- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[2018年IEEE第三届图像、视觉与计算国际会议(ICIVC) - 重庆(2018.6.27-2018.6.29)] 2018年IEEE第三届图像、视觉与计算国际会议(ICIVC) - 基于神经网络与机器视觉的非特征焊缝定位技术
摘要： 在机器视觉中，图像处理技术是目标识别与定位的基础。当图像背景复杂，尤其是背景特征与目标特征相似时，传统图像处理方法无法保证目标识别的准确性。本文基于自动焊接技术背景，提出一种神经网络与机器视觉相结合的新方法。具体而言，通过改进的卷积自编码器对图像进行预处理，以增强目标特征并去除主要干扰物的特征；随后运用图像处理技术提取目标并完成无特征图像的处理；最后采用双目相机实现目标的精确定位。本研究为目标识别与定位提供了新思路。
关键词： 焊接定位、机器视觉、神经网络、无特征图像、卷积自编码器
更新于2025-09-10 09:29:36
-
[IEEE 2018年第24届国际模式识别大会(ICPR) - 中国北京(2018.8.20-2018.8.24)] 2018年第24届国际模式识别大会(ICPR) - 用于文档图像修复的跳跃连接深度卷积自编码器
摘要： 图像去噪与去模糊是文档图像处理任务中两项关键的复原工作。作为处理流程的预处理阶段，去噪和去模糊的质量会显著影响后续字符检测与识别等任务的效果。本文提出一种新颖的神经网络方法用于文档图像复原，我们将其命名为"跳跃连接深度卷积自编码器(SCDCA)"。该网络由多层卷积层构成，每层后接批量归一化层和泄漏修正线性单元(LeakyReLU)激活函数。受残差学习思想启发，我们在网络中采用两种跳跃连接：一种是卷积层间的恒等映射，另一种用于连接输入与输出。通过这些连接，网络学习的是噪声图像与清晰图像之间的残差而非普通变换函数。我们在一个开放且具有挑战性的文档图像数据集上对算法进行了实证评估，并采用光学字符识别(OCR)测试来检验复原效果。实验结果表明，与多种前沿方法相比，所提算法兼具有效性与高效性。
关键词： 残差学习、卷积自编码器、去噪、去模糊、跳跃连接、深度学习、文档图像修复
更新于2025-09-09 09:28:46
-
[计算机科学讲义] 模式识别与计算机视觉 第11257卷（首届中国会议，PRCV 2018，中国广州，2018年11月23-26日，会议录，第二部分）|| 用于图像检索的深度监督自编码器哈希
摘要： 图像哈希方法将高维图像映射为能保留图像间相似性的紧凑二进制编码。虽然图像标签是监督式图像哈希方法生成哈希码的重要信息，但检索性能会受分类器表现的制约。因此，本文提出一种有效的监督式自编码哈希方法（SAEH），通过深度卷积神经网络以逐点方式生成低维二进制编码。SAEH中的自编码结构被设计为同步学习图像特征并生成哈希码，同时目标函数中增加了若干生成二进制哈希码的松弛约束条件。在多个大规模图像数据集上的大量实验验证了：自编码结构确实能提升监督哈希的性能，且SAEH在同类主流监督哈希方法中取得了最优的图像检索效果。
关键词： 图像哈希、图像检索、监督学习、深度神经网络、卷积自编码器
更新于2025-09-04 15:30:14