期刊文献+
共找到129篇文章
< 1 2 7 >
每页显示 20 50 100
多模深度卷积神经网络应用于视频表情识别 预览
1
作者 潘仙张 张石清 郭文平 《光学精密工程》 EI CAS CSCD 北大核心 2019年第4期963-970,共8页
由于视频中的手工特征和主观情感之间的直接相关性很小,识别视频序列中的面部表情是一项很有挑战性的任务,为了克服这个缺陷,有效提高视频中的人脸表情识别性能。本方法采用两个深度卷积神经网络,即空间卷积神经网络和时间卷积神经网络... 由于视频中的手工特征和主观情感之间的直接相关性很小,识别视频序列中的面部表情是一项很有挑战性的任务,为了克服这个缺陷,有效提高视频中的人脸表情识别性能。本方法采用两个深度卷积神经网络,即空间卷积神经网络和时间卷积神经网络,用于视频中的时空表情特征学习。其中,空间卷积神经网络用于提取视频中每一帧静态的表情图像的空间信息特征,而时间卷积神经网络用于从视频中多帧表情图像的光流信息中提取动态信息特征。然后,将这两个深度卷积神经网络学习到的时空特征进行基于深度信念网络(DBN)的特征层融合,输入到支持向量机实现视频中的人脸表情分类任务。在公共的RML和BAUM-1s视频情感数据集的测试结果表明,该方法分别取得了71.06%和52.18%的正确识别率,明显优于现有文献报导的结果。多模深度卷积神经网络的人脸表情识别方法能提高视频中人脸表情的识别性能。 展开更多
关键词 深度卷积神经网络 多模深度学习 表情识别 时空特征 深度信念神经网络
在线阅读 下载PDF
融合STN和DenseNet的深度学习网络及其应用 预览
2
作者 张锡英 宋宇鹏 +1 位作者 陈曦 边继龙 《计算机工程与应用》 CSCD 北大核心 2019年第17期131-136,共6页
图像识别是计算机视觉的重要分支之一,具有重要的理论和实践意义。近年来,以深度卷积神经网络为代表的图像分类方法被成功地应用到各个领域。针对神经网络对输入数据敏感、训练时间长等问题,结合空间映射网络(Spatial Transform Network... 图像识别是计算机视觉的重要分支之一,具有重要的理论和实践意义。近年来,以深度卷积神经网络为代表的图像分类方法被成功地应用到各个领域。针对神经网络对输入数据敏感、训练时间长等问题,结合空间映射网络(Spatial Transform Network,STN)和密集神经网络(Dense Neural Network,DenseNet)两者的特性,提出一种新型网络结构ST-DenseNet。该网络能够对输入图片作不变性归一化处理,解决数据敏感问题的同时提高图像识别效果。在树种叶片公开数据集Leafsnap上实现了90.43%的识别准确率、87.75%的召回率和89.07%的F-Measure的实验结果,模型ST-DenseNet明显优于其他网络模型。 展开更多
关键词 图像识别 深度卷积神经网络 空间映射网络 密集神经网络 树种识别
在线阅读 下载PDF
结合注意力机制的人脸超分辨率重建 预览
3
作者 陈晓范 申海杰 +2 位作者 边倩 王振铎 田新志 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2019年第3期148-153,共6页
