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

借鑒變色龍視覺的高度獨(dú)立性、對稱性、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)的對稱性和參數(shù)可變性、可控性，這種方法相對于靜止加主動相機(jī)的主從跟蹤系統(tǒng)，可以增大監(jiān)控范圍；相對于多靜止加主動相機(jī)的系統(tǒng)，可減小硬件開銷；相對于全向加主動相機(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)對目標(biāo)的多尺度視覺關(guān)注。在室外場景中進(jìn)行的多組實(shí)驗(yàn)驗(yàn)證了所提方法的有效性。

該文提出一組基于廣義局部沃爾什變換(GLWT)的紋理特征。首先給出局部沃爾什變換(LWT)的定義，并在空域中對其加以推廣，用以提取圖像的局部紋理信息；然后在一個(gè)宏窗口中估計(jì)12個(gè)GLWT系數(shù)的二階矩作為圖像的紋理特征。對這組紋理特征的鑒別性能進(jìn)行了分析，并與Haralick(1973)，Wang Li(1990)，以及Yu Hui提出的紋理特征進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，該文提出的紋理特征具有更好的鑒別性能和分類能力。

用H.263標(biāo)準(zhǔn)對甚低碼率圖像編碼時(shí)，經(jīng)過幀間預(yù)測后得到的運(yùn)動補(bǔ)償數(shù)據(jù)通常很小，對這些數(shù)據(jù)再進(jìn)行DCT和量化后往往成為全零塊，Alice Yu算法和周算法是預(yù)先判別全零系數(shù)塊的較為有效的方法，但在對較為復(fù)雜的序列圖像進(jìn)行預(yù)測時(shí)分別出現(xiàn)了較大程度的誤判和漏判。針對這些缺點(diǎn)，該文提出了一種新的全零系數(shù)塊的判別方法，它具有能隨量化級的變化自適應(yīng)地調(diào)整全零塊的判斷閾值、無需任何附加運(yùn)算和對圖像序列內(nèi)容復(fù)雜程度不敏感的優(yōu)點(diǎn)，將該方法應(yīng)用于H.263編碼器中，對Miss America和News圖像序列進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)表明，大約有40％-80％的塊可以在做DCT和量化前被判別為全零系數(shù)塊，大大減少了編碼的時(shí)間，同時(shí)圖像質(zhì)量的下降控制在0.0005 dB以內(nèi)。

針對目前深度學(xué)習(xí)單階段檢測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的高性能目標(biāo)檢測算法?；谥豢?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平臺上使用原模型和TensorRT加速模型進(jìn)行速度評估，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)檢測網(wǎng)絡(luò)，對嵌入式平臺更為友好，具有實(shí)際應(yīng)用意義。

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。