基于深度学习与多维信息融合聚类的果实采摘点识别方法.pdf
猫巷****雪凝
亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于深度学习与多维信息融合聚类的果实采摘点识别方法.pdf
本发明提出基于深度学习与多维信息融合聚类的果实采摘点识别方法。首先Yolo算法识别目标采摘果实,并确定目标采摘果实的采摘点感兴趣区。然后对感兴趣区的深度图像进行孔洞填充和空间边缘保留滤波处理,选取预处理后的深度信息以及筛选后的彩色图像颜色分量,自适应融合组成多个维度的数据样本。使用上述数据样本对采摘点感兴趣区进行基于K‑means的聚类,最后经过形态学处理中的去除小面积连通区域、开运算、图像细化,实现了对果梗的准确识别,并根据果梗信息定位果实采摘点。通过采用以上多种方法联合识别,提高了算法的准确率和鲁棒性
基于Copula理论的多维异构信息融合识别方法.pdf
本发明涉及基于Copula理论的多维异构信息融合识别方法,属于信息融合技术领域;包括以下步骤:基于大地坐标系和传感器坐标系变换方程进行空间配准;空间配准完成后,完成内插外推、曲线拟合和数据插值的时间配准;构建全维信号空间;构建的能够纳入不同异构信息的全维信号空间中,以Copula函数建立各单一维度数据边缘分布的联接,恢复各维特征数据之间的相关关系,反演目标的高维组合特征等。本发明基于Copula联合分布下的组合特征探测方法对目标的联合识别正确率高于各个边缘分布下单一特征探测方法,体现出了组合探测的优势。
一种基于多维信息融合的杂波点迹剔除方法.pdf
本发明公开了一种基于多维信息融合的杂波点迹剔除方法。本发明通过对距离多普勒域点迹的幅相、频率、极化、形状以及周围环境等特征进行提取,并结合各特征的数据特点,改进了神经网络分类器的结构,在特征筛选与融合的基础上进行了杂波与目标的区分,性能有所提高。
一种基于深度学习融合位置和形状信息的商品识别方法.pdf
本发明公开了一种基于深度学习融合位置和形状信息的商品识别方法,涉及计算机视觉和智能识别技术领域,所述方法包括以下步骤:首先采用目标检测算法检测检出商品图中的所有目标商品;然后根据检出的boundingbox计算所述检出商品图中目标商品的形状信息和位置信息;接着建立基于深度学习融合商品位置和形状的算法模型;最后利用所述目标商品的图像特征、形状信息和位置信息训练所述算法模型,并不断验证得到最终的商品识别算法模型。本发明通过在算法模型中加入商品的形状信息和位置信息,保留了商品的原始形状信息和商品间的协同关系,
基于浅层学习和深度学习融合的心音识别方法及相关装置.pdf
本申请涉及人工智能技术领域,提出一种基于浅层学习和深度学习融合的心音识别方法及相关装置,其中方法包括:对原始心音信号进行预处理,得到待识别心音信号;基于浅层学习的第一心音识别模型对所述待识别心音信号进行特征提取,得到目标浅层心音特征;基于深层学习的第二心音识别模型对所述待识别心音信号进行特征提取,得到目标深层心音特征;对所述目标浅层心音特征和所述目标深层心音特征进行决策融合,得到目标心音分类结果。采用本申请,可提高心音识别的准确率。