因受成像设备限制,得到的人脸图像分辨率通常较低,针对此问题提出了一种将生成对抗网络和注意力机制相结合的方法,来对人脸图像进行多尺度超分辨率重建。将深度残差网络和深度神经网络分别作为生成器和判别器,并将注意力模块与深度残差... 因受成像设备限制,得到的人脸图像分辨率通常较低,针对此问题提出了一种将生成对抗网络和注意力机制相结合的方法,来对人脸图像进行多尺度超分辨率重建。将深度残差网络和深度神经网络分别作为生成器和判别器,并将注意力模块与深度残差网络中的残差块相结合,重建出与高分辨率图像高度相似且难以被判别器区分的超分辨率人脸图像。实验结果证明,所提出的方法能够有效地提升人脸图像的分辨率,同时也证明了注意力机制在图像细节信息重建中的重要作用。 展开更多
关键词 超分辨率重建 生成对抗网络 注意力机制 深度残差网络 深度神经网络
在线阅读 下载PDF
基于球形视频机器人的管道内缺陷检测方法研究 预览
4
作者 苏展 徐红伟 +2 位作者 凌张伟 李静 钟绍俊 《测控技术》 2019年第4期26-30,36共6页
传统的压力管道内表面缺陷检测管道运行安全十分重要,目前检测方法对待检测管道的形状结构要求较高,检测方法低效耗时费力。设计了一种球形视频管道内缺陷检测机器人,通过搭载的高分辨率立体相机拍摄视管道内部频流,编制基于深度卷积神... 传统的压力管道内表面缺陷检测管道运行安全十分重要,目前检测方法对待检测管道的形状结构要求较高,检测方法低效耗时费力。设计了一种球形视频管道内缺陷检测机器人,通过搭载的高分辨率立体相机拍摄视管道内部频流,编制基于深度卷积神经网络软件对视频流进行带表面缺陷图片分选,采用Fast-RCNN快速区域卷积神经网络对管道缺陷进行标记,通过该标记可实现管道内部缺陷的安全评估,实验结果表明了该检测方法的有效性。 展开更多
关键词 球形视频机器人 管道 缺陷检测 深度卷积神经网络 快速区域卷积神经网络
在线阅读 免费下载
基于亮度与色度信息的深度学习图像风格迁移算法研究 预览
5
作者 杨慧炯 韩燕丽 郭芸俊 《重庆理工大学学报:自然科学》 CAS 北大核心 2019年第7期145-151,159共8页
深度学习技术为图像风格迁移技术的突破提供了可能,无论在日常生活还是在学术、工业应用中都有很高的价值。目前已有的深度学习图像迁移算法虽然取得了突破性进展,但是在纹理细节、笔触形状等艺术风格以及大面积色块区域变化特征的提取... 深度学习技术为图像风格迁移技术的突破提供了可能,无论在日常生活还是在学术、工业应用中都有很高的价值。目前已有的深度学习图像迁移算法虽然取得了突破性进展,但是在纹理细节、笔触形状等艺术风格以及大面积色块区域变化特征的提取中往往无法达到满意的效果。为此,通过综合考虑图像的颜色和亮度信息构建一个多尺度分层网络,在提取图像整体艺术风格的同时对纹理细节和大面积色块区域的微小亮度变化特征进行细化。相对于已有的深度学习图像风格迁移算法,在不增加软硬件和时间成本的前提下,可达到更为满意的迁移效果。 展开更多
关键词 图像风格迁移 深度学习 深度卷积网络
在线阅读 免费下载
基于DCNN的高分辨率遥感影像场景分类 预览
6
作者 孟庆祥 段学琳 《华中师范大学学报:自然科学版》 CAS CSCD 北大核心 2019年第4期568-574,共7页
针对传统场景分类方法不能准确地表达高分辨率遥感影像丰富的语义信息问题,提出了一种基于卷积神经网络的高分辨率影像场景分类方法.此方法大致分为3步:第1步,依据不同卷积窗口做卷积运算提取颜色,纹理和形状等低阶特征;第2步,利用池化... 针对传统场景分类方法不能准确地表达高分辨率遥感影像丰富的语义信息问题,提出了一种基于卷积神经网络的高分辨率影像场景分类方法.此方法大致分为3步:第1步,依据不同卷积窗口做卷积运算提取颜色,纹理和形状等低阶特征;第2步,利用池化层将这些低阶特征进行过滤,得到重要特征;第3步,重组提取出来的特征以形成高阶语义特征进行场景分类.在具体实验中利用三个不同尺寸的卷积核对数据集进行分类探究,并且使用了数据增广、正则化和Dropout等手段,提升模型对新样本的适应能力,很好地解决了过拟合问题.该方法在所进行的实验中表现良好,在WHU-RS19数据集上取得了88.47%的准确率,和传统的场景分类方法相比,显著提升了分类精度. 展开更多
