期刊导航
期刊开放获取
上海教育软件发展有限公..
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
一种面向动态环境下视觉同时定位和建图的图像预处理方法
1
作者
卓桂荣
卢守义
熊璐
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第12期1955-1964,共10页
提出了一种用于动态环境下视觉同时定位和建图(SLAM)系统的图像预处理方法。该方法可以很容易地集成到现有视觉SLAM系统中,使其在高动态环境下能够稳定、准确和连续的工作。首先,提出了一种综合使用语义分割网络和光流估计网络的动态物...
提出了一种用于动态环境下视觉同时定位和建图(SLAM)系统的图像预处理方法。该方法可以很容易地集成到现有视觉SLAM系统中,使其在高动态环境下能够稳定、准确和连续的工作。首先,提出了一种综合使用语义分割网络和光流估计网络的动态物体识别算法,鲁棒、准确地识别图像中潜在的动态物体。然后,为了检测与动态物体关联的阴影,提出了一种基于区域生长的阴影识别算法。最后,使用图像补全技术对剔除动态物体后的图像进行补全。将该图像预处理方法与双目ORB-SLAM2结合,并在KITTI数据集上进行了实验,实验表明所提出的图像预处理方法显著地提升了视觉SLAM系统的定位精度,并且图像预处理方法中的每一个模块都有着不可替代的作用。
展开更多
关键词
图像预处理方法
视觉同时定位和建图
动态环境
定位
在线阅读
下载PDF
职称材料
基于ConvNeXt卷积神经网络模型对烟叶成熟度识别的研究
2
作者
郭雨萌
肖亦雄
+4 位作者
肖孟宇
马云明
谭军
周喜新
范伟
《北方农业学报》
2025年第1期125-134,共10页
【目的】确定ConvNeXt卷积神经网络模型在烟叶成熟度识别中最适用于便携手持设备应用的主流图像预处理方法。【方法】使用便携手持图像采集设备采集烟叶图像,应用高斯缩放、对比增强、色彩增强和裁剪缩放4种预处理方法,结合ConvNeXt卷...
【目的】确定ConvNeXt卷积神经网络模型在烟叶成熟度识别中最适用于便携手持设备应用的主流图像预处理方法。【方法】使用便携手持图像采集设备采集烟叶图像,应用高斯缩放、对比增强、色彩增强和裁剪缩放4种预处理方法,结合ConvNeXt卷积神经网络构建模型,记录模型对烟叶成熟度识别的准确率、训练耗时和模型大小。通过对比分析不同预处理方法在性能、训练效率和模型大小上的表现,评估ConvNeXt卷积神经网络模型在便携设备上识别烟叶成熟度的应用潜力。【结果】在4种图像预处理方法中,高斯缩放在结合ConvNeXt卷积神经网络模型进行烟叶成熟度识别时综合表现最优,高斯缩放预处理后的模型准确率达到97.68%,优于对比增强、色彩增强和裁剪缩放,且训练耗时仅为8.927 min,模型大小为63.5 MB,兼具高效性与轻量化特征。在对比YOLO和XGBoost等其他模型时,高斯缩放结合ConvNeXt卷积神经网络构建的模型在各项指标中均表现突出,尤其在准确率和训练时间上展现出明显优势,适配便携手持设备的应用需求。【结论】高斯缩放作为图像预处理方法,能有效提升ConvNeXt卷积神经网络模型在烟叶成熟度识别任务中的准确性和运行效率。高斯缩放结合ConvNeXt卷积神经网络构建的模型训练速度快、占用资源少,适合在便携手持图像采集设备上使用。
展开更多
关键词
ConvNeXt卷积神经网络模型
烟叶成熟度识别
便携手持
图像
采集设备
智能化
图像
识别
图像预处理方法
在线阅读
下载PDF
职称材料
题名
一种面向动态环境下视觉同时定位和建图的图像预处理方法
1
作者
卓桂荣
卢守义
熊璐
机构
同济大学汽车学院
同济大学新能源汽车工程中心
出处
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第12期1955-1964,共10页
基金
国家自然科学基金(52325212)
国家重点研发计划(2022YFE0117100)
中央高校基本科研业务费专项资金资助。
文摘
