技術(shù)對圖書館服務(wù)的重要意義，并且基于開源框架成功實現(xiàn)了基于視覺的位姿計算技術(shù)，將位姿計算系統(tǒng)實際部署在西北工業(yè)大學圖書館中。代表性場景的位姿計算結(jié)果表明，論文基于視覺的位姿計算技術(shù)方法，其位移精度在10厘米以內(nèi)，角度精度在2度以內(nèi)，定位平均耗時約為50毫秒，位
新世紀圖書館 2022年3期2022-04-02
- 融合人體姿態(tài)估計和目標檢測的學生課堂行為識別
檢測;? 計算機視覺;? 深度學習中圖分類號： TP391.1??? 文獻標志碼： ADOI：10.3969/j.issn.1000-5641.2022.02.007Recognition of classroom learning behaviors based on the fusion of human pose estimation and object detectionWANG Zejie1，2 ，? SHEN Chaomin1，2 ，? ZH
華東師范大學學報（自然科學版） 2022年2期2022-03-31
- 基于計算機視覺的夜間交通流量統(tǒng)計算法研究
。關(guān)鍵詞：計算機視覺;交通流量統(tǒng)計;YOLOv5s;DeepSORT;智能交通中圖分類號：TP391.41;TP393.021文獻標識碼：A智能交通技術(shù)是融合多學科內(nèi)容的前沿學科[1]，交通流量統(tǒng)計[2]是智能交通技術(shù)的重要環(huán)節(jié)和數(shù)據(jù)來源，開展這方面的研究具有重要意義。目前，交通流量統(tǒng)計算法分為目標檢測、目標跟蹤和目標統(tǒng)計三個模塊。目標檢測[3]是獲取交通流信息的第一步，準確的目標檢測算法可以大大提高跟蹤模塊的性能。傳統(tǒng)的目標檢測方法易受到天氣和光線等外界
青島大學學報（工程技術(shù)版） 2022年2期2022-03-29
- 基于深度學習的 高中學生課堂坐姿識別研究
智慧校園;計算機視覺;行為識別中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2022）06-0000-04● 引言課堂行為識別是教學領(lǐng)域的重要基本活動，在人工智能教育的應(yīng)用中，計算機視覺與課堂場景相結(jié)合對于智慧校園的信息化和網(wǎng)絡(luò)化建設(shè)具有較大應(yīng)用價值。該技術(shù)的應(yīng)用一方面可以改善傳統(tǒng)課堂和錄播系統(tǒng)需要消耗教師大量精力進行觀察的問題，減輕評課負擔，有利于教師教學方法和教學策略的改進和調(diào)整，另一方面也便于學生對自己課上行為和學習狀態(tài)有更
中國信息技術(shù)教育 2022年6期2022-03-24
- 基于AWS SageMaker和DeepLens的高校課堂學生問題行為檢測方法研究
計算技術(shù)在計算機視覺應(yīng)用中更具有成本效益、部署靈活的優(yōu)點，突破傳統(tǒng)計算機視覺與硬件結(jié)合在日常使用中的困難，能更好地將信息技術(shù)融合到高校課堂中。關(guān)鍵詞：機器學習;云計算;計算機視覺中圖分類號：TP393? ? ? ? ?文獻標識碼：A文章編號：1009-3044（2022）01-0113-03教育信息化進入了新的發(fā)展階段，大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等新興技術(shù)將驅(qū)動傳統(tǒng)教學理念、模式、內(nèi)容和方法的改革，推動智慧校園的建設(shè)，全面提升教育信息化水平[1-2]。在智慧
電腦知識與技術(shù) 2022年1期2022-03-11
- 視頻目標跟蹤綜述
關(guān)濾波; 計算機視覺中圖分類號：TP399? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2022）01-32-04Overview on video target trackingZhang Feng， Feng Ping（Guizhou University of Finance and Economics， Guiyang， Guizhou 550025， China）Abstract： This paper focuses