关键词 高分辨率遥感影像 场景分类 深度学习 深度卷积神经网络
在线阅读 下载PDF
基于深度卷积神经网络的道路场景深度估计
7
作者 袁建中 周武杰 +1 位作者 潘婷 顾鹏笠 《激光与光电子学进展》 CSCD 北大核心 2019年第8期171-179,共9页
提出了一种基于深度卷积神经网络的单目视觉深度估计方法,该方法采用端到端学习框架来构建模型。采用残差网络(ResNet)作为神经网络模型框架的编码部分来提取深度信息特征。采用密集连接卷积网络(DenseNet)对编码后的信息进行译码。通过... 提出了一种基于深度卷积神经网络的单目视觉深度估计方法,该方法采用端到端学习框架来构建模型。采用残差网络(ResNet)作为神经网络模型框架的编码部分来提取深度信息特征。采用密集连接卷积网络(DenseNet)对编码后的信息进行译码。通过Skip-Connections实现编码和解码的信息流的集成,避免了层间信息传输的丢失。实验结果表明,与其他单目视觉深度估计方法相比,使用深度卷积神经网络可以更有效准确地估计视觉深度。 展开更多
关键词 机器视觉 深度卷积神经网路 深度估计 单目图像 深度学习
融合全局和局部深度特征的高分辨率遥感影像场景分类方法 被引量:1
8
作者 龚希 吴亮 +3 位作者 谢忠 陈占龙 刘袁缘 俞侃 《光学学报》 EI CAS CSCD 北大核心 2019年第3期19-29,共11页
提出了一种融合全局和局部深度特征(GLDFB)的视觉词袋模型。通过视觉词袋模型将深度卷积神经网络提取的多个层次的高层特征进行重组编码并融合,利用支持向量机对融合特征进行分类。充分利用包含场景局部细节信息的卷积层特征和包含场景... 提出了一种融合全局和局部深度特征(GLDFB)的视觉词袋模型。通过视觉词袋模型将深度卷积神经网络提取的多个层次的高层特征进行重组编码并融合,利用支持向量机对融合特征进行分类。充分利用包含场景局部细节信息的卷积层特征和包含场景全局信息的全连接层特征,完成对遥感影像场景的高效表达。通过对两个不同规模的遥感图像场景数据集的实验研究表明,相比现有方法,所提方法在高层特征表达能力和分类精度方面具有显著优势。 展开更多
关键词 遥感 深度卷积神经网络 深度特征 视觉词袋模型 特征融合 高分辨率遥感影像场景分类
基于混合关节肢体模型的深度人体姿态估计方法 预览
9
作者 刘秉瀚 李振达 柯逍 《模式识别与人工智能》 CSCD 北大核心 2019年第2期97-107,共11页
提出基于关节外观和关节间空间关系的模型与深层神经网络结构(DCNN)相结合的混合模型,解决人体姿态估计问题.首先,对人体构建图像模型以表示人体关节与肢体.然后,根据标注信息将图像分解为以关节为中心的若干图像块,作为训练输入数据.最... 提出基于关节外观和关节间空间关系的模型与深层神经网络结构(DCNN)相结合的混合模型,解决人体姿态估计问题.首先,对人体构建图像模型以表示人体关节与肢体.然后,根据标注信息将图像分解为以关节为中心的若干图像块,作为训练输入数据.最后,得到一个可以解决多个分类的DCNN网络,用于人体姿态估计.文中方法对人体表示更灵活,有效提升关节点的检测率及正确检测的比率. 展开更多
关键词 深度学习 深度卷积神经网络 人体姿态估计 图像模型
