简介:摘要:计量数据分析中异常值检测算法的研究一直备受关注,因为异常值可能导致分析结果的不准确性,甚至误导决策。本文旨在比较不同的异常值检测算法,并探讨它们在实际应用中的效果。介绍异常值的概念和影响,然后分析了常见的异常值检测算法,如基于统计方法、机器学习和深度学习的方法。通过对这些算法的比较,我们发现每种算法都有其优势和局限性,适用于不同类型的数据和问题。
简介:摘要:圆检测是图形检测中的重要问题之一,图像中的圆经常会受到干扰(如遮挡)等问题。为解决这个问题,本文提出一种圆检测算法,兼顾检测精度和耗时。首先随机在圆上选取两点,再由圆的几何特征确定另一点,即在该两点线段的中垂直线上找第三点,由这三点确定候选圆;再对候选圆上的点进行统计,判断候选圆的真假以得到真实圆。此问题的解决是可提高人脸和虹膜活体检测的准确性,因为摄像头采集到的眼睛常受到眼睫毛眉毛等遮挡的情况下的干扰。
简介:摘要:深度学习已经在目标检测领域取得了显著的进展,通过自动学习特征表示和端到端的训练方式,提高了目标检测的准确性和效率。本文对基于深度学习的目标检测算法进行了综述,包括单阶段和两阶段检测器。单阶段检测器如YOLO和SSD直接在图像上进行密集预测,具有实时性和高效性,但可能存在定位不准确性。两阶段检测器如R-CNN系列通过候选区域生成和分类/定位两个阶段实现更精确的定位,但计算资源消耗较大。选择适合任务需求的检测器取决于实时性、准确性和定位要求。未来,深度学习目标检测算法将进一步发展,结合单阶段和两阶段的优势,以提高性能和效果。
简介:摘要:随着深度学习的不断进步,已经将应用延伸到光电跟踪设备,优质的检测跟踪算法决定光电跟踪设备的工作效率。本文提出一种改进YOLOv4的检测跟踪算法,结合空洞卷积对其网络结构进行改进,加入空洞空间金字塔池化模型,以此增大感受野,聚合多尺度上下文信息。然后,通过 K-means聚类方法生成更适合目标检测的初始候选框。其次,提出一种对象选择器,用来选择检测和跟踪轨迹中的最优候选框;最后,将最优候选框和跟踪轨
简介:摘要:遥感图像目标检测在城市规划、资源调查和灾害监测等领域应用广泛,基于遥感图像的目标检测具有重要研究意义。遥感技术为人们快速、全面了解地表覆盖变化提供了技术支持,在高分辨率遥感技术不断发展的大背景下,大量高品质遥感图像的采集越来越方便。遥感图像是利用遥感技术生成的远距离图像,可以对目标进行有效的处理。目标检测是遥感图像处理的基础任务之一,通过对遥感图像的分析可以分辨出水体、植被等目标,同时遥感影像可以识别更小的目标,如具体的树木、人、交通标志、足球场标志线等等,因此遥感图像目标检测已经成为当前研究的热点问题。遥感设备拍摄图像时由于设备距离目标较远,包含的地面范围大,受到分辨率的限制,待检测目标可能以微小形式显示在遥感图像中,这些检测目标具有尺度小、特征弱等特点,为图像目标的检测工作带来较大难度。
简介:摘要:图像分割和目标检测是计算机视觉领域的重要研究方向,深度学习技术的快速发展为其提供了强大的支持。本文基于深度学习的图像分割与目标检测算法进行了研究,提出了一种结合卷积神经网络和区域提议网络的综合方法,以提高图像分割和目标检测的准确性和效率。通过实验证明了该方法在各种图像数据集上的优越性。
简介:摘要:遥感图像中舰船目标检测是海洋监管和国防建设中的重要基础工作,旨在分类和定位一幅遥感图像中的所有舰船.近年来,随着遥感卫星技术的快速发展,多源遥感数据不断扩增.光学遥感图像具有判读直观性强及数据翻译便捷等优点,引起了广大学者的重视和研究.但是光学图像容易受到云雾遮挡、强烈光照等气候的影响.相对地,合成孔径雷达(Synthetic Aperture Radar,SAR)凭借其不依赖光照条件且不受天气影响的优势,能够实现全天时、全天候大面积海域侦查工作.由于上述差异性,针对不同成像机理的遥感图像,需要设计专门的算法进行舰船目标检测。