期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
采用改进HSI模型的车牌区域检测和定位方法
被引量:
14
1
作者
刘晓芳
程丹松
+1 位作者
刘家锋
管宁
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2008年第1期85-89,共5页
为研制高性能实时车牌照识别系统,提出一种基于改进HSI模型的车辆牌照检测技术,依据转换后的车牌图像纹理特征设计了基于人工神经网络和投影算法的车牌区域检测和定位算法.结果表明,静态图片实验定位准确率98%,车牌检测率91%,得到了很...
为研制高性能实时车牌照识别系统,提出一种基于改进HSI模型的车辆牌照检测技术,依据转换后的车牌图像纹理特征设计了基于人工神经网络和投影算法的车牌区域检测和定位算法.结果表明,静态图片实验定位准确率98%,车牌检测率91%,得到了很好的车牌定位效果,静态图像处理速度为0.032s/幅,证明提出的定位方法可满足实时系统对识别速度的要求.
展开更多
关键词
车牌检测和定位
hsi
色彩
模型
人工神经网络
特征区域合并
下载PDF
职称材料
基于卷积神经网络的火灾识别算法
被引量:
10
2
作者
李杰
邱选兵
+3 位作者
张恩华
李宁
魏永卜
李传亮
《计算机应用》
CSCD
北大核心
2020年第S02期173-177,共5页
针对传统图像处理和浅层机器学习的火灾识别中准确率不太高、特征难以提取等问题,提出一种基于卷积神经网络的火灾识别算法。首先将图片数据集转化为快速HSI色彩格式,增加图片视觉特性,便于深度学习提取火焰特征;然后采用Inception_Resn...
针对传统图像处理和浅层机器学习的火灾识别中准确率不太高、特征难以提取等问题,提出一种基于卷积神经网络的火灾识别算法。首先将图片数据集转化为快速HSI色彩格式,增加图片视觉特性,便于深度学习提取火焰特征;然后采用Inception_Resnet_V2卷积神经网络结合可变形卷积网络(DCN)对数据集进行训练提取特征,提高卷积神经网络对目标几何变化的适应和建模能力;最后使用支持向量机(SVM)分批次训练提取到的特征来进行分类。实验结果表明,与传统图像处理和其他深度学习识别算法相比,所提算法准确率高、泛化能力强、漏报率低,对测试集识别准确率达99.04%,取得很好的火灾识别效果。
展开更多
关键词
可变形卷积网络
hsi
色彩
模型
支持向量机
卷积神经网络
深度学习
下载PDF
职称材料
基于改进Resnet18网络的火灾图像识别
3
作者
陈跨越
王保云
《河南师范大学学报(自然科学版)》
CAS
北大核心
2024年第4期101-110,I0013,I0014,共12页
针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对Resnet18网络进行改进,使其具有更高的性能和准确性.首先,在Resnet18网络的卷积层前插入空间变换网络(spatial transform networks,ST...
针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对Resnet18网络进行改进,使其具有更高的性能和准确性.首先,在Resnet18网络的卷积层前插入空间变换网络(spatial transform networks,STN).对于连续多个相同大小的卷积层,只在第一个卷积层前添加STN,共添加5个,并且在全连接层后添加dropout层防止过拟合.然后,使用迁移学习(transfer learning,TL)的方法对火灾进行分类识别.实验结果表明,改进后的Resnet18网络准确率、召回率、F_(1)值和AUC值等各项指标性能优于Resnet18网络和其他深度学习识别算法,能够对火灾图像进行快速、准确地识别.
展开更多
关键词
火灾检测
卷积神经网络
空间变换网络
Resnet18
hsi
色彩
模型
迁移学习
下载PDF
职称材料
基于M-HSI和像素偏移法的车牌定位
被引量:
2
4
作者
张振威
苏燕辰
《计算机工程与设计》
北大核心
2018年第11期3576-3583,共8页
为提高车牌定位准确率,提出一种改进的车牌定位方法。以小功率汽车牌照为研究对象,通过对HIS模型进行修正,分别得出包含车牌蓝色区域的二值图像和包含车牌字符的二值图像;将两幅二值图像合成一张图,利用车牌区域的几何特征实现对车牌区...