在线阅读 下载PDF
基于CNN和WSVDD的深孔镗削加工过程状态评估与监测 预览
10
作者 李欣欣 周学良 鲍武 《湖北汽车工业学院学报》 2019年第2期40-46,共7页
针对深孔镗削加工过程中易出现颤振以及传统监测方法监测效率低的问题,提出了一种将深度卷积神经网络和加权支持向量数据描述法相结合的深孔镗削加工过程颤振评估与监测方法。首先基于深度卷积神经网络提取加工过程状态内振动信号的特... 针对深孔镗削加工过程中易出现颤振以及传统监测方法监测效率低的问题,提出了一种将深度卷积神经网络和加权支持向量数据描述法相结合的深孔镗削加工过程颤振评估与监测方法。首先基于深度卷积神经网络提取加工过程状态内振动信号的特征矢量,然后以正常加工状态下的特征矢量训练加权支持向量数据描述模型,得到相应的描述加工正常状态下的超球体模型,再计算当前加工过程状态特征矢量与超球体之间的相对距离,作为加工过程状态的评估指标,并对稳定度阈值进行设定。结果表明:与文献中其他方法相比,文中方法的监测能力更强,对加工过程状态的稳定度描述更加准确。 展开更多
关键词 深孔镗削 颤振监测 深度卷积神经网络 加权支持向量数据描述
在线阅读 免费下载
基于深度学习的输电线路视觉检测研究综述 预览
11
作者 赵振兵 齐鸿雨 聂礼强 《广东电力》 2019年第9期11-23,共13页
保障输电线路的可靠性是能源互联网和智能电网建设的重要内容,基于深度学习的智能化输电线路视觉巡检技术具有安全、高效、便捷等特点,对保障输电网的稳定运行有重要意义。为此,首先总结国内外深度学习视觉检测方法以及输电线路视觉检... 保障输电线路的可靠性是能源互联网和智能电网建设的重要内容,基于深度学习的智能化输电线路视觉巡检技术具有安全、高效、便捷等特点,对保障输电网的稳定运行有重要意义。为此,首先总结国内外深度学习视觉检测方法以及输电线路视觉检测方法研究现状;其次,描述无人机巡检、在线监测、激光雷达巡检、高分辨率光学卫星巡检等4种输电线路巡检方式,分析不同方式的差异与优劣,同时讨论了深度学习在4种方式中应用的关键问题;最后,探讨了深度学习在输电线路视觉检测中应用的未来发展方向。 展开更多
关键词 输电线路 视觉检测 深度学习 深度卷积神经网络 智能巡检
在线阅读 下载PDF
基于深度学习的自然环境下花朵识别 预览
12
作者 郑玉龙 赵明 《计算技术与自动化》 2019年第2期114-118,共5页
基于自然环境下的花朵识别已经成为了现在园艺植物以及计算机视觉方面的交叉研究热点。本文的花朵图像数据集是利用手机直接在自然场景中当场拍摄的,采集了湖南省植物园内26种观赏花朵的2600幅图像,其中还包括同一品种不同类别相似度很... 基于自然环境下的花朵识别已经成为了现在园艺植物以及计算机视觉方面的交叉研究热点。本文的花朵图像数据集是利用手机直接在自然场景中当场拍摄的,采集了湖南省植物园内26种观赏花朵的2600幅图像,其中还包括同一品种不同类别相似度很高的杜鹃,郁金香等花朵。设计了一种由3个残差块组成的20层深度学习模型Resnet20,模型的优化算法结合了Adam的高效初始化以及Sgd优秀的泛化能力,该优化算法主要是根据每次训练批次以及learning rate来进行转换调整,实验结果表明比单独使用Adam算法正确率高4到5个百分点,比单独使用Sgd算法收敛更快。该模型在Flower26数据集上,通过数据增强识别率可达到96.29%,表明深度学习是一种很有前途的应用于花朵识别的智能技术。 展开更多
关键词 深度卷积神经网络 残差网络 花朵识别 随机梯度下降
在线阅读 下载PDF