計算機時代 2022年1期2022-01-22
- 基于計算機視覺的網(wǎng)約車車載智能監(jiān)控系統(tǒng)研究
濤關(guān)鍵詞：計算機視覺;網(wǎng)約車;車載監(jiān)控;人臉檢測1緒論隨著網(wǎng)約車數(shù)量劇增，覆蓋時段、覆蓋區(qū)域也大大增加，乘車安全問題逐漸涌現(xiàn)，這告訴我們，現(xiàn)有的安全措施只能“亡羊補牢”，真正的安全是要做到“未雨綢繆”，將傷害控制在危險發(fā)生之前。然而某網(wǎng)約車軟件內(nèi)置的一鍵報警、添加緊急聯(lián)系人等防范措施在一些受限環(huán)境下并不能有效阻止傷害的發(fā)生，同時，現(xiàn)階段的車載監(jiān)控系統(tǒng)往往只起到事后查證的作用，對正在發(fā)生的危險并不能進行智能預(yù)警。因而我們亟須一種網(wǎng)約車智能安防監(jiān)控系統(tǒng)，來對車
科技風 2021年33期2021-12-24
- 基于人工智能技術(shù)的口罩佩戴檢測系統(tǒng)的設(shè)計與實現(xiàn)
。關(guān)鍵詞：計算機視覺 深度學習 目標檢測 端到端神經(jīng)網(wǎng)絡(luò)近年來，隨著人工智能的不斷發(fā)展和機器學習，深度學習領(lǐng)域的不斷突破，計算機視覺技術(shù)日趨成熟。目標檢測，語義分割，動作視覺，三維重建等技術(shù)迅速發(fā)展起來，并且得到了日益廣泛的應(yīng)用。在抗擊新冠肺炎疫情的時代背景下，疫情防控進入常態(tài)化時期，我們將深度學習和計算機視覺技術(shù)應(yīng)用到了現(xiàn)實場景中，采用機器視覺中的目標檢測技術(shù)，進行了口罩佩戴檢測系統(tǒng)的開發(fā)，并將該系統(tǒng)部署到了上位機上。該系統(tǒng)可以對人群中的人臉是否佩戴口罩
科學與生活 2021年8期2021-12-22
- 干擾環(huán)境下基于計算機視覺的多目標動位移高精度監(jiān)測方法
當前基于計算機視覺的動位移測量研究通常要求高速高分辨率攝像機和理想拍攝環(huán)境，以保證測量的性能和精度。然而高速相機成本較高，目標成像需要較高對比度，且實際拍攝過程中環(huán)境條件也難以保持穩(wěn)定，導致應(yīng)用受限。結(jié)合時空上下文算法和光流算法，提出一種無需人工標靶點、魯棒的多目標位移監(jiān)測方法，通過智能手機實現(xiàn)干擾環(huán)境下的結(jié)構(gòu)多點動位移同步測量。開展懸臂小球模型的掃頻實驗，檢驗方法在一定頻率范圍內(nèi)的測量效果。其中，使用智能手機對激振小球進行拍攝，并在實驗中保留復雜背景和
振動工程學報 2021年5期2021-12-16
- 基于計算機視覺停車位分類探析
此，本文在計算機視覺的基礎(chǔ)上，對于汽車的停車位分析以及停車位狀態(tài)識別的算法、停車位分類分析研究如下。關(guān)鍵詞：計算機視覺;停車位;車位狀態(tài)識別;車位定位引言在汽車行業(yè)以及社會經(jīng)濟不斷發(fā)展的背景下，停車場對停車位的管理問題以及空閑停車位的檢測問題成為智能化停車場建設(shè)以及智能化停車發(fā)展的關(guān)鍵。目前，我國車位識別研究以計數(shù)器和傳感器、視覺圖像為基礎(chǔ)，分別從不同的技術(shù)角度對如何精準地識別停車場的空閑車位進行分析與研究。在此基礎(chǔ)上，本文以計算機視覺為技術(shù)切入點，對停車
科學與生活 2021年25期2021-12-02
- 基于深度學習的圖像超分辨率研究
的過程，是計算機視覺領(lǐng)域的一個研究熱點。近年來，隨著圖像超分辨率技術(shù)理論的不斷創(chuàng)新，從傳統(tǒng)的插值法、重構(gòu)法發(fā)展到主流的深度學習算法。文中從圖像超分辨率的定義出發(fā)，梳理了圖像超分辨率各個時期的代表性算法，詳細介紹了基于卷積神經(jīng)網(wǎng)絡(luò)、殘差網(wǎng)絡(luò)與生成對抗網(wǎng)絡(luò)三個主流的超分辨率模型，并討論了各個模型的網(wǎng)絡(luò)結(jié)構(gòu)、學習策略以及損失函數(shù)等問題。最后，對圖像超分辨率當前的研究情況進行總結(jié)。關(guān)鍵詞： 圖像超分辨率; 深度學習; 神經(jīng)網(wǎng)絡(luò); 計算機視覺中圖分類號：TP18?
