首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1篇
  完全免费   2篇
  综合类   3篇
  2022年   1篇
  2021年   1篇
  2020年   1篇
排序方式: 共有3条查询结果,搜索用时 109 毫秒
1
1.
针对高原鼠兔图像目标尺寸小、背景复杂、特征不显著、基于活动轮廓的图像分割模型无法有效分割的问题,采用基于卷积神经网络的SegNet语义模型对高原鼠兔图像进行分割:首先将采集的高原鼠兔图像进行预处理,尺度归一化后制作成与Pascal VOC数据集格式一致的数据集;然后将数据集分为训练集与测试集,采用训练集对SegNet模型训练,测试集对模型进行分割测试。对高原鼠兔图像分割的试验结果表明:与基于活动轮廓的Chan_Vese模型相比,基于卷积神经网络的SegNet模型对高原鼠兔图像分割时的交并比、平均像素精度、Dice相似性指数和Jaccard指数分别提高了68.33%、9.35%、30.61%和47.98%,过分割率和欠分割率分别降低了87.20%、16.52%。  相似文献
2.
[目的]城市滨河景观视觉质量对城市滨河景观品质和城市空间品质有重要的影响.在城市化快速发展的今天,筛选对城市滨河绿道视觉感知有重要影响的因素,并通过视觉感知量化处理,实现智能化分析滨河景观,是未来滨河景观的发展趋势.[方法]基于深度学习算法,模拟人的视觉感知,训练一套用于城市滨河绿道景观的图像语义分割模型,并建立一套可量化的视觉景观指标体系.运用多元线性回归模型,挖掘各项量化的景观特征与视觉感知之间的关系.最后,以北京二环水系为例,分析视觉感知下的景观特征,总结关于滨河绿道景观视觉感知提升的策略.[结果](1)训练出的城市滨河绿道图像语义分割模型达到了0.93的准确率;(2)回归模型的结果显示,在10项指标(绿视率(GVI)、蓝色视野指数(BVI)、驳岸硬质度(HRI)、滨河建筑密度(RBD)、桥梁可视度(BV)、干扰因素指数(IFI)、滨河自然开阔度(WO)、滨水围护度(WG)、道路宽广度(RWI)、乔灌草比率(RTG))体系中,有5项对视觉感知的影响作用显著,分别为GVI、WO、BVI、IFI和RTG,其中GVI、WO与视觉感知呈正相关,其余3项呈负相关;(3)北京二环水系绿视率北部高于南部,WO与BVI呈较为均质的状态,IFI整体较低,RTG呈现按河道划分的特征;(4)当提升视觉感知效果时,可重点从影响显著的5项指标出发,根据影响作用的强弱进行权衡.[结论]本文为研究城市滨河景观提供了一种基于图像语义分割的测度方法,为人本视角的大规模滨河绿道景观的量化分析提供更多可能.  相似文献
3.
针对果、茶园规模不断扩张并逐渐向智能农业机械化发展的趋势以及常用道路语义分割数据集缺少果、茶园道路场景等问题,将语义分割技术应用到部分果、茶园道路中,以实现对果、茶园道路的像素级分割。以道路、人和车为分类对象,建立果、茶园道路场景图像数据集(包括6 032张图像),将数据集按照9∶1比例随机划分为训练集(5 429张图像)和测试集(603张图像)。以PSPNet (pyramid scene parsing network,金字塔场景解析网络)分割模型为基础进行优化,构建MS-PSPNet语义分割模型;训练结果显示,MS-PSPNet模型的MIoU (mean intersection over union,平均交并比)为83.41%,FPS(frames per second,每秒传输帧数)为22.31。将MS-PSPNet模型应用在果、茶园不同道路条件和光照强度下进行现场试验,并进行准确度评估,结果显示,MS-PSPNet模型类别MPA(mean pixel accuracy,像素准确率均超过92%,MIoU在除非硬化道路条件情况均超过91%,表明MS-PSPNet模型在果、茶园道...  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号