基于深度卷积神经网络的图像语义分割 预览
13
作者 刘希 《信息技术》 2019年第2期71-74,共4页
近年来,以深度卷积神经网络(DEEP Convolutional Neural Network,DCNN)为代表结合条件随机场(Conditional Random Field,CRF)的深度学习算法在图像分割领域中有非常出色的表现。文中首先介绍传统的深度卷积神经网络在图像分割中面临的... 近年来,以深度卷积神经网络(DEEP Convolutional Neural Network,DCNN)为代表结合条件随机场(Conditional Random Field,CRF)的深度学习算法在图像分割领域中有非常出色的表现。文中首先介绍传统的深度卷积神经网络在图像分割中面临的三个问题以及所借鉴的相关理论;其次介绍对传统深度卷积神经网络三个方面的改进;最后是本次实验的结果和分析。 展开更多
关键词 图像分割 深度卷积神经网络 条件随机场
在线阅读 下载PDF
随机丢弃和批标准化的深度卷积神经网络柴油机失火故障诊断 预览
14
作者 张康 陶建峰 +2 位作者 覃程锦 李卫星 刘成良 《西安交通大学学报》 EI CAS CSCD 北大核心 2019年第8期159-166,共8页
针对已有的柴油机失火故障诊断方法需要精细且耗时的时频特征提取过程,且对实际含有噪声的样本诊断准确率低的问题,提出了一种随机丢弃和批标准化的深度卷积神经网络柴油机失火故障诊断方法。在不同的转速工况下进行柴油机失火故障模拟... 针对已有的柴油机失火故障诊断方法需要精细且耗时的时频特征提取过程,且对实际含有噪声的样本诊断准确率低的问题,提出了一种随机丢弃和批标准化的深度卷积神经网络柴油机失火故障诊断方法。在不同的转速工况下进行柴油机失火故障模拟试验,将采集到的原始缸盖振动信号作为深度卷积神经网络的输入,并在输入端引入随机丢弃抑制输入噪声,通过一维卷积操作自动提取失火故障模式特征,接着在各卷积输出层对特征信号进行批标准化处理,以减少信号在深度卷积层内部的方差偏移,最后基于多分类函数完成失火故障分类。不同噪声环境和方法的对比试验结果表明,所提方法的分类准确率最高可达100%,同时在保证算法准确率的前提下,其鲁棒性优于依赖时频提取特征的方法。 展开更多
关键词 失火故障诊断 深度卷积神经网络 噪声环境 随机丢弃 批标准化
在线阅读 下载PDF
基于深度卷积神经网络的无人机识别方法研究 预览
15
作者 刘佳铭 《舰船电子工程》 2019年第2期22-26,共5页
针对现有无人机识别准确率不高、难以从视频图像中准确提取无人机图像、难以对无人机分类等问题,利用深度卷积神经网络自行学习图像特征的优势,提出了一种基于深度卷积神经网络的无人机识别方法。首先使用SSD算法对视频图像做无人机目... 针对现有无人机识别准确率不高、难以从视频图像中准确提取无人机图像、难以对无人机分类等问题,利用深度卷积神经网络自行学习图像特征的优势,提出了一种基于深度卷积神经网络的无人机识别方法。首先使用SSD算法对视频图像做无人机目标检测;然后通过训练一个基于VGG16的学习网络,得到一个高效识别模型;将检测到的无人机图片送入VGG16模型进行特征提取;最后完成多种无人机间的分类。在网络模型优化阶段采用了BP算法,提高了识别方法的鲁棒性。实验结果表明,该方法具有较高的识别准确率和良好的工程应用前景。 展开更多
关键词 深度卷积神经网络 无人机分类 无人机识别 特征提取 识别模型
在线阅读 下载PDF
基于自注意力网络的图像超分辨率重建 预览
16
