共查询到20条相似文献，搜索用时 765 毫秒
1.
随着人们生活水平的不断提高,道路车辆拥堵情况愈发严重。如何实时、精确地检测出道路车辆,对于解决道路拥堵问题具有重要意义,GPU和人工智能技术的飞速发展为其提供了可靠的解决方案。研究分析传统目标识别算法、基于候选区域深度学习的目标提取算法RCNN和基于回归的深度学习目标检测YOLO,最终确定采用基于卷积神经网络的实时目标检测算法SSD。首先调用VGG16网络模型在ILSVRC CLS-LOC数据库上预训练生成初始网络模型,进而设置超参数并在自身数据集上进行再训练,生成新的网络检测模型,然后将训练和测试部署到深度学习框架Caffe上加以实现。通过在数据库COCO、VOC2012上的测试结果表明,该模型检测精度为76%左右,处理速度为26FPS。同时通过道路路口的实地车辆检测,显示该算法能够实时、精确地检测出道路车辆,为道路拥堵情况判定提供可靠数据。 相似文献
2.
随着深度学习技术的兴起,目标检测算法正在经历着变革式的发展。作为深度学习目标检测研究领域中最新的一个研究方向,基于关键点的目标检测算法正在得到越来越多的关注,已成为目标检测的一个重要研究方向。本文在对基于深度学习的目标检测技术进行简要回顾的基础上,着重分析了基于关键点的目标检测方法所涉及的核心技术,并从所采用的骨干网络、特征点、COCO数据库中的检测表现等几个角度对相关方法进行汇总,论述了各类方法的检测性能。最后通过对各类方法进行对比总结出当前关键点目标检测方法存在的问题,并对未来的研究方向进行了展望。 相似文献
3.
为有效进行圆柱形金属工件表面缺陷检测,设计一套利用深度学习框架——Faster R-CNN的表面缺陷检测系统。该系统算法利用Resnet网络进行特征提取,采用RPN方法提取缺陷的候选目标矩形区域,再利用Fast R-CNN在候选区域基础上进行缺陷检测。此外,为克服金属表面反光并获得高质量图片,设计一套合适的图像采集系统。实验表明,该检测系统能有效克服光滑金属表面的强反射,从而获取高质量图片;同时利用基于Faster R-CNN框架的方法进行缺陷检测,较好地解决了圆柱形金属表面缺陷检测能力弱的问题,在置信度阈值为0.9时,其查全率为95.0%,查准率为96.0%,检测速度为65ms/幅。 相似文献
4.
周泽华 《赤峰学院学报(自然科学版)》2012,(15):68-69
研究车牌识别定位算法问题．传统的车牌设识别定位算法的识别精确度难以满足现实在交通管理和流量监测中的应用,存在车牌图像定位的精度不高等问题．为解决上述问题,在对车辆图像预处理基础上,提出一种基于有色点对搜索的车牌定位算法．基于车牌图像颜色特征,选取适合的颜色模型进行车牌提取．用有色点对算法搜索出符合车牌字符特征的候选区域对车牌进行粗定位,最后对候选区域进一步分析准确定位出车牌．通过研究表明,该算法具有较高的准确率． 相似文献
5.
计算机视觉技术越来越多地应用于生猪饮水等行为识别中,以判断生猪健康状况。现有的饮水识别方法主要依赖目标轮廓,而传统的阈值分割方式受光照、噪点等因素影响较大,提取的轮廓不够精确。提出一种基于深度学习目标检测算法YOLO（You Only Look Once,YOLO）的生猪行为识别方法,根据生猪位置与饮水区的关系以及是否处于静止状态综合判断其饮水行为。该方法不依赖目标轮廓,且无复杂的手动特征提取过程。在深度学习框架tensorflow上进行群养猪检测、定位以及饮水行为识别。实验证明,该算法比基于轮廓的饮水识别算法精度提高3%,达到94.0%。 相似文献
6.
7.
目标检测是目前计算机视觉领域非常热门的研究方向,是无人驾驶技术重要环节。为提高行车过程中目标检测精度并改善基于单发多目标检测器在训练时出现的正负样本失衡问题,基于车载视频,运用深度学习算法中具有强大性能的SSD模型,通过引入Focal Loss函数设计新的损失函数,解决样本失衡问题;同时在不降低检测速率的情况下,提高检测精度。基于自行采集的车载视频数据集进行实验,结果表明,改进后SSD模型的mAP相较于原始SSD模型提高了3%,达到74%。 相似文献
8.