为提高车牌定位准确率,提出一种改进的车牌定位方法。以小功率汽车牌照为研究对象,通过对HIS模型进行修正,分别得出包含车牌蓝色区域的二值图像和包含车牌字符的二值图像;将两幅二值图像合成一张图,利用车牌区域的几何特征实现对车牌区域的定位;用Hough变换和像素偏移法对倾斜的车牌进行矫正。实验结果表明,该方法与基于边缘检测的车牌定位方法相比,在耗时基本不变的情况下,图像定位准确率达到98%,倾斜矫正准确率达到99%,验证了该方法的有效性。
展开更多
关键词
M-
hsi
色彩
模型
车牌定位
HOUGH变换
像素偏移法
车牌倾斜矫正
下载PDF
职称材料
一种改进的舌质舌苔识别算法研究
被引量:
1
5
作者
张志顺
《福建电脑》
2017年第12期11-13,共3页
针对舌图像诊断中,舌质、舌苔在识别速度和识别精度之间的矛盾,提出一种改进的舌质、舌苔识别算法。先把舌图像从RGB色彩模型转换成HSI色彩模型,用色度直方图处理,快速得到舌图像的分类;然后用FCM算法准确识别不同类的舌质、舌苔图像,...
针对舌图像诊断中,舌质、舌苔在识别速度和识别精度之间的矛盾,提出一种改进的舌质、舌苔识别算法。先把舌图像从RGB色彩模型转换成HSI色彩模型,用色度直方图处理,快速得到舌图像的分类;然后用FCM算法准确识别不同类的舌质、舌苔图像,解决了舌质、舌苔在识别过程中的模糊性和不确定性问题。实验结果表明,该方法在舌质、舌苔图像的识别速度和识别精度上取得较好的平衡,识别速度快、准确度高。
展开更多
关键词
舌质舌苔识别
色度直方图
hsi
色彩
模型
FCM算法
下载PDF
职称材料
题名
采用改进HSI模型的车牌区域检测和定位方法
被引量:
14
1
作者
刘晓芳
程丹松
刘家锋
管宁
机构
哈尔滨工业大学电气工程及自动化学院
哈尔滨工业大学计算机科学与技术学院
出处
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2008年第1期85-89,共5页
基金
国家高技术研究发展计划资助项目(2003AA501522)
文摘
为研制高性能实时车牌照识别系统,提出一种基于改进HSI模型的车辆牌照检测技术,依据转换后的车牌图像纹理特征设计了基于人工神经网络和投影算法的车牌区域检测和定位算法.结果表明,静态图片实验定位准确率98%,车牌检测率91%,得到了很好的车牌定位效果,静态图像处理速度为0.032s/幅,证明提出的定位方法可满足实时系统对识别速度的要求.
关键词
车牌检测和定位
hsi
色彩
模型
人工神经网络
特征区域合并
Keywords
license diction and plate
hsi
color model
ANN
characteristic region combination
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于卷积神经网络的火灾识别算法
被引量:
10
2
作者
李杰
邱选兵
张恩华
李宁
魏永卜
李传亮
机构
太原科技大学应用科学学院
出处
《计算机应用》
CSCD
北大核心
2020年第S02期173-177,共5页
基金
国家自然科学基金资助项目(U1610117,U1810129,11904252)
山西省重点研发计划项目(201803D121090,201803D31077)。
文摘
针对传统图像处理和浅层机器学习的火灾识别中准确率不太高、特征难以提取等问题,提出一种基于卷积神经网络的火灾识别算法。首先将图片数据集转化为快速HSI色彩格式,增加图片视觉特性,便于深度学习提取火焰特征;然后采用Inception_Resnet_V2卷积神经网络结合可变形卷积网络(DCN)对数据集进行训练提取特征,提高卷积神经网络对目标几何变化的适应和建模能力;最后使用支持向量机(SVM)分批次训练提取到的特征来进行分类。实验结果表明,与传统图像处理和其他深度学习识别算法相比,所提算法准确率高、泛化能力强、漏报率低,对测试集识别准确率达99.04%,取得很好的火灾识别效果。
关键词
可变形卷积网络
hsi
色彩
模型
支持向量机
卷积神经网络
深度学习
Keywords
Deformable Convolutional Network(DCN)
Hue,Saturation,Intensity(
hsi
)color model
Support Vector Machine(SVM)
Convolution Neural Network(CNN)
deep learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进Resnet18网络的火灾图像识别
3
作者
陈跨越
王保云
机构
云南师范大学数学学院
云南师范大学云南省现代分析数学及应用重点实验室
出处
《河南师范大学学报(自然科学版)》
CAS
北大核心
2024年第4期101-110,I0013,I0014,共12页
基金
国家自然科学基金(61966040).