作者 欧阳宁 梁婷 林乐平 《计算机应用》 CSCD 北大核心 2019年第8期2391-2395,共5页
针对图像超分辨率重建中纹理细节等高频信息恢复的问题,提出一种基于自注意力网络的图像超分辨率重建方法。该网络框架利用两个重建阶段逐步地将图像的精确度从粗到细进行恢复。在第一阶段中,首先将低分辨率(LR)图像作为输入通过一个卷... 针对图像超分辨率重建中纹理细节等高频信息恢复的问题,提出一种基于自注意力网络的图像超分辨率重建方法。该网络框架利用两个重建阶段逐步地将图像的精确度从粗到细进行恢复。在第一阶段中,首先将低分辨率(LR)图像作为输入通过一个卷积神经网络(CNN),并输出一个粗精度的高分辨率(HR)图像;然后将粗精度图像作为输入并产生更加精细的高分辨率图像。在第二阶段中,使用自注意力模块计算特征之间所有位置的关联性,通过捕捉特征的全局依赖关系来提高纹理细节的恢复能力。在基准数据集上的实验结果表明,与现有基于深度神经网路的超分辨率重建算法相比,所提算法不仅图像视觉效果最好,而且在数据集Set5和BDSD100上的峰值信噪比(PSNR)平均提高了0.1dB、0.15dB,表明该网络可以通过增强特征的全局表达能力来重建出高质量图像。 展开更多
关键词 深度卷积神经网络 从粗到细 自注意力 全局依赖关系 超分辨率
在线阅读 下载PDF
基于深度卷积神经网络的人体外周血白细胞显微图像分类
17
作者 王亚品 曹益平 +3 位作者 付光凯 王璐 万莹莹 李城梦 《光电子.激光》 EI CAS CSCD 北大核心 2019年第5期546-555,共10页
人体外周血白细胞五分类在医学临床诊断中有重要的作用。本文提出一种基于深度卷积神经网络(CNN)的人体外周血白细胞显微图像五分类方法。首先以ResNet为原型结构设计了一种适用于白细胞显微图像分类的深度卷积神经网络,并提出了一种基... 人体外周血白细胞五分类在医学临床诊断中有重要的作用。本文提出一种基于深度卷积神经网络(CNN)的人体外周血白细胞显微图像五分类方法。首先以ResNet为原型结构设计了一种适用于白细胞显微图像分类的深度卷积神经网络,并提出了一种基于特征集中的新的数据增强的方法来丰富数据集。由于图像的背景对物体识别有很大影响,用图像处理的方法改变同一白细胞的背景,可以生成新的样本。经过数据增强后的样本总量为42 300。最后,针对数据集中五类白细胞样本不均衡问题,在神经网络训练策略中,提出一种改进的批次(batch)随机梯度下降算法(MBGD)。通过将批次随机梯度下降算法每个批次中五类白细胞所占比例设置为1∶1∶1∶1∶1,可以使CNN均衡地获取五类白细胞的特征。实验结果表明,本文所设计的CNN结构、所提出数据增强方法和改进的批次随机梯度下降算法均可提高白细胞图像分类正确率。所提白细胞五分类方法可以达到95.7%的训练正确率。对8 400张白细胞图像进行测试,得到95.0%的平均分类正确率,嗜中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞和嗜碱性粒细胞的分类正确率分别为:92.2%,91.5%,94.6%,93.3%和97.4%。 展开更多
关键词 白细胞五分类 深度卷积神经网络 数据增强 改进的批次随机梯度下降算法(MBGD)
基于深度卷积神经网络的脸部表情分类研究 预览
18
作者 沈利迪 《电子设计工程》 2019年第5期184-188,193共6页