将深度学习、机器视觉与机器人相结合,构建了平面无序件抓取实验系统.通过在SSD网络引入内卷积、特征金字塔等提高目标检测算法的检测性能与效率,算法参数减少60％.构建基于VGG16主干网络的细长类标准件姿态预测算法以引导机械手抓取;采用STM32单片机控制龙门式机械手,根据算法检测结果实现机械手的抓取动作.该抓取实验系统... 相似文献
9.
基于网络的行动学习模式的探索 总被引：2，自引：0，他引：2
杨旭东 《中国远程教育(综合版)》2006,(9):33-35
行动学习适合远程开放教育的学生,在理论上,行动学习法可以应用于以培养应用型人才为目标的电大开放教育教学中。哈尔滨电大自2003年春开始,在金融本科《证券投资分析》课程教学中,进行了基于网络的行动学习模式的实践探索,通过建立行动学习小组、成立学生讲师团及学生学习考评委员会等措施,从组织上保证了行动学习模式的实施;将行动学习的基本过程划分为问题提出、问题解决、问题报告三个阶段;并对原有的教学评价方式进行了调整,重新确定了成绩结构和成绩评定指标,强化了对学生学习过程的考评。实践证明,基于网络的行动学习是适合远程开放教育的教育形式。 相似文献
10.
网络用户大幅度增加为网络发展带来机遇的同时也带来了挑战,当前使用的数据负载均衡方法节点数据分发能力较差导致网络节点吞吐量较低。因此,设计了基于深度强化学习算法的高能效数据负载均衡方法。选择隐式并行程序设计方法,设计网络数据并行程序。根据存储节点个数,设计数据分配与迁移方法。根据存储节点数据量与特征,选择深度强化学习算法,实现高能效数据负载均衡。构建仿真分析环节,经多次测试证实,深度强化学习负载均衡方法具有调节网络节点平均吞吐量的能力,且此方法的使用效果优于当前所使用的其他方法。 相似文献
11.
<正>本文通过行动研究法、资料文献法、经验总结法等方法探讨如何培养学生数学自主学习能力。在数学教学中培养学生自主学习能力是落实教学目标的需要,而且有助于加深学生的学习深度、满足学生学习需求。基于此,本文简要阐述通过强化学生自主意识,培养学生数学自主学习能力的策略：课前提供学生学习任务单;课堂上创设有效的问题情境;通过小组合作学习开展实践活动。就当前初中数学教学情况来看,教师在教学中忽视了对学生自主学习能力的培养,仍然使用传统的灌输式教学法,这不利于学生的可持续发展。在本文中, 相似文献
12.
立足于深度学习,推进高校教学体系改革,已成为当前高等院校课程设置的主要任务。但高校在深度学习的理念落实中囿于资源限制、实施变形及教学模式的局限性,偏离了学习的本质及价值,导致教学双方的反馈效果不佳。案例行动学习法兼顾知识理解与实践应用的双重教学效果,解决学生学习“浅层化”的问题,为此本文试图以案例行动学习法打破当前深度学习的教学困境。首先,通过梳理相关文献发现两者具有内在耦合性,使其可以作为实现深度学习的有效形式;其次,从情境逻辑、教学逻辑、知识逻辑、价值逻辑维度探讨案例行动学习法塑造深度学习的逻辑理路;最后,引入“输入-过程-结果”研究范式,构建案例行动中深度学习的实施路径。本研究拓展了深度学习的研究范畴,加深了对案例行动学习法的认识,为高等教育深化教育教学改革奠定更坚实的理论基础。 相似文献
13.
为了克服传统深度学习在排水管道缺陷检测方面识别正确率较低的缺点,在Faster R-CNN算法基础上,利用聚类分析方法改进候选区域设置,提出一种优化的排水管道缺陷检测模型,并采用VGG、AlexNet、GoogleNet、ResNet代替Faster R-CNN网络中的特征提取层进行模拟计算。计算结果表明,K-means方法的最优类别数为5,虽然ResNet网络训练时间成倍增加,但其识别正确率达到0.89,比VGG网络提高了0.14。优化后的Faster R-CNN网络有效提高了排水管道缺陷检测的识别正确率。 相似文献
14.
