期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
复杂背景下的汽车牌照自动识别系统 被引量:9
1
作者 燕鹏 刘长松 +1 位作者 丁晓青 叶茂亮 《电视技术》 北大核心 2005年第6期90-93,共4页
分析了目前存在的车牌自动识别系统及其相应的问题,提出了一种在多分辨率下串行运算的金字塔结构的车牌自动识别系统。该系统由两个重要步骤组成:1)基于灰度方差的车牌定位算法,2)结合连通域分析和投影分析的字符切分算法。通过大量的... 分析了目前存在的车牌自动识别系统及其相应的问题,提出了一种在多分辨率下串行运算的金字塔结构的车牌自动识别系统。该系统由两个重要步骤组成:1)基于灰度方差的车牌定位算法,2)结合连通域分析和投影分析的字符切分算法。通过大量的实验证明该方法准确率高,鲁棒性好,速度快。 展开更多
关键词 金字塔结构 车牌定位 连通域分析 投影分析 模板匹配
下载PDF
基于LZG-Net的机械手触觉识别和分类
2
作者 杨兰 刘聂天和 王民慧 《贵州大学学报(自然科学版)》 2024年第4期70-76,共7页
准确识别物体类别和触觉信号对于机械手实现软抓取控制至关重要。为此,提出了一种用于嵌入式设备的轻量级金字塔神经网络(LZG-Net)模型,用于处理机械手抓取物体时的振动信号。LZG-Net模型以Ghost模块为基础,采取卷积核逐层递减的卷积策... 准确识别物体类别和触觉信号对于机械手实现软抓取控制至关重要。为此,提出了一种用于嵌入式设备的轻量级金字塔神经网络(LZG-Net)模型,用于处理机械手抓取物体时的振动信号。LZG-Net模型以Ghost模块为基础,采取卷积核逐层递减的卷积策略。针对注意力机制SE模块在一些嵌入式设备上无法部署的问题进行改进,并通过知识蒸馏、算子优化和量化操作提高模型在嵌入式系统上的准确率。最后,搭建了嵌入式触觉识别系统,将LZG-Net模型部署至其中,对4种不同特征的物体进行触觉识别。实验结果表明:该模型能够对物体类别及抓取状态进行准确分类,分类正确率达90.94%,其分类性能优于现有的经典轻量级神经网络。 展开更多
关键词 嵌入式系统 轻量级模型 机器人抓取 金字塔架构
下载PDF
嵌入式系统中的安全金字塔
3
作者 徐蓉 《计算机应用》 CSCD 北大核心 2013年第A02期142-144,205,共4页
嵌入式系统的安全设计与传统安全设计的不同之处,在于其受限制的系统功能(包括防御能力)和易被攻击者访问到的物理层。嵌入式安全问题不可能在单一的安全抽象层被解决,而是一个跨越多个抽象层的系统问题。使用一个嵌入式生物认证设备来... 嵌入式系统的安全设计与传统安全设计的不同之处,在于其受限制的系统功能(包括防御能力)和易被攻击者访问到的物理层。嵌入式安全问题不可能在单一的安全抽象层被解决,而是一个跨越多个抽象层的系统问题。使用一个嵌入式生物认证设备来演示一个跨越所有安全层(包括协议层、算法层、架构层、微架构层和电路层)的金字塔,以保证嵌入式系统的健壮性和安全性。 展开更多
关键词 嵌入式系统 安全金字塔 协议层 算法层 架构层 微架构层 电路层
下载PDF
联合多流融合和多尺度学习的卷积神经网络遥感图像融合方法 被引量:11
4
作者 雷大江 杜加浩 +1 位作者 张莉萍 李伟生 《电子与信息学报》 EI CSCD 北大核心 2022年第1期237-244,共8页
为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法。首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后... 为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法。首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼接输入到具有多流融合架构的金字塔模块进行图像重构。金字塔模块由多个骨干网络组成,可以在不同的空间感受野下进行特征提取,能够多尺度学习图像信息。最后,构建空间光谱预测子网融合金字塔模块输出的高级特征和网络前端的低级特征得到具有高空间分辨率的MS图像。结合WorldView-3卫星获取的图像进行实验,结果表明,所提方法生成的融合图像在主观目视检验和客观评价指标上都优于大多先进的遥感图像融合方法。 展开更多
关键词 遥感图像融合 频谱特征提取子网 金字塔模块 多流融合架构 空间光谱预测子网
下载PDF
基于自适应融合和注意力细化的语义分割模型
5
作者 魏赟 罗琦 赵迎志 《系统仿真学报》 CAS CSCD 北大核心 2023年第6期1226-1234,共9页
针对现有语义分割中存在的上下文信息利用不足和细节信息丢失等问题,提出了一种基于自适应融合和注意力细化的语义分割模型。该模型在编码的过程中引入一个自适应融合模块,通过让每个特征图按照相应的权重进行融合的方式来解决上下文信... 针对现有语义分割中存在的上下文信息利用不足和细节信息丢失等问题,提出了一种基于自适应融合和注意力细化的语义分割模型。该模型在编码的过程中引入一个自适应融合模块,通过让每个特征图按照相应的权重进行融合的方式来解决上下文信息利用不足的问题。在解码的过程中设计了一个注意力细化模块,使低阶特征与高阶特征之间能够进行相互指导优化,从而解决细节信息丢失的问题。实验结果表明:该模型在PASCAL VOC 2012数据集上的平均交并比达到了83.7%,比基于编解码的语义分割模型提高了1.1%;在Cityscapes数据集上取得了81.7%的平均交并比,进一步验证了该模型的泛化性。 展开更多
关键词 语义分割 金字塔池化 注意力机制 自适应融合 编码-解码架构
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部