导读:本文包含了视觉模型论文开题报告文献综述及选题提纲参考文献,主要关键词:起重机,双网络,并行模型,视觉检测
视觉模型论文文献综述
郑祥盘,宋国进[1](2019)在《应用于起重机智能视觉检测的双网络并行模型》一文中研究指出起重机是一种使用广泛的物流设备,然而在长期高负载运作下,由于机械磨损、疲劳断裂产生的裂纹以及长期暴露于高温、潮湿环境下造成的机械腐蚀是无法避免的问题.传统的人工检测,一方面无法保证检测人员的作业安全,另一方面无法保证检测的全面性.因此,提出一种基于深度卷积神经网络的起重机金属结构缺陷视觉检测算法.由于起重机金属结构缺陷图像数据的规模小于深层次卷积神经网络所需的数据规模,容易导致过拟合,故先设计浅层次的卷积神经网络模型,再采用深层次的卷积神经网络训练浅层次卷积神经网络,得到一个深层次与浅层次的双网络并行模型,以此达到提高浅层次卷积神经网络检测的准确性和鲁棒性.实验上,通过双网络并行模型算法与单网络模型、传统机器视觉识别方式的实验性能对比,验证了该算法的有效性和更好的鲁棒性.(本文来源于《厦门大学学报(自然科学版)》期刊2019年06期)
黄增涛,龚福建,田文扬,夏卫生[2](2019)在《基于红外视觉的增材制造熔深预测模型研究》一文中研究指出基于增材制造过程红外熔池图像,结合高斯滤波等图像增强和Canny算子等图像分割算法,运用建立的实际温度值和像素值的对应关系,提取出熔宽和熔深最大温差,然后通过高斯热源模型和半无限体瞬时点热源模型,计算出理论熔深。再将叁者作为BP(Back propagation)人工神经网络的输入,熔深为输出构建预测模型。结果表明,此模型具有很好的泛化能力和很好的预测准确性。(本文来源于《焊接技术》期刊2019年11期)
车力,唐德军,李世民,康凤举[3](2019)在《一种视觉特征保持的网格模型简化方法》一文中研究指出针对网格简化算法存在模型视觉特征丢失、过简化等问题,提出了一种视觉特征保持的叁角形折迭网格模型简化算法。采用多视点感知方法对原始模型与简化模型在最优视点集下的二维视图差异作为简化引起的视觉感知降质。在二次误差度量(Quadric Error Metric,QEM)基础上引入叁角形特征因子构建了几何特征误差度量函数。结合视觉感知和几何误差定义叁角形折迭误差度量函数以控制模型的简化深度。通过优化新顶点位置与误差更新实现了视觉特征保持的网格模型简化。实验结果表明提出算法在简化视觉质量和几何质量方面优于传统的方法,能够较好的保持模型的视觉、几何特征信息。(本文来源于《系统仿真学报》期刊2019年11期)
何敏[4](2019)在《一种基于哺乳动物大脑网格细胞模型的2.5D仿生视觉里程计》一文中研究指出移动服务机器人在物流、安防、工业等许多领域应用越来越广泛。机器人位姿的估计作为其核心技术之一,一直是人们研究的难点和热点。如何提高位姿估计的鲁棒性、可靠性仍面临许多挑战。借鉴哺乳动物大脑网格细胞路径积分的神经机制,以单目视觉图像作为主要输入,基于吸引子神经网络实现了一种轻量地、低成本的仿生视觉里程计。首先,利用一种扫描线强度分布算法根据单目视觉图像序列来估计机器人水平平移速度、角速度和高度变化。然后根据这些速度信息来驱动网格细胞网络能量的更新,进而实现2.5D路径积分,估计机器人的实时位姿。该方法可作为传统里程计的一种有益补充,提升机器人实时位姿估计的鲁棒性和可靠性。(本文来源于《信息通信》期刊2019年10期)
夏冬梅,李静,周亮[5](2019)在《基于视觉显着模型和图像分割的文化图像目标检测(英文)》一文中研究指出针对图像目标识别中的高效率视觉注意机制问题,提出了一种基于视觉显着模型和图像分割的文化图像目标检测算法。首先采用基于颜色分量对比度视觉显着模型对现有的视觉显着计算方法进行了改进,提高了显着区域检测的效率。然后在传统Grab Cut图像分割算法的原理上,结合改进的视觉显着模型来实现显着区域初始化,无需人工交互步骤,从而实现全自动的图像目标检测。测试数据结果表明:相比于现有的几种典型方法,提出算法具有较好的目标检测性能和较快的检测速度。(本文来源于《机床与液压》期刊2019年18期)
