天津大学电气自动化与信息工程学院, 天津 300072
随着深度学习和卷积神经网络的应用,图像语义分割的性能得到了大幅度提升。但当前图像语义分割算法在语义信息利用率及语义类别区分度方面仍有欠缺。为了进一步提升语义分割算法的性能,提出多层级的上下文信息机制,使用多层级特征对长距离的依赖关系信息和局部性较强的上下文信息进行提取,增强卷积神经网络特征的信息丰富度与类别区分度。所提多层级上下文信息机制在典型街道场景数据集Cityscapes验证集上的分割精度达77.2%,实验证明了所提方法的有效性。
图像处理 语义分割 卷积神经网络 上下文信息 多层级特征 激光与光电子学进展
2019, 56(24): 241005
华南理工大学机械与汽车工程学院, 广东 广州 510640
针对自适应性低的焊缝跟踪系统在实际焊接环境中易受噪声干扰的问题, 结合深度卷积神经网络强大的特征表达能力和自学习功能, 研究了基于深度分层特征的焊缝检测和跟踪系统, 该系统可精确地从噪声污染的时序图像中确定焊缝位置。为彻底解决焊枪依循计算轨迹运动所出现的抖振问题, 设计了模糊免疫自适应的智能跟踪控制算法。实验结果显示, 在强烈弧光和飞溅的干扰下, 传感器测量频率达20 Hz, 焊缝跟踪精度约为0.2060 mm,且焊接过程中焊枪末端运行平稳。该系统能实现焊缝平滑的实时跟踪, 抗干扰能力强, 焊缝轨迹跟踪准确, 能满足焊接应用要求。
激光技术 焊缝跟踪 深度分层特征 相关滤波器 非极大值抑制 智能控制
西安电子科技大学 智能感知与图像理解教育部重点实验室, 陕西 西安 710071
针对传统目标匹配算法难以实现部分遮挡目标精确匹配的问题, 本文基于轮廓特征的描述和评价提出了一种有效的部分遮挡目标匹配算法。首先, 利用曲率划分目标轮廓得到描述局部特征的轮廓分段, 并根据目标的骨架对轮廓分段进行合并和分类, 实现了目标特征的多层次描述。然后, 提出了评价轮廓分段的两个参数:重要性和局部性。前者用于评价轮廓分段所描述目标特征的重要性, 后者用于评价轮廓分段相对目标整体轮廓的比例。最后, 将两个评价参数与轮廓分段之间的相似度联合起来,得到衡量目标相似程度的加权部分相似度,从而获得部分遮挡目标的最佳匹配结果。与现有遮挡目标匹配算法相比, 在不同遮挡情况下本文算法的平均识别率提高了1.5%左右。
部分遮挡目标 轮廓分段 多层特征描述 特征匹配 加权部分相似度 partially occluded object contour fragments hierarchical feature description feature matching weighted partial similarity 光学 精密工程
2012, 20(12): 2804