修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

287 条数据
?? 中文（中国） ▾

  • [IEEE 2018年第25届国际图像处理会议(ICIP) - 雅典(2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理会议(ICIP) - 基于曲率增强的深度学习三维物体识别

    摘要： 本文提出了一种将形状信息融入卷积神经网络（CNN）以实现三维物体识别的新方法。体素CNN在三维物体识别任务中已取得显著成效，但在转换为体素表示时，?；岫Ф允侗鹩杏玫牧巫葱畔?。我们提出了一种可应用于体素CNN的一维特征，该特征基于平均曲率构建，能提升体素CNN的形状识别能力。通过将这一新型旋转不变特征整合至最新的体素CNN架构Octnet中，我们在ModelNet10数据集上实现了1%的整体准确率提升。

    关键词： 3D物体识别、卷积神经网络、计算几何学、深度学习

    更新于2025-09-23 05:47:27

  • [IEEE 2018国际信息与通信技术融合会议(ICTC) - 济州(2018.10.17-2018.10.19)] 2018年国际信息与通信技术融合会议(ICTC) - 面向高动态范围显示优化的深度逆色调映射

    摘要： 高动态范围（HDR）的普及使得逆色调映射成为HDR显示的重要技术。本文提出一种基于卷积神经网络（CNN）的逆色调映射方法，可从单张标准动态范围（SDR）图像生成高质量HDR图像。首先，我们设计了一个三通道输入的CNN架构，同时考虑亮度和色度信息；其次，采用重叠输入方式消除CNN零填充导致的边界伪影。实验结果表明，相比真实参考图像和传统逆色调映射方法，本方法生成的HDR图像具有更优质量。

    关键词： 逆色调映射、高动态范围成像、卷积神经网络

    更新于2025-09-23 06:30:06

  • [IEEE 2018年国际神经网络联合会议(IJCNN) - 里约热内卢 (2018.7.8-2018.7.13)] 2018年国际神经网络联合会议(IJCNN) - 基于卷积神经网络的剪切散斑图像缺陷分类

    摘要： 高主观性、注意力不足和疲劳是剪切散斑等无损光学检测活动中人类分析固有的因素。为最大限度降低人为错误概率，研究人员对256个玻璃纤维补片修复管道的剪切散斑测试样本进行了二分类研究。该数据集被划分为主要缺陷和次要缺陷，用于训练两种卷积神经网络架构——这种以图像分类应用著称的人工神经网络。架构A在主要缺陷检测中最高准确率达73%，而结构稍复杂的架构B取得了更优效果。后续针对架构B的研究表明，双层滤波器与dropout层的组合是此类分类问题的最佳配置。虽然其他架构可能获得更好结果，但未通过网格搜索验证该假设。架构B最终实现了79%的准确率，由此可以合理推断：卷积神经网络能够从剪切散斑测试样本中获取的条纹图案等难以正确处理的参数中学习特征。

    关键词： 无损检测、卷积神经网络、复合材料、剪切散斑干涉法、二分类

    更新于2025-09-23 07:05:03

  • 用于RGB-D图像中6D物体位姿估计的整体与局部块框架

    摘要： 6D物体位姿估计是计算机视觉及诸多实际应用中一个重要且具有挑战性的问题。本文提出了一种针对RGB-D图像的6D物体位姿估计新框架。与现有整体式或局部块方法不同，我们通过结合整体特征与局部块来完成该任务。该方法包含三个阶段：整体块提取、局部块回归和6D位姿优化。首阶段采用基于合成渲染数据训练的现有卷积神经网络粗略预测目标物体位置并提取整体块；次阶段运用改进的卷积自编码器学习局部块的压缩特征表示，通过特征投票回归实现6D物体位姿的粗估计；最终利用粒子群优化算法对6D位姿进行精细化调整。我们在三个具有挑战性的公开数据集上评估了该方法（这些数据集可测试背景杂乱、前景遮挡及多实例条件下的性能），并通过大量实验验证了框架各参数（如局部块特征维度和PSO参数）的影响。多项实验结果表明，本方法优于当前部分先进技术。

