一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

高級(jí)搜索

留言板

尊敬的讀者、作者、審稿人, 關(guān)于本刊的投稿、審稿、編輯和出版的任何問題, 您可以本頁添加留言。我們將盡快給您答復(fù)。謝謝您的支持!

姓名
郵箱
手機(jī)號(hào)碼
標(biāo)題
留言內(nèi)容
驗(yàn)證碼

論文元數(shù)據(jù)搜索,找到相關(guān)信息共 3 條:

排序:
相關(guān)度
發(fā)表時(shí)間
每頁顯示:
10
20
30
50
一種基于雙目PTZ相機(jī)的主從跟蹤方法
崔智高, 李艾華, 姜柯, 周杰
2013, 35(4): 777-783. doi: 10.3724/SP.J.1146.2012.01023  刊出日期:2013-04-19
關(guān)鍵詞: 目標(biāo)跟蹤, 主從跟蹤, PTZ(Pan-Tilt-Zoom)相機(jī), 變色龍視覺, 球面坐標(biāo)模型
借鑒變色龍視覺的高度獨(dú)立性、對(duì)稱性、全局性與選擇性兼顧等特點(diǎn),該文提出一種基于雙PTZ (Pan-Tilt-Zoom)相機(jī)的主從跟蹤方法。由于兩個(gè)相機(jī)的對(duì)稱性和參數(shù)可變性、可控性,這種方法相對(duì)于靜止加主動(dòng)相機(jī)的主從跟蹤系統(tǒng),可以增大監(jiān)控范圍;相對(duì)于多靜止加主動(dòng)相機(jī)的系統(tǒng),可減小硬件開銷;相對(duì)于全向加主動(dòng)相機(jī)的系統(tǒng),更有利于信息融合。該文設(shè)計(jì)了基于球面坐標(biāo)模型的主從控制方法,可方便實(shí)現(xiàn)兩相機(jī)在任意pan-tilt-zoom參數(shù)下的主從模式跟蹤,實(shí)現(xiàn)對(duì)目標(biāo)的多尺度視覺關(guān)注。在室外場(chǎng)景中進(jìn)行的多組實(shí)驗(yàn)驗(yàn)證了所提方法的有效性。
高性能YOLOv5:面向嵌入式平臺(tái)高性能目標(biāo)檢測(cè)算法研究
劉喬壽, 趙志源, 王均成, 皮勝文
2023, 45(6): 2205-2215. doi: 10.11999/JEIT220413  刊出日期:2023-06-10
關(guān)鍵詞: 目標(biāo)檢測(cè), YOLOv5, 混洗網(wǎng)絡(luò)2代, 自適應(yīng)空間特征融合, 嵌入式設(shè)備, TensorRT加速
針對(duì)目前深度學(xué)習(xí)單階段檢測(cè)算法綜合性能不平衡以及在嵌入式設(shè)備難以部署等問題,該文提出一種面向嵌入式平臺(tái)的高性能目標(biāo)檢測(cè)算法。基于只看1次5代 (YOLOv5)網(wǎng)絡(luò),改進(jìn)算法首先在主干網(wǎng)絡(luò)部分采用設(shè)計(jì)的空間頸塊代替原有的焦點(diǎn)模塊,結(jié)合改進(jìn)的混洗網(wǎng)絡(luò)2代替換原有的跨級(jí)局部暗網(wǎng)絡(luò),減小空間金字塔池化 (SPP)的內(nèi)核尺寸,實(shí)現(xiàn)了主干網(wǎng)絡(luò)的輕量化。其次,頸部采用了基于路徑聚合網(wǎng)絡(luò) (PAN)設(shè)計(jì)的增強(qiáng)型路徑聚合網(wǎng)絡(luò) (EPAN),增加了P6大目標(biāo)輸出層,提高了網(wǎng)絡(luò)的特征提取能力。然后,檢測(cè)頭部分采用以自適應(yīng)空間特征融合 (ASFF)為基礎(chǔ)設(shè)計(jì)的自適應(yīng)空洞空間特征融合 (A-ASFF)來替代原有的檢測(cè)頭,解決了物體尺度變化問題,在少量增加額外開銷情況下大幅提升檢測(cè)精度。最后,函數(shù)部分采用高效交并比 (EIoU)代替完整交并比 (CIoU)損失函數(shù),采用S型加權(quán)線性單元 (SiLU)代替HardSwish激活函數(shù),提升了模型的綜合性能。實(shí)驗(yàn)結(jié)果表明,與YOLOv5-S相比,該文提出的同版本算法在mAP@.5,mAP@.5:.95上分別提高了4.6%和6.3%,參數(shù)量降低了43.5%,計(jì)算復(fù)雜度降低了12.0%,在Jetson Nano平臺(tái)上使用原模型和TensorRT加速模型進(jìn)行速度評(píng)估,分別減少了8.1%和9.8%的推理延遲。該文所提算法的綜合指標(biāo)超越了眾多優(yōu)秀的目標(biāo)檢測(cè)網(wǎng)絡(luò),對(duì)嵌入式平臺(tái)更為友好,具有實(shí)際應(yīng)用意義。
基于低秩正則聯(lián)合稀疏建模的圖像去噪算法
查志遠(yuǎn), 袁鑫, 張嘉超, 朱策
doi: 10.11999/JEIT240324
關(guān)鍵詞: 圖像去噪, 泊松去噪, 非局部稀疏表示, 低秩正則聯(lián)合稀疏, 交替最小化算法, 自適應(yīng)參數(shù)
非局部稀疏表示模型,如聯(lián)合稀疏(JS)模型、低秩(LR)模型和組稀疏表示(GSR)模型,通過有效利用圖像的非局部自相似(NSS)屬性,在圖像去噪研究中展現(xiàn)出巨大的潛力。流行的基于字典的JS算法在其目標(biāo)函數(shù)中利用松馳的凸懲罰,避免了NP-hard稀疏編碼,但只能得到近似的稀疏表示。這種近似的JS模型未能對(duì)潛在的圖像數(shù)據(jù)施加低秩性,從而導(dǎo)致圖像去噪質(zhì)量降低。該文提出一種新穎的低秩正則聯(lián)合稀疏(LRJS)模型,用于求解圖像去噪問題。提出的LRJS模型同時(shí)利用非局部相似塊的LR和JS先驗(yàn)信息,可以增強(qiáng)非局部相似塊之間的相關(guān)性(即低秩性),從而可以更好地抑制噪聲,提升去噪圖像的質(zhì)量。為了提高優(yōu)化過程的可處理性和魯棒性,該文設(shè)計(jì)了一種具有自適應(yīng)參數(shù)調(diào)整策略的交替最小化算法來求解目標(biāo)函數(shù)。在兩個(gè)圖像去噪問題(包括高斯噪聲去除和泊松去噪)上的實(shí)驗(yàn)結(jié)果表明,提出的LRJS方法在客觀度量和視覺感知上均優(yōu)于許多現(xiàn)有的流行或先進(jìn)的圖像去噪算法,特別是在處理具有高度自相似性的圖像數(shù)據(jù)時(shí)表現(xiàn)更為出色。提出的LRJS圖像去噪算法的源代碼通過以下鏈接下載:https://pan.baidu.com/s/14bt6u94NBTZXxhWjBHxn6A?pwd=1234,提取碼:1234。