肖云[6](2019)在《基于图的半监督学习与排序模型的视觉显着目标检测研究》一文中研究指出随着网络技术的发展,数据量成爆发式的增长,如何从这些海量数据中提取有用的信息并进行有效的应用给人们带来了巨大的挑战。视觉注意是人类视觉系统识别场景相关部分的一种重要机制,人类可以轻松处理这些视觉信息,可以轻松的过滤无效数据,快速注意到感兴趣的事物。利用计算机模拟人类视觉系统,学习和借鉴人类视觉系统的生物认知机制来研究视觉问题受到学界越来越多的关注。显着目标检测研究就是利用计算机模拟人类视觉系统,定位到“感兴趣”或“重要”的区域。视觉显着目标检测结果可以作为多个其它研究领域的预处理过程,在图像检索、图像分割、目标识别等多个研究领域均有广泛的应用。半监督学习相比于传统的机器学习技术可以充分利用少量有标签的数据,利用大量的未标记数据的自身特性,辅助提高学习的预测性能。基于图的半监督学习方法模型应用广泛,在显着目标检测当中有很多的应用,取得了很好的检测结果。比如随机游走模型、流形排序模型等。现有的方法虽取得了一定的进展,但依然存在一些问题,本文重点对已有的基于图的半监督学习的视觉显着目标检测方法展开研究,提出多个模型并在多个数据集上进行了验证。本文主要研究内容有:基于全局和局部一致性排序模型的显着目标检测、基于先验正则化图排序的显着目标检测方法和基于先验正则化多层图排序的显着目标检测方法、基于多尺度协同正则化排序的显着目标检测方法和基于图的多视角半监督学习的显着目标检测方法。本文的主要工作和创新点包括:第一,提出一种全局和局部一致性排序模型的显着目标检测方法。对传统的基于随机游走理论的显着目标检测方法进行研究,在获取全局信息后,加入局部信息,提出一个全局和局部一致性排序模型,通过建立马尔科夫链上的随机游走模型,计算转移节点到吸收节点的平均吸收时间,可以捕获图像全局信息,再利用图像的流形特性获得局部信息,将此两种信息应用于全局与局部一致性排序模型,分别使用背景信息、前景信息作为查询节点计算最终的显着性值。实验结果表明,该方法可以有效获得图像的结构信息,获得更准确的显着图,提高了显着目标检测的精确度和准确度。第二,提出基于先验正则化图排序的显着目标检测方法和基于先验正则化多层图排序的显着目标检测方法。图像显着目标检测的任务是获得图像每个像素点的显着值,可以将显着目标检测问题看作是一个排序问题来进行求解计算。传统的流形排序方法可以很好的捕获图像的流形结构,获得较好的检测结果。本文提出加入一个先验信息作为正则化项,对模型进行改进,提出一个基于先验正则化图排序的显着目标检测方法;然后,通过对图的构造进行深入研究,提出一个基于先验正则化多层图排序的显着目标检测方法。通过在多个数据集上的实验验证,证明提出的两个方法均取得了更好的检测结果。第叁,提出了多尺度协同正则化排序的显着目标检测方法。为充分挖掘图像的不同尺度对显着目标检测结果的影响,首先使用金字塔模型获得图像的不同尺度,然后通过超像素分割方法对不同尺度的图像进行分割获得超像素块,然后使用本文提出的多尺度协同正则化排序方法同时对不同尺度的超像素块进行排序,并使用不同尺度排序的跨尺度一致性进行约束来获得最终的结果,通过多个数据集上的实验验证,证明本文提出的方法取得了更好的检测结果。第四,提出了基于图的多视角半监督学习的显着目标检测方法。与单一视角数据相比,多视角数据能够更全面系统的获取数据本质信息,多视角学习被广泛提出用来深入了解和分析多视角数据。在视觉显着目标检测研究中,同一张图像可以分别使用颜色、纹理、形状等多种不同的特征来描述,从而获得多视角特征数据。为捕获不同视觉特征信息以获得更准确的显着目标检测结果,提出一种基于多视角半监督学习的显着目标检测方法。首先对现有的基于图的显着目标检测方法进行总结归类,提出一个通用的基于图的显着目标检测方法框架。然后,将单一图模型扩展到多图的情况,提出了基于多图模型的显着目标检测通用框架。最后,给出了一般模型的一个具体实现,提出基于图的多视角半监督学习的显着目标检测方法,并推导出求解该模型的有效更新算法。在多个基准数据集上的实验结果表明了该模型的有效性。(本文来源于《安徽大学》期刊2019-09-01)
应文,杨志霞,符亚明,杨建平[7](2019)在《基于机器视觉的海上目标智能化预警观测过程模型与技术方法》一文中研究指出海洋态势感知与目标观测技术正向着自动化、智能化发展。光电监控系统作为海洋目标活动态势感知中不可或缺的必要手段,在面向长期无人值守的持续海上预警观测应用场景中,其自主运行能力受到极大考验。本文基于多年研究以及相关项目实践,提出了基于机器视觉的海上目标智能化预警观测的一般过程模型与相关的技术实现方法,通过基于深度学习的目标识别模型和一体化的联动跟踪机制驱动光电传感器智能自主运行,在全自动托管的情况下实现目标发现、跟踪、识别、取证、再发现闭环持续工作,为海上目标活动视觉特征提取与信息服务提供有力支撑。(本文来源于《中国电子科学研究院学报》期刊2019年08期)
