-
题名基于深度强化学习的移动机器人视觉图像分级匹配算法
被引量：5
- 1
-
-
作者
李晓峰
任杰
李东
-
机构
黑龙江外国语学院信息工程系
哈尔滨体育学院体育教育训练学院
哈尔滨工业大学计算机科学与技术学院
-
出处
《吉林大学学报（理学版）》
CAS
北大核心
2023年第1期127-135,共9页
-
基金
黑龙江省自然科学基金(批准号:LH2021F040)。
-
文摘
针对传统移动机器人视觉图像分级匹配算法只能完成粗匹配,导致最终匹配精度较低、匹配时间较长等问题,提出一种基于深度强化学习的移动机器人视觉图像分级匹配算法.首先,利用深度强化学习网络结构中的策略网络和价值网络,共同指导浮动图像按正确方向移至参考图像;其次,在粗匹配过程中通过设计奖赏函数,实现颜色特征粗匹配;最后,在粗匹配基础上,利用改进尺度不变特征变换算法提取待匹配的图像局部特征,按相似度进行移动机器人视觉图像分级匹配.实验结果表明,该算法可有效实现图像的粗匹配与精匹配,在不同视角与尺度情况下特征检测的稳定性均较高,匹配精度高、时间短,匹配后的图像质量较好,提高了移动机器人的实际应用效果.
-
关键词
深度强化学习
移动机器人
视觉图像
粗匹配
精匹配
奖赏函数
-
Keywords
deep reinforcement learning
mobile robot
visual image
coarse matching
fine matching
reward function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度残差网络的医学超声图像多尺度边缘检测算法
被引量：6
- 2
-
-
作者
李晓峰
李东
王妍玮
-
机构
黑龙江外国语学院信息工程系
哈尔滨工业大学计算机科学与技术学院
普度大学机械工程系
-
出处
《吉林大学学报（理学版）》
CAS
北大核心
2021年第4期900-908,共9页
-
基金
国家自然科学基金(批准号:61803117)
教育部科技发展中心产学研创新基金(批准号:2018A01002).
-
文摘
为提高医学超声图像在临床诊断的效果,需先对图像进行优化检测和识别,提出一种基于深度残差网络的医学超声图像多尺度边缘检测算法.首先,通过对原始医学超声图像进行自动标注,构建医学超声图像灰度分布矩阵,利用分布矩阵完成医学超声图像的多尺度分割;其次,构建医学超声图像多尺度边缘的轮廓模型,提取多尺度图像边缘特征;再次,构建深度残差网络结构,采用深度残差学习算法进行超声图像的底层图像信息融合;最后,对融合后的边缘图像数据进行多尺度边缘检测.实验结果表明,该算法的图像分割精度高,特征提取准确率达80%以上,图像边界中间断区检测效果较好,边缘点查全性较高,算法检测耗时短、收敛性强.
-
关键词
深度残差网络
医学超声图像
多尺度
边缘检测
-
Keywords
deep residual network
medical ultrasonic image
multi-scale
edge detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于全卷积神经网络的多维信任数据协同推荐算法
- 3
-
-
作者
李晓峰
王妍玮
王建华
-
机构
黑龙江外国语学院信息工程系
普渡大学机械工程系
哈尔滨师范大学计算机科学与信息工程学院
-
出处
《计算机应用与软件》
北大核心
2020年第8期233-238,255,共7页
-
基金
国家自然科学基金项目(61803117,41071262)
教育部科技发展中心产学研创新基金项目(2018A01002)
国家科技部创新方法专项(2017IM010500)。
-
文摘
传统算法对多维信任数据进行推荐时,均衡性较差,导致用户信任度不高,为此,提出一种基于全卷积神经网络的多维信任数据协同推荐算法。构建多维信任数据的存储和服务结构模型,运用该模型提取多维信任数据的关联规则特征量;采用隐含层节点抽取机制,将提取的特征数据输入到卷积神经网络中进行自适应学习,保留重要隐含层中的关键信息;采用协同滤波方法训练隐含层和输出层的连接权值,从而实现多维信任数据协同推荐。实验结果表明,该算法的稀疏学习性能较好,降低了推荐网络模型的复杂性,提高了置信度水平。
-
关键词
全卷积神经网络
多维信任数据
协同滤波
推荐算法
-
Keywords
Full convolution neural network
Multi-dimensional trust data
Collaborative filtering
Recommendation algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