    关键词： 卷积神经网络，粒子群优化，局部图像块，6D物体位姿估计，整体图像块，RGB-D图像

    更新于2025-09-23 07:15:00

  • [IEEE 2018年第21届智能交通系统国际会议（ITSC）- 美国夏威夷州毛伊岛（2018.11.4-2018.11.7）] 2018年第21届智能交通系统国际会议（ITSC）- 恶劣天气条件下图像视觉质量增强

    摘要： 视觉系统在恶劣天气条件下捕获的图像质量会显著下降。本文提出一种基于深度学习的解决方案，用于改善雨雾等导致图像质量退化的常见恶劣天气条件下的成像效果。我们设计的卷积神经网络NVDeHazeNet通过学习预测原始信号及大气光值来实现图像质量修复，在合成数据与真实雾霾图像的评估中均优于现有最先进方法。去雨CNN网络NVDeRainNet在现有雨天数据集上展现出与前沿技术相当的性能，在自然雨景图像处理中更超越当前最优水平。研究证明感知损失函数能有效提升结果视觉质量。这些网络需要大量恶劣天气条件下的训练数据及其对应真值，为此我们采用天气模拟框架生成合成雨雾环境数据，并结合现有雨天数据集进行网络训练。

    关键词： 去雨、去雾、卷积神经网络、深度学习

    更新于2025-09-23 07:37:53

  • [2018年IEEE第十届拉丁美洲通信会议(LATINCOM) - 墨西哥哈利斯科州瓜达拉哈拉(2018.11.14-2018.11.16)] 2018年IEEE第十届拉丁美洲通信会议(LATINCOM) - 用于多光谱遥感图像语义分割的卷积神经网络

    摘要： 近期人工智能（AI）方法论的发展浪潮简化了该技术在多个研究领域的应用。此前由于维度限制、处理时间、计算资源等因素制约，这种简化并不现实。在人工神经网络（NN）中处理多光谱遥感（RS）图像曾极为复杂——传统方法需要执行数百万次运算，耗时长久且难以达到与最先进技术（SoA）相媲美的效果。深度学习（DL）策略的应用有效缓解了这些限制，极大提升了神经网络的实用性。本文通过分析DL-NN对多光谱RS图像进行语义分割的效果展开研究，所用影像来自欧洲航天局哨兵2号卫星星座。本研究旨在将场景中每个像素划分为五类：1-植被、2-土壤、3-水体、4-云层和5-云影。为这些类别构建分割输入数据集时，光谱波段的选择至关重要，每种物质的光谱特征有助于区分不同类别。结果表明，本研究所提AI策略在保持具有竞争力的处理时效的同时，其分割精度优于其他最先进技术方法。

    关键词： 语义分割、卷积神经网络、遥感、多光谱图像

    更新于2025-09-23 07:54:28

  • [IEEE 2018年第26届电信论坛(TELFOR) - 塞尔维亚贝尔格莱德 (2018.11.20-2018.11.21)] 2018年第26届电信论坛(TELFOR) - 基于深度残差U-Net的RGB-NIR去马赛克技术

    摘要： 多光谱图像采集在计算机视觉和图像处理应用中具有诸多潜在优势。单传感器采集有助于克服多传感器采集中出现的错位问题，但单传感器方法存在缺失值插补的难题。本文提出了一种适用于去马赛克的改进版残差U-Net网络。实验表明，该方法达到了最先进的性能水平，并对不同颜色滤波阵列模式具有良好的泛化能力。

    关键词： 单传感器，卷积神经网络，红绿蓝近红外，彩色滤波阵列，深度学习，去马赛克，U型网络

    更新于2025-09-23 08:58:46

  • [SPIE计算机辅助诊断会议 - 美国休斯顿（2018年2月10日-2018年2月15日）] 医学成像2018：计算机辅助诊断 - 利用CT图像和左心房补丁检测病变心脏的卷积神经网络

