基于全卷积密集连接神经网络的单目图像深度估计方法.pdf
努力****向丝
亲,该文档总共12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
基于全卷积密集连接神经网络的单目图像深度估计方法.pdf
本发明公开了一种基于全卷积密集连接神经网络的单目图像深度估计方法,通过构建四组密集连接模块+连接模块+下采样模块、一个15层的密集连接块以及四组四组上采样模块+连接模块+密集连接模块,在不同深度层结果之间采取跳级结构,使得每层网络能感知更多像素的信息。本发明充分利用了每一层的特征图,包含了高低不同等级的特征,从而实现训练出更精确的图像深度,且该方法得到的图像轮廓更加清晰,在一定程度上解决了现有单目图像深度估计方法生成的结果存在的过于平滑现象且不清晰的现象,获得了更为清晰的深度图像,从而提高了图像深度估计的
基于密集连接卷积神经网络的食品图像识别的开题报告.docx
基于密集连接卷积神经网络的食品图像识别的开题报告一、选题背景随着人们生活水平的提高,饮食方面对于品质和健康的要求也越来越高。同时,由于各种新的食品、饮料等产品不断的涌现,使得食品市场竞争压力不断增大。为了更好地满足消费者的需求,很多食品生产企业都注重食品品质的提升,其中之一就是食品的图像识别。通过对食品图像的识别,企业可以更好地了解自己的产品和市场的竞争现状,从而可以调整自己的营销策略和生产方案。另一方面,随着移动互联网的发展,人们越来越需要便捷的购买体验,各类电子商务平台和连锁超市也需要增加图像识别技术
基于加权密集连接卷积神经网络深度学习的股票投资方法.pdf
本发明涉及基于加权密集连接卷积神经网络深度学习的股票投资方法,该方法利用加权密集连接卷积对输入的股票数据特征提取,通过跨层连接以及对不同层的特征图赋予不同初始权值在训练过程中动态调整权值,从而更加有效地利用特征图并提高网络中所有层之间的信息流,在一定程度上减少层数过深导致训练过程中的梯度消失结果收敛困难的问题。通过加权密集连接卷积网络输出的Q值来选择合适的股票买卖动作,从而获得相应的奖励值,并将奖励值、状态存储在经验池之中,训练时从经验池随机批量采样,加权密集连接卷积神经网络对Q‑Learning算法的Q
基于轮廓锐度的单目图像深度信息估计方法.pdf
本发明提出一种基于轮廓锐度的单目图像深度信息估计方法,该方法应用边缘轮廓锐度作为模糊信息估计特征、通过低层次线索信息进行深度信息提取。首先对图像进行边缘检测;接着对图像中的边缘计算边缘能量、轮廓锐度,并以边缘能量、轮廓锐度作为轮廓的外部能量,结合轮廓的内部能量—轮廓线特征性能量和轮廓线距离能量建立轮廓跟踪模型,求解能量函数的最小值,搜索图像轮廓;然后以深度梯度假设作为先验假设梯度模型,对具有不同的轮廓线的区域进行深度值填充,计算得出深度分布;最后利用原图像信息和所得深度图像信息对得到的深度图像进行优化处理
基于单目夜视图像的深度估计的开题报告.docx
基于单目夜视图像的深度估计的开题报告摘要:随着机器视觉的发展,深度估计在计算机视觉中扮演着重要的角色。深度估计技术有着广泛的应用,例如场景重建、自主驾驶等。然而,在夜间条件下,深度估计面临着很大的挑战,因为夜视图像缺乏明显的纹理和细节。因此在本研究中,我们提出了一种基于单目夜视图像的深度估计方法。首先,本研究将调查已有的夜视图像与深度估计方法,分析它们的限制和局限性。然后,我们将提出一种新的深度估计方法,该方法利用光流场来增强夜视图像的纹理信息,并使用深度学习技术进行深度估计。最后,我们将使用公开数据集进