罗灵兵,冯辉,胡波,王祺尧[8](2019)在《结合视觉显着性与眼跳概率模型的视频注视点序列预测》一文中研究指出视觉注意力相关研究中,基于图像的视觉显着图预测研究较多,而针对视频的注视点序列预测研究相对较少.在充分考虑视频场景的动态特征与人眼视觉特性基础上,提出了一种同时利用视频底层与高层特征的注视点序列预测模型.使用隐马尔可夫模型(HMM)对注视点的转移序列进行建模,其中注视点的位置作为隐藏状态.首先,采用卷积神经网络(CNN)获得视频的视觉显着图,并将视频帧的显着值作为HMM的观测概率,表征注视点所在区域所能成功引起人视觉注意的程度;然后,使用视觉心理学中基于莱维飞行的眼跳概率模型对HMM状态的转移概率进行建模;最后,通过维特比算法推断整个视频最有可能产生的注视点序列.在HOLLYWOOD2数据集上进行视频的注视点序列预测实验,并和相关算法进行比较.实验结果表明:本文提出的模型的预测结果在Hausdorff距离与平均欧氏距离两项指标上都更优.(本文来源于《复旦学报(自然科学版)》期刊2019年04期)
陈丁,余奕甫,康国剑,陈连忠[9](2019)在《基于视觉的模型烧蚀形貌实时测量方法》一文中研究指出针对电弧风洞试验时模型烧蚀形貌实时的变化问题,使用数字散斑相关结合双目视觉的方法直接测量得到了模型烧蚀过程的形貌变化历程。利用散斑相关来进行图像数据的处理,同时综合了亚象素相关算法。通过测量获得了模型烧蚀过程的形貌实时变化情况。标定结果表明标定精度达到了0.02 mm;试验结果表明,测量方法可以为分析平板模型随烧蚀时间变化而变化的特性提供有效的试验数据。(本文来源于《宇航材料工艺》期刊2019年04期)
韩建平,张一恒,张鸿宇[10](2019)在《基于计算机视觉的振动台试验结构模型位移测量》一文中研究指出传统的位移传感器受成本、量程、采样频率限制,且现场安装繁琐,因此有必要发展非接触技术,如基于计算机视觉的位移测量等。本文通过计算机视觉方法,借助MATLAB编写一套非接触式的位移测量程序,在四层钢筋混凝土框架-填充墙结构模型的振动台试验中进行楼层位移测量。与拉线式位移传感器测量结果相比,基于视觉方法得到的结果误差较小,相关系数及方差计算结果表明视觉方法的测量结果是可接受的。进一步,利用视觉方法测得的位移响应,采用特征系统实现算法识别结构模型的模态参数,获得模态频率、模态阻尼比等参数,并与基于加速度传感器记录的识别结果进行了对比。对比结果表明,通过视觉测量获得的位移响应可以较好地识别结构的模态参数。因此,使用单个相机即可有效代替大量传统的接触式传感器实现对结构的整体测量。(本文来源于《地震工程与工程振动》期刊2019年04期)
视觉模型论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
基于增材制造过程红外熔池图像,结合高斯滤波等图像增强和Canny算子等图像分割算法,运用建立的实际温度值和像素值的对应关系,提取出熔宽和熔深最大温差,然后通过高斯热源模型和半无限体瞬时点热源模型,计算出理论熔深。再将叁者作为BP(Back propagation)人工神经网络的输入,熔深为输出构建预测模型。结果表明,此模型具有很好的泛化能力和很好的预测准确性。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视觉模型论文参考文献
[1].郑祥盘,宋国进.应用于起重机智能视觉检测的双网络并行模型[J].厦门大学学报(自然科学版).2019
[2].黄增涛,龚福建,田文扬,夏卫生.基于红外视觉的增材制造熔深预测模型研究[J].焊接技术.2019
[3].车力,唐德军,李世民,康凤举.一种视觉特征保持的网格模型简化方法[J].系统仿真学报.2019
[4].何敏.一种基于哺乳动物大脑网格细胞模型的2.5D仿生视觉里程计[J].信息通信.2019
[5].夏冬梅,李静,周亮.基于视觉显着模型和图像分割的文化图像目标检测(英文)[J].机床与液压.2019
[6].肖云.基于图的半监督学习与排序模型的视觉显着目标检测研究[D].安徽大学.2019
[7].应文,杨志霞,符亚明,杨建平.基于机器视觉的海上目标智能化预警观测过程模型与技术方法[J].中国电子科学研究院学报.2019
[8].罗灵兵,冯辉,胡波,王祺尧.结合视觉显着性与眼跳概率模型的视频注视点序列预测[J].复旦学报(自然科学版).2019
[9].陈丁,余奕甫,康国剑,陈连忠.基于视觉的模型烧蚀形貌实时测量方法[J].宇航材料工艺.2019
[10].韩建平,张一恒,张鸿宇.基于计算机视觉的振动台试验结构模型位移测量[J].地震工程与工程振动.2019