文摘
针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对Resnet18网络进行改进,使其具有更高的性能和准确性.首先,在Resnet18网络的卷积层前插入空间变换网络(spatial transform networks,STN).对于连续多个相同大小的卷积层,只在第一个卷积层前添加STN,共添加5个,并且在全连接层后添加dropout层防止过拟合.然后,使用迁移学习(transfer learning,TL)的方法对火灾进行分类识别.实验结果表明,改进后的Resnet18网络准确率、召回率、F_(1)值和AUC值等各项指标性能优于Resnet18网络和其他深度学习识别算法,能够对火灾图像进行快速、准确地识别.
关键词
火灾检测
卷积神经网络
空间变换网络
Resnet18
hsi
色彩
模型
迁移学习
Keywords
fire detection
convolutional neural network
spatial transformation network
Resnet18
hsi
color model
transfer learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—计算机科学与技术]
X928.7 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
基于M-HSI和像素偏移法的车牌定位
被引量:
2
4
作者
张振威
苏燕辰
机构
西南交通大学机械工程学院
出处
《计算机工程与设计》
北大核心
2018年第11期3576-3583,共8页
文摘
为提高车牌定位准确率,提出一种改进的车牌定位方法。以小功率汽车牌照为研究对象,通过对HIS模型进行修正,分别得出包含车牌蓝色区域的二值图像和包含车牌字符的二值图像;将两幅二值图像合成一张图,利用车牌区域的几何特征实现对车牌区域的定位;用Hough变换和像素偏移法对倾斜的车牌进行矫正。实验结果表明,该方法与基于边缘检测的车牌定位方法相比,在耗时基本不变的情况下,图像定位准确率达到98%,倾斜矫正准确率达到99%,验证了该方法的有效性。
关键词
M-
hsi
色彩
模型
车牌定位
HOUGH变换
像素偏移法
车牌倾斜矫正
Keywords
modified M-
hsi
model
license plate location
Hough transform
pixel offset method
license plate slant correction
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
一种改进的舌质舌苔识别算法研究
被引量:
1
5
作者
张志顺
机构
嘉应学院医学院
出处
《福建电脑》
2017年第12期11-13,共3页
基金
嘉应学院自然科学项目(2015KJY09)
文摘
针对舌图像诊断中,舌质、舌苔在识别速度和识别精度之间的矛盾,提出一种改进的舌质、舌苔识别算法。先把舌图像从RGB色彩模型转换成HSI色彩模型,用色度直方图处理,快速得到舌图像的分类;然后用FCM算法准确识别不同类的舌质、舌苔图像,解决了舌质、舌苔在识别过程中的模糊性和不确定性问题。实验结果表明,该方法在舌质、舌苔图像的识别速度和识别精度上取得较好的平衡,识别速度快、准确度高。
关键词
舌质舌苔识别
色度直方图
hsi
色彩
模型
FCM算法
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
采用改进HSI模型的车牌区域检测和定位方法
刘晓芳
程丹松
刘家锋
管宁
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2008
14
下载PDF
职称材料
2
基于卷积神经网络的火灾识别算法
李杰
邱选兵
张恩华
李宁
魏永卜
李传亮
《计算机应用》
CSCD
北大核心
2020
10
下载PDF
职称材料
3
基于改进Resnet18网络的火灾图像识别
陈跨越
王保云
《河南师范大学学报(自然科学版)》
CAS
北大核心
2024
0
下载PDF
职称材料
4
基于M-HSI和像素偏移法的车牌定位
张振威
苏燕辰
《计算机工程与设计》
北大核心
2018
2
下载PDF
职称材料
5
一种改进的舌质舌苔识别算法研究
张志顺
《福建电脑》
2017
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部