提出了一种用于动态环境下视觉同时定位和建图(SLAM)系统的图像预处理方法。该方法可以很容易地集成到现有视觉SLAM系统中,使其在高动态环境下能够稳定、准确和连续的工作。首先,提出了一种综合使用语义分割网络和光流估计网络的动态物体识别算法,鲁棒、准确地识别图像中潜在的动态物体。然后,为了检测与动态物体关联的阴影,提出了一种基于区域生长的阴影识别算法。最后,使用图像补全技术对剔除动态物体后的图像进行补全。将该图像预处理方法与双目ORB-SLAM2结合,并在KITTI数据集上进行了实验,实验表明所提出的图像预处理方法显著地提升了视觉SLAM系统的定位精度,并且图像预处理方法中的每一个模块都有着不可替代的作用。
关键词
图像预处理方法
视觉同时定位和建图
动态环境
定位
Keywords
image pre-processing methods
visual simultaneous localization and mapping
dynamic environment
localization
分类号
U469.79 [机械工程—车辆工程]
在线阅读
下载PDF
职称材料
题名
基于ConvNeXt卷积神经网络模型对烟叶成熟度识别的研究
2
作者
郭雨萌
肖亦雄
肖孟宇
马云明
谭军
周喜新
范伟
机构
湖南农业大学
湖南省烟草公司衡阳市公司
出处
《北方农业学报》
2025年第1期125-134,共10页
基金
湖南省烟草公司衡阳市公司科技项目(2021430481240017)。
文摘
【目的】确定ConvNeXt卷积神经网络模型在烟叶成熟度识别中最适用于便携手持设备应用的主流图像预处理方法。【方法】使用便携手持图像采集设备采集烟叶图像,应用高斯缩放、对比增强、色彩增强和裁剪缩放4种预处理方法,结合ConvNeXt卷积神经网络构建模型,记录模型对烟叶成熟度识别的准确率、训练耗时和模型大小。通过对比分析不同预处理方法在性能、训练效率和模型大小上的表现,评估ConvNeXt卷积神经网络模型在便携设备上识别烟叶成熟度的应用潜力。【结果】在4种图像预处理方法中,高斯缩放在结合ConvNeXt卷积神经网络模型进行烟叶成熟度识别时综合表现最优,高斯缩放预处理后的模型准确率达到97.68%,优于对比增强、色彩增强和裁剪缩放,且训练耗时仅为8.927 min,模型大小为63.5 MB,兼具高效性与轻量化特征。在对比YOLO和XGBoost等其他模型时,高斯缩放结合ConvNeXt卷积神经网络构建的模型在各项指标中均表现突出,尤其在准确率和训练时间上展现出明显优势,适配便携手持设备的应用需求。【结论】高斯缩放作为图像预处理方法,能有效提升ConvNeXt卷积神经网络模型在烟叶成熟度识别任务中的准确性和运行效率。高斯缩放结合ConvNeXt卷积神经网络构建的模型训练速度快、占用资源少,适合在便携手持图像采集设备上使用。
关键词
ConvNeXt卷积神经网络模型
烟叶成熟度识别
便携手持
图像
采集设备
智能化
图像
识别
图像预处理方法
Keywords
ConvNeXt convolutional neural network model
Tobacco leaf maturity identification
Portable handheld image acquisition devices
Intelligent image identification
Image preprocessing methods
分类号
S572 [农业科学—烟草工业]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种面向动态环境下视觉同时定位和建图的图像预处理方法
卓桂荣
卢守义
熊璐
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于ConvNeXt卷积神经网络模型对烟叶成熟度识别的研究
郭雨萌
肖亦雄
肖孟宇
马云明
谭军
周喜新
范伟
《北方农业学报》
2025
0
在线阅读
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