为了更加精确地对人脸表情进行分类,文中提出了使用CNN(卷积神经网络)来进行脸部表情的识别分类,其包含8层网络,前5个是卷积层(C1-5),其余3个是全连接层(FC6-8)。最后一个全连接层的输出提供给6路softmax,其在6类标签上产生一个分布。... 为了更加精确地对人脸表情进行分类,文中提出了使用CNN(卷积神经网络)来进行脸部表情的识别分类,其包含8层网络,前5个是卷积层(C1-5),其余3个是全连接层(FC6-8)。最后一个全连接层的输出提供给6路softmax,其在6类标签上产生一个分布。文中收集各种数据库,并将数据库组织成6个表情类,如“中性”、“高兴”、“伤心”、“愤怒”、“惊讶”和“反感”。应用预处理和数据增强技术来提高培训效率和分类性能。调整卷积层的特征映射的数量与全连接层的节点数,找到最能表达6个面部表情特征的最优结构。并通过交叉验证和交叉数据库实验得出,文中提出的CNN结构具有良好的脸部表情分类性能。其次,与其他传统模型相比,所提出的CNN结构在分类性能方面具有优越性且执行时间更短。 展开更多
关键词 深度卷积神经网络 脸部表情 表情分类 数据增强技术 预处理
在线阅读 下载PDF
基于改进的深度卷积神经网络的单图像超分辨率重建 预览
19
作者 刘世豪 李军 《青岛大学学报:自然科学版》 CAS 2019年第1期106-111,共6页
为解决现有的超分辨率模型不能很好的恢复图像的纹理细节和模型训练困难等问题,结合现有的残差网络和GoogleNet中的Inception模块对其进行改进。通过将5×5的卷积核替换为两个级联的3×3的卷积核、使用LeakyReLU作为激活函数和... 为解决现有的超分辨率模型不能很好的恢复图像的纹理细节和模型训练困难等问题,结合现有的残差网络和GoogleNet中的Inception模块对其进行改进。通过将5×5的卷积核替换为两个级联的3×3的卷积核、使用LeakyReLU作为激活函数和删除池化层等方法对原始的Inception模块进行改进,然后在模型中多次级联改进后的Inception模块。实验结果表明,与双三次插值算法、SRCNN和VDSR算法相比,改进后的模型能获得更高的峰值信噪比(PSNR)和结构相似性指数(SSIM),并且在视觉效果上也有明显的改善。 展开更多
关键词 深度卷积神经网络 图像处理 超分辨率 INCEPTION
在线阅读 下载PDF
基于深度卷积神经网络的语义地图构建
20
作者 胡美玉 张云洲 +1 位作者 秦操 刘桐伯 《机器人》 EI CSCD 北大核心 2019年第4期452-463,共12页
本文将图像语义分割与即时定位与地图构建(SLAM)技术相结合构建环境的3维语义地图.输入的图像序列经过ORB-SLAM进行关键帧筛选.提出了一种基于DeepLab算法改进的图像语义分割方法.在卷积网络的最后一层后面引入上采样卷积层,改善双线性... 本文将图像语义分割与即时定位与地图构建(SLAM)技术相结合构建环境的3维语义地图.输入的图像序列经过ORB-SLAM进行关键帧筛选.提出了一种基于DeepLab算法改进的图像语义分割方法.在卷积网络的最后一层后面引入上采样卷积层,改善双线性插值过于粗糙的问题.关键帧的深度图作为门控信号控制不同卷积操作的选择,从而在对远处的物体保持细节的同时对近处的物体保持较大视野.然后,对齐分割后的图像与深度图,利用相邻关键帧之间的空间对应关系构建3维稠密语义地图.实验结果表明,对于室内和室外场景,本文算法可以实现准确的语义分割,反投影到3维空间中也能形成效果良好的语义地图:与当前大多数基于DeepLab与反卷积算法的方法相比,本文算法可以得到更好的语义地图. 展开更多
关键词 语义地图 语义分割 深度卷积神经网络 ORB-SLAM DeepLab算法
上一页 1 2 7 下一页 到第
使用帮助 返回顶部 意见反馈