基于反思的深度学习实质上是以反思性学习为核心内容的深度学习。其关键任务是发展反思性学习能力以促进深度学习目标的达成,其理论基础是深度学习理论和反思性学习理论。文章概述深度学习和反思性学习的概念内涵及实现过程,通过分析深度学习和反思性学习之间的内在联系,探讨"反思是否能促进深度学习",发现反思性学习能促进深度学习的实现,实质上属于深度学习的范畴,而深度学习能促进元认知能力的发展,这也是其要达成的目标之一。而"如何通过反思来促进深度学习",文章则通过将反思性学习的理念纳入到深度学习的一般过程模型中,构建了基于反思的深度学习过程模型,阐述了在深度学习的导入、主体以及评价等阶段中反思活动的方式及作用。 相似文献
15.
当前,学习行为分析已成为研究热点.基于大数据技术挖掘学生的学习行为特征,能为学习过程的改善、学习评价的优化提供重要依据.然而,现有研究却存在分析数据类型单一、实时性不强、结果准确度不高、缺乏可解释性等问题.文章从利用深度学习算法进行多模态学习分析入手,采用HDRBM(Hybrid Deep Restricted Boltzmann Machine,深度混合判别受限玻尔兹曼机)神经网络模型,建立多模态学习分析模型,为教育技术领域中利用多模态大数据挖掘学习者行为特征提供了新范式;接着从可解释性分析的角度,阐述利用深度学习算法进行多模态学习行为分析的算法设计与实现过程;通过实验表明,研究中所采用的方法与技术路线对提高学习行为分析的可解释性有较好成效. 相似文献
16.
基于反思的深度学习实质上是以反思性学习为核心内容的深度学习。其关键任务是发展反思性学习能力以促进深度学习目标的达成,其理论基础是深度学习理论和反思性学习理论。文章概述深度学习和反思性学习的概念内涵及实现过程,通过分析深度学习和反思性学习之间的内在联系,探讨"反思是否能促进深度学习",发现反思性学习能促进深度学习的实现,实质上属于深度学习的范畴,而深度学习能促进元认知能力的发展,这也是其要达成的目标之一。而"如何通过反思来促进深度学习",文章则通过将反思性学习的理念纳入到深度学习的一般过程模型中,构建了基于反思的深度学习过程模型,阐述了在深度学习的导入、主体以及评价等阶段中反思活动的方式及作用。 相似文献
17.
针对建筑工地等危险场景下需要对相关人员佩戴安全帽和口罩进行检测,提出基于改进YOLOX-S算法对安全帽和口罩小目标进行同时、实时检测．首先,在YOLOX-S中CSPLayer结构引入ECA注意力机制,引导模型更加关注小目标信息的通道特征,增强模型对有用特征的利用能力;其次,在主干特征提取网络的三个特征层后添加ConvNext Block模块,增强模型对有用特征的利用能力;最后,在加强特征提取网络中引入BiFPN的加权特征融合机制,将原来concat变为BiFPN＿concat,增加了对每个输入特征添加可学习的权值,来学习不同输入特征的重要性,区分特征融合过程中不同特征的重要程度,更好关注待检测的目标信息．实验结果表明,改进后算法的mAP为93.2%,比原始YOLOX-S算法平均精确度提升了3.1%. 相似文献
18.
目前无人机已经广泛应用于各行各业,但传统无人机识别方法存在成本高、识别率低、适应性差等问题导致无人机进入禁飞区域的事件时有发生,严重影响我国空域安全。针对无人机识别过程中存在的不足,提出基于深度学习的无人机识别算法,通过对LeNet-5模型进行改进,以无人机图像样本集作为网络模型训练和测试对象,构建无人机特征识别模型。模拟实验中,当网络模型学习率为0.1时,在经过150次迭代后,深度学习模型目标识别率为96.95%,经典LeNet-5模型识别率为91.18%。实验结果表明,基于深度学习的识别算法能够有效提高对无人机的目标识别率。 相似文献
19.