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
2
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
数字电表图像的检测与识别
被引量:
3
1
作者
沈美丽
《现代电子技术》
2022年第16期110-114,共5页
为降低传统机械式电表读取的人工成本,提升电子屏图像数据的提取效率,文中设计一种基于图像处理的电表读数智能检测系统。该系统主要由数字检测与数字识别两个模块构成。数字检测模块通过特有图像特征对电子屏区域进行定位与提取,随后...
为降低传统机械式电表读取的人工成本,提升电子屏图像数据的提取效率,文中设计一种基于图像处理的电表读数智能检测系统。该系统主要由数字检测与数字识别两个模块构成。数字检测模块通过特有图像特征对电子屏区域进行定位与提取,随后对区域内的数字由粗至精逐步进行精细框选,实现对单个数字的分割过程。数字识别模块采用大量数字图像对K最近邻分类算法进行训练,得到识别模型后,判断检测模块中分割数字的类别。以摄像头拍摄的特定电表为检测对象,经过工厂实地图像取样,通过编程和实验结果分析,证明文中检测系统能够较好地检测出电子屏幕中显示的数字个数并准确判断出数字类别,识别度高于97%。此电表读数智能检测系统可有效节省人力投入,降低出错率,能够依据实际需求对模型进行调整,从而应用于不同类型的电表图像识别。
展开更多
关键词
数字提取
ROI提取
数字识别
k
最近邻分类
图像分割
数字电表
图像特征
数字切割
欧氏距离
下载PDF
职称材料
少样本条件下基于K⁃最近邻及多分类器协同的样本扩增分类
2
作者
陈伟杰
郑成勇
+1 位作者
蔡圣杰
罗智玉
《现代电子技术》
2022年第15期123-127,共5页
针对少样本条件下的分类问题,提出一种基于K⁃最近邻及多分类器协同的训练样本扩增分类框架。首先利用少量标记样本对多个分类器进行初步训练,并在整个样本空间中搜索出每个标记样本的K个最近邻;然后利用初步训练好的分类器,对每个标记...
针对少样本条件下的分类问题,提出一种基于K⁃最近邻及多分类器协同的训练样本扩增分类框架。首先利用少量标记样本对多个分类器进行初步训练,并在整个样本空间中搜索出每个标记样本的K个最近邻;然后利用初步训练好的分类器,对每个标记样本的K个最近邻进行分类,若某个最近邻被多数或全体分类器判为具有与其标记样本相同的类,则将该最近邻判别为与其标记样本同类,并将其添加至该标记样本所属类的扩展训练样本集,利用扩展训练样本集再次对各分类器进行训练;最后利用再次训练过的多个分类器对剩余未标记样本进行基于投票的分类判决。在多个基准测试数据库上的对比实验结果表明,在少标记样本条件下,所提算法能显著提升分类器的分类精度。
展开更多
关键词
样本扩增分类
k
⁃
最近邻
多分类器协同
少样本
投票法
半监督分类
样本筛选
下载PDF
职称材料
题名
数字电表图像的检测与识别
被引量:
3
1
作者
沈美丽
机构
青岛理工大学理学院
出处
《现代电子技术》
2022年第16期110-114,共5页
文摘
为降低传统机械式电表读取的人工成本,提升电子屏图像数据的提取效率,文中设计一种基于图像处理的电表读数智能检测系统。该系统主要由数字检测与数字识别两个模块构成。数字检测模块通过特有图像特征对电子屏区域进行定位与提取,随后对区域内的数字由粗至精逐步进行精细框选,实现对单个数字的分割过程。数字识别模块采用大量数字图像对K最近邻分类算法进行训练,得到识别模型后,判断检测模块中分割数字的类别。以摄像头拍摄的特定电表为检测对象,经过工厂实地图像取样,通过编程和实验结果分析,证明文中检测系统能够较好地检测出电子屏幕中显示的数字个数并准确判断出数字类别,识别度高于97%。此电表读数智能检测系统可有效节省人力投入,降低出错率,能够依据实际需求对模型进行调整,从而应用于不同类型的电表图像识别。
关键词
数字提取
ROI提取
数字识别
k
最近邻分类
图像分割
数字电表
图像特征
数字切割
欧氏距离
Keywords
number
extraction
ROI
extraction
number
recognition
k
⁃
nearest
neighbor
classifier
image
segmentation
digital
ammeter
image
features
digital
cutting
Euclidean
distance
分类号
TN911.23-34 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
少样本条件下基于K⁃最近邻及多分类器协同的样本扩增分类
2
作者
陈伟杰
郑成勇
蔡圣杰
罗智玉
机构
五邑大学数学与计算科学学院
出处
《现代电子技术》
2022年第15期123-127,共5页
基金
广东省自然科学基金资助项目(2018A030313063)。
文摘
针对少样本条件下的分类问题,提出一种基于K⁃最近邻及多分类器协同的训练样本扩增分类框架。首先利用少量标记样本对多个分类器进行初步训练,并在整个样本空间中搜索出每个标记样本的K个最近邻;然后利用初步训练好的分类器,对每个标记样本的K个最近邻进行分类,若某个最近邻被多数或全体分类器判为具有与其标记样本相同的类,则将该最近邻判别为与其标记样本同类,并将其添加至该标记样本所属类的扩展训练样本集,利用扩展训练样本集再次对各分类器进行训练;最后利用再次训练过的多个分类器对剩余未标记样本进行基于投票的分类判决。在多个基准测试数据库上的对比实验结果表明,在少标记样本条件下,所提算法能显著提升分类器的分类精度。
关键词
样本扩增分类
k
⁃
最近邻
多分类器协同
少样本
投票法
半监督分类
样本筛选
Keywords
sample
augmentation
and
classification
k
⁃
nearest
neighbor
multiple
classifier
collaboration
limited
sample
voting
method
semi
⁃
supervised
classification
sample
selection
分类号
TN911.1-34 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
数字电表图像的检测与识别
沈美丽
《现代电子技术》
2022
3
下载PDF
职称材料
2
少样本条件下基于K⁃最近邻及多分类器协同的样本扩增分类
陈伟杰
郑成勇
蔡圣杰
罗智玉
《现代电子技术》
2022
0
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