電腦知識與技術(shù) 2021年30期2021-11-28
- 基于深度學習的圖像超分辨率研究
的過程，是計算機視覺領(lǐng)域的一個研究熱點。近年來，隨著圖像超分辨率技術(shù)理論的不斷創(chuàng)新，從傳統(tǒng)的插值法、重構(gòu)法發(fā)展到主流的深度學習算法。文中從圖像超分辨率的定義出發(fā)，梳理了圖像超分辨率各個時期的代表性算法，詳細介紹了基于卷積神經(jīng)網(wǎng)絡(luò)、殘差網(wǎng)絡(luò)與生成對抗網(wǎng)絡(luò)三個主流的超分辨率模型，并討論了各個模型的網(wǎng)絡(luò)結(jié)構(gòu)、學習策略以及損失函數(shù)等問題。最后，對圖像超分辨率當前的研究情況進行總結(jié)。關(guān)鍵詞： 圖像超分辨率; 深度學習; 神經(jīng)網(wǎng)絡(luò); 計算機視覺中圖分類號：TP18?
電腦知識與技術(shù) 2021年30期2021-11-28
- 基于多視角數(shù)字圖像的深基坑三維重構(gòu)研究
三維重構(gòu)是計算機視覺方法。本文采用數(shù)字圖像方法對深基坑進行了三維重構(gòu)研究，分析了三維重構(gòu)中SIFT和RANSAC等算法的參數(shù)對計算性能的影響，通過選取合適的參數(shù)，使得RANSAC算法能夠在滿足精度要求的前提下速度更快。同時，將計算得到的參數(shù)應(yīng)用于實際深基坑三維重構(gòu)，既滿足了工程精度，又達到了計算速度的要求。關(guān)鍵詞：深基坑;三維重構(gòu);計算機視覺中圖分類號：TU753文獻標識碼：A文章編號：1003-5168（2021）16-0010-05Abstract：
河南科技 2021年16期2021-11-28
- 基于機器視覺的智能圖書分揀裝置研究設(shè)計
揀;算法;計算機視覺;形狀識別0 引言近年來中國重視智能一體化裝置建設(shè)，從智能無人售賣機到智能無人超市再到智能圖書館，智能化建設(shè)逐步發(fā)展，但中國現(xiàn)有的智能圖書館建設(shè)還存在許多待解決的問題，與國外智能圖書館的建設(shè)相比較還存在有一定的差距。我國目前市場上圖書分揀系統(tǒng)存在著諸多問題：1.現(xiàn)有得圖書分揀裝置，容易出現(xiàn)分揀過程中取不出書現(xiàn)象。2.圖書館分揀人員在進行圖書分揀系統(tǒng)工作時，如若不注意，可能會造成圖書損壞的現(xiàn)象，對圖書造成極大的影響，影響讀者二次閱讀。3.