    摘要： 心血管疾病是美国的主要死亡原因之一。在传统三维（3D）CT上识别心脏疾病具有诸多临床应用价值。当唯一可用的检查手段仅为传统3D CT时，能区分健康与病变心脏的自动化方法可提升诊断速度与准确性。本研究提出并实施了卷积神经网络（CNN）技术用于CT图像中心脏病变的识别。选取6例心脏健康患者和6例有既往心血管疾病史的患者进行胸部CT检查。对每例心脏的左心房进行分割后，生成二维与三维图像块。随后采用患者配对的留一法交叉验证，选取部分图像块分别训练独立的卷积神经网络。通过对比两个神经网络的检测结果发现，三维图像块具有更高的测试准确率。最终使用最优三维CNN模型对全部左心房三维图像块进行分类，并生成受试者工作特征曲线（ROC）。所得ROC曲线的平均曲线下面积（AUC）为0.840±0.065，平均准确率达78.9%±5.9%。这证实了基于CNN的方法能有效区分健康心脏与既往心血管疾病心脏。

    关键词： 深度学习、心脏病、分类、心血管疾病（CVD）、卷积神经网络、计算机辅助诊断、三维计算机断层扫描

    更新于2025-09-23 11:27:58

  • 利用深度学习对高清晰度傅里叶变换红外（FT-IR）图像进行数字染色

    摘要： 组织学染色（如苏木精-伊红染色法H&E）在临床诊断和研究中常规使用。虽然这些标记物具有高度特异性，但多份样本的需求限制了检测通量。传统组织学染色（如免疫组化标记）仅依赖蛋白质表达，无法量化可能辅助诊断的小分子和代谢物。此外，化学染色会永久改变组织结构，导致后续分析无法进行。傅里叶变换红外光谱成像技术已展现出无标记表征重要组织表型的潜力，可避免使用多种化学标记物。傅里叶变换红外分类通常采用需要人工标注的监督学习方法，该过程繁琐且易出错。数字染色是替代方案之一，其通过机器学习将红外光谱映射至对应化学染色，以计算机辅助对齐取代人工标注。既往研究依赖相邻连续组织切片的配准，由于细胞层面组织样本并非完全一致，该技术无法应用于高分辨率傅里叶变换红外图像。本文证明：当傅里叶变换红外与化学标记使用相同样本时，可实现细胞层面的精准映射。此外，通过整合空间与光谱特征的深度卷积神经网络，可获得更高分辨率的分析结果。

    关键词： 卷积神经网络，傅里叶变换红外光谱，深度学习，傅里叶变换红外，组织病理学，组织学，分类，数字染色

    更新于2025-09-23 13:25:34

  • 面向人形机器人的监督式运动学习与视觉系统发展

    摘要： 随着工业4.0概念的发展，机器人相关研究日益受到重视，其中人形机器人是一个非常重要的研究课题。人形机器人是具有双足机制的机器人。由于物理机制的原因，人形机器人在复杂地形（如上下楼梯）中能够更灵活地移动。然而，人形机器人常因失衡而跌倒?；魅四芊裨诘购笞灾髌鹕硎枪丶芯课侍狻５Ｓ玫氖侄鞑畏椒ㄈ没魅耸迪肿灾髌鹕硇始?。为解决上述问题，本文提出基于粒子群优化算法(PSO)的自动学习系统，使机器人能学习跌倒后恢复平衡的运动方式。为赋予机器人物体识别能力，本文还应用卷积神经网络(CNN)实现图像识别，成功区分10类物体。实验结果证实了本文提出的运动学习算法及基于CNN的视觉系统图像分类方法的有效性与可行性。

    关键词： 视觉系统、粒子群优化、人形机器人、卷积神经网络

    更新于2025-09-23 20:34:27