目標(biāo)識別文章進(jìn)入目標(biāo)識別技術(shù)社區(qū)

無人機(jī)航拍建筑物視圖網(wǎng)絡(luò)融合目標(biāo)識別分析

為了提高無人機(jī)航拍目標(biāo)識別精度，提出一種基于視圖融合的目標(biāo)識別方法，該方法利用3個2DCNN分別提取無人機(jī)航拍3D體數(shù)據(jù)3個視圖的特征，本文方法有效性主要采取室內(nèi)實測數(shù)據(jù)進(jìn)行驗證。研究結(jié)果表明：不論是從F-score還是從準(zhǔn)確度數(shù)據(jù)來看，視圖融合方法顯優(yōu)勢較為突出，保證分類結(jié)果更佳。相比于基于B-scan圖像的傳統(tǒng)方法，在分類性能方面?zhèn)纫晥D立方體與正視圖立方體占據(jù)更大優(yōu)勢。本文提出的目標(biāo)識別方法以視圖融合為理論基礎(chǔ)，實驗結(jié)果顯示無人機(jī)航拍目標(biāo)識別精度得到進(jìn)一步提升。
關(guān)鍵字： 202308 ?無人機(jī)航拍視圖融合目標(biāo)識別 Alexnet方法精度

從數(shù)百萬平方公里范圍的衛(wèi)星圖像中快速精準(zhǔn)地定位、識別感興趣的目標(biāo)，是遙感數(shù)據(jù)智能解譯領(lǐng)域的核心難題。近期，中國科學(xué)院空天信息創(chuàng)新研究院研究團(tuán)隊和國際攝影測量與遙感協(xié)會合作，構(gòu)建了一套目前全球規(guī)模最大的遙感圖像細(xì)粒度目標(biāo)識別數(shù)據(jù)集，并面向全球公開發(fā)布?！?數(shù)據(jù)集類別示意圖該數(shù)據(jù)集含15000余幅分辨率優(yōu)于1米、尺寸從上千到上萬像素不等的圖像，具有100多萬精細(xì)化標(biāo)注、多角度分布的目標(biāo)，場景覆蓋全球上百個典型城市、鄉(xiāng)鎮(zhèn)，以及常用機(jī)場、港口等，其中來自我國自主產(chǎn)權(quán)高分系列衛(wèi)星的數(shù)據(jù)占比超過80%。所謂細(xì)粒度目標(biāo)
關(guān)鍵字：遙感圖像目標(biāo)識別

目標(biāo)檢測和識別是計算機(jī)視覺系統(tǒng)的一個必不可少的組成部分。在計算機(jī)視覺中，首先是將場景分解成計算機(jī)可以看到和分析的組件。計算機(jī)視覺的第
關(guān)鍵字：嵌入式系統(tǒng) 目標(biāo)識別技術(shù)

目標(biāo)邊緣檢測是高速公路目標(biāo)辨識的關(guān)鍵技術(shù)。雖然現(xiàn)在有多種邊緣檢測算法，但是不同算法有著各自的適用范圍，通過對比Roberts算子、Prewitt算子、Sobel算子和Canny算子等算子，并以高速公路高清監(jiān)控采集的視頻截圖作為樣本，采用不同邊緣檢測算法對車輛、護(hù)欄等高速公路上的主要目標(biāo)進(jìn)行對比分析。計算結(jié)果表明，對于高速公路上的主要目標(biāo)識別而言，Prewitt算子具有相對較好的邊緣檢測效果。
關(guān)鍵字：高速公路邊緣檢測目標(biāo)識別 Prewitt算子 201605

為了實現(xiàn)打印貼標(biāo)機(jī)智能貼標(biāo)的需求，提出了一種基于機(jī)器視覺的物體包裝盒實時貼標(biāo)系統(tǒng)設(shè)計方案，并完成了系統(tǒng)的軟件設(shè)計和整套硬件測試。該系統(tǒng)的硬件部分主要用來獲取圖像數(shù)據(jù)以及進(jìn)行打印貼標(biāo)操作，軟件部分采用基于輪廓提取和形狀特征識別相結(jié)合的圖像處理技術(shù)，能夠完成對其輸出圖像進(jìn)行目標(biāo)識別和實時定位，并通過串口通信將數(shù)據(jù)轉(zhuǎn)發(fā)給控制系統(tǒng)。實際應(yīng)用表明，該系統(tǒng)具有操作簡便、測試準(zhǔn)確的特點(diǎn)，達(dá)到了設(shè)計要求。
關(guān)鍵字：機(jī)器視覺目標(biāo)識別實時定位串口通信

共6條 1/1 1

您好，目前還沒有人創(chuàng)建詞條目標(biāo)識別!
歡迎您創(chuàng)建該詞條，闡述對目標(biāo)識別的理解，并與今后在此搜索目標(biāo)識別的朋友們分享。創(chuàng)建詞條