科學與生活 2021年18期2021-11-24
- 電力巡檢無人機精準降落方法研究與應(yīng)用
垂直定位;計算機視覺;四維速度矢量控制;自適應(yīng)抗干擾無人機巡檢對于提高輸電系統(tǒng)巡檢效率，降低人力成本和人員安全風險等方面發(fā)揮著重要的作用。在巡檢無人機整個工作過程中，降落定位是一項非常重要但存在較大干擾的技術(shù)難點。傳統(tǒng)的無人機降落技術(shù)主要包括慣性導航、衛(wèi)星導航、多普勒導航、地形輔助導航等方法。慣性導航方法不受外界任何信息影響，穩(wěn)定性好，但定位誤差隨時間不斷積累，因而精度較低;慣性導航方法具備全天候、連續(xù)精密定位能力，實時性較好，但易受電磁干擾影響，穩(wěn)定性較
計算技術(shù)與自動化 2021年2期2021-11-10
- 基于計算機視覺的醫(yī)用口罩在線檢測系統(tǒng)設(shè)計
了一種基于計算機視覺技術(shù)的醫(yī)用口罩在線檢測系統(tǒng)，該系統(tǒng)采用單相機實現(xiàn)了口罩產(chǎn)品的正反面圖像采集，采用計算機視覺技術(shù)來自動識別口罩的有無，判斷耳帶缺陷、鼻條缺陷等不良狀況，設(shè)計了一套醫(yī)用口罩在線檢測軟件來實現(xiàn)系統(tǒng)的功能，軟件執(zhí)行結(jié)果表明，文章提出的在線檢測系統(tǒng)能夠有效識別醫(yī)用口罩的各種缺陷，實現(xiàn)智能化在線檢測，提升口罩產(chǎn)品檢測質(zhì)量，節(jié)省口罩生產(chǎn)成本。關(guān)鍵詞：醫(yī)用口罩;計算機視覺;品質(zhì)檢測;缺陷檢測;顏色定位中圖分類號：TP391.4;TP273? 文獻標識碼
現(xiàn)代信息科技 2021年5期2021-10-19
- 基于投影函數(shù)的人眼檢測方法綜述
人眼檢測是計算機視覺領(lǐng)域的重要研究對象，也是人臉檢測、虹膜分割以及人眼跟蹤技術(shù)等技術(shù)的關(guān)鍵前提條件，廣泛應(yīng)用于各種場景之中。利用投影函數(shù)能分析圖像特征，提取出圖像的關(guān)鍵點，大量的研究表明利用投影函數(shù)能有效地檢測人眼。文章詳細介紹了各類基于投影函數(shù)的人眼檢測方法原理，分析了其特點，希望能為相關(guān)研究人員提供參考。關(guān)鍵詞：計算機視覺;投影函數(shù);人眼檢測;人眼定位中圖分類號：TP391.4 ? 文獻編制碼：A ? 文章編號：2096-4706（2021）05-00
現(xiàn)代信息科技 2021年5期2021-10-19
- 基于Transformer目標檢測研究綜述
目標檢測是計算機視覺領(lǐng)域三大任務(wù)之一，同時也是計算機視覺領(lǐng)域內(nèi)一個最基本和具有挑戰(zhàn)性的熱點課題，近一年來基于Transformer的目標檢測算法研究引發(fā)熱潮。簡述Transformer框架在目標檢測領(lǐng)域的研究狀況，介紹了其基本原理、常用數(shù)據(jù)集和常用評價方法，并用多種公共數(shù)據(jù)集對不同算法進行對比以分析其優(yōu)缺點，在綜述研究基礎(chǔ)上，結(jié)合行業(yè)應(yīng)用對基于Transformer的目標檢測進行總結(jié)與展望。關(guān)鍵詞：目標檢測;Transformer;計算機視覺;深度學習中圖
現(xiàn)代信息科技 2021年7期2021-10-16
- 基于二維運動機械臂的移動設(shè)備測試研究
。關(guān)鍵詞：計算機視覺;自動化測試;機器人;非侵入式Abstract：Most of the existing frameworks for automated testing of mobile devices are intrusive to the devices under test. They are difficult to be used on devices with closedsystems. Non-intrusive testing
計算技術(shù)與自動化 2021年3期2021-10-01
- 卷積神經(jīng)網(wǎng)絡(luò)在茶葉分級中的應(yīng)用
茶葉分級;計算機視覺;農(nóng)業(yè)信息化;卷積神經(jīng)網(wǎng)絡(luò);圖像分類中圖分類號：TP391? ? ? 文獻標識碼：A文章編號：1009-3044（2021）23-0110-04Abstract：Abstract Objective， accurate， convenient and efficient tea grading is of great significance to maintain the stability of tea market and ens
電腦知識與技術(shù) 2021年23期2021-09-24
- 基于深度學習的果蠅識別
。關(guān)鍵詞：計算機視覺;果蠅識別;深度學習;YOLO v3Abstract： Drosophila recognition and its population statistic analysis is a useful method for drosophila breakout modeling. Then using corresponding methods to trap and kill drosophila before the outbre
河南科技 2021年13期2021-09-23