本文提出了一种基于SSD的定点化网络算法,可以在智能芯片上实现物体识别功能,区别于传统的云端神经网络计算方式,提供了一种更便捷、快速、安全的物联网智能服务。实验表明,本文算法物体识别的准确率与浮点SSD网络仅仅相差1%。
在AI公司达闼科技的内部,有着一项特殊的创新激励分成政策——专利合伙人计划,这是公司在机制体制中的创新,也是达闼科技能够高速发展的动力。2017年,全球第一个云端智能机器人'小达'正式亮相,它可以与人握手、对话,甚至一起玩耍,10年后,这些名为小达的机器人将会成为家庭服务机器人进入千家万户。而研发出这台机器人的制造商便是达闼科技(北京)有限公司(以下简称'达闼科技')。
作者:童雯; 杨静 期刊:《图书情报导刊》 2012年第11期
根据图像查询物体信息是图像分析的一个研究方向,也是目前搜索系统研究的难点之一。在对PCA算法图像识别技术研究的基础上,提出了一种新型的图像信息搜索系统。该系统应用PCA识别算法,采用“图查图”功能,以实现静态物体图像及基本信息获取的便捷化。
作者:方莹 期刊:《陕西理工大学学报·自然科学版》 2013年第03期
为了利用计算机视觉技术对当前拍摄物体进行识别并获取相关信息,设计和实现了两种视觉系统框架:系统一通过智能手机上传图像帧的方式在服务器端对博物馆内物体进行识别;系统二在智能手机端对区域内物体进行实时识别。实验证明两种方法充分利用了智能手机和服务器端各自的软硬件资源,达到实用效果。前者充分利用了服务器端庞大的处理能力和较高的存储能力,支持大规模物体的识别;后者能有效减少网络通信流量,减轻服务器负载,...
作者:左向梅; 武亮 期刊:《工程技术研究》 2019年第17期
场景物体识别与匹配是通过二维图像进行三维场景分析的重要步骤。针对现有的三维场景分析方法只是简单的将深度相机获取的图像点云数据进行配准得到原始场景的不足,通过对已进行图像语义分割的物体,利用一种改进的随机回归森林方法对物体区域进行识别,并与建立的数据库中模型匹配,根据深度信息将获得的三维模型变换到场景中,实现场景物体的识别与匹配。通过拍摄的实验数据,验证了本方法的可行性。结果表明,本方法能够获得较好的识...
作者: 期刊: 2019年第06期
惠而浦(Whirlpoor)推出了一款新型烤箱(Smart Countertop Oven),内置摄像头和物体识别传感器可以识别其中的食物,并相应地设定温度和烹饪时间。该烤箱提供烘烤、加热、保温等11种不同的工作模式,同时拥有一个内置的食物温度计来检查你的食物是否达到了预期温度,并可以通过应用程序内的通知功能,更新食物的烹饪状态。此外,这款烤箱也可以通过语音进行控制。
作者:汪洁; 吴东宇; 宋为群; 袁英 期刊:《中国康复医学》 2019年第06期
三十多年前,Ungerleider和Mishkin根据恒河猴颞叶下部和顶叶损伤的不同行为,提出颞枕腹侧进行视觉物体识别,而背侧顶叶进行空间视觉加工的视觉双流模型[1].在人类,Duffau等[2]在神经外科手术中实施直接电刺激的同时,让清醒患者图命名时观察到图命名产生的语义错语与视觉腹侧相关的左侧下纵束、下额枕束、钩束连接的脑区有关;图命名出现的语音性错语与弓状束连接的脑区有关.据此,他们提出视觉语言加工的双流模型,即图命名时腹侧流加...
作者:张菊莉; 马钟; 贺占庄; 周革强; 何双亮 期刊:《载人航天》 2018年第01期
为提高航天员出舱活动(EVA)的工效,提出了一种基于视觉感知启发的物体识别方法。首先对视觉观察到的一定区域内的图像进行采集,然后进行二值化赋范梯度的特征提取,并预测物体所在区域的矩形框,选取比该矩形框扩大一定范围的图像作为输入,传递给深度卷积神经网络进行类别识别和精定位。在自建的数据集上进行测试验证,结果表明:该方法达到了88.2%的平均识别准确率,识别速率为0.047 s,可以满足舱外物体识别需求。该方法可为信息化...
网络色情图像传播泛滥, 对其自动识别过滤越来越重要, 而目前大多数方法都存在局限性且正确率低于90%.近年来, 深度学习的崛起极大地推动了计算机视觉的发展.基于此, 将深度学习的神经网络模块应用到网络色情图像检测系统中.首先利用分布式爬虫技术快速获取指定网站图像, 然后使用物体识别系统分享图像中的人物和背景, 最后在传统YCbCr肤色检测算法的基础上采用深度学习的NSFW模型进行色情图像的识别.通过选取网络图像和指定网站进...
作者:李志军; 许军 期刊:《工业控制计算机》 2018年第05期
随着科技的发展与进步,人工智能已逐渐成为新一轮产业变革的核心驱动力,其中自动驾驶领域被给予了前所未有的关注。基于深度学习算法,设计了一个道路场景物体识别模型。首先为数据集制作,收集道路场景数据,做数据增强操作;其次,设计道路场景物体识别方案,选取深度学习网络VGG16和SSD框架进行构建;再次,将传统的车道线检测算法与深度学习物体识别算法相结合,使得模型在识别车辆、行人、动物等物体的同时,进行车道线检测,增加了模型...
凭借最新推出的IFRM03短型电感式接近传感器系列.堡盟为狭窄空间中的应用提供了强大的解决方案。这些传感器直径仅3mm,即便安装后其后方几乎没有任何多余的空间,它们依然可训顺利完成位置检测和物体识别。
作者:路强; 张春元; 陈超; 余烨; YUAN; Xiao-hui 期刊:《图学学报》 2019年第02期
三维物体识别是计算机视觉领域近年来的研究热点,其在自动驾驶、医学影像处理等方面具有重要的应用前景。针对三维物体的体素表达形式,特征重组卷积神经网络VFRN使用了直接连接同一单元中不相邻的卷积层的短连接结构。网络通过独特的特征重组方式,复用并融合多维特征,提高特征表达能力,以充分提取物体结构特征。同时,网络的短连接结构有利于梯度信息的传播,加之小卷积核和全局均值池化的使用,进一步提高了网络的泛化能力,降低了网...
作者:张雪松; 庄严; 闫飞; 王伟 期刊:《自动化学报》 2019年第07期
类别级物体识别与检测属于计算机视觉领域的一个基础性问题,主要研究在图像或视频流中识别和定位出其中感兴趣的物体.在基于小规模数据集的类别级物体识别与检测应用中,模型过拟合、类不平衡和跨领域时特征分布变化等关键问题与挑战交织在一起.本文介绍了迁移学习理论的研究现状,对迁移学习理论解决基于小规模数据集的物体识别与检测中遇到的主要问题的研究思路和前沿技术进行了着重论述和分析.最后对该领域的研究重点和技术发展趋...
作者:张亚玲; 朱望纯 期刊:《桂林电子科技大学学报》 2018年第05期
针对当前增强现实装配指导系统采用基于识别图的增强现实技术时,将识别图精准定位在现实部件上难度较大的问题,提出了基于物体识别的增强现实装配指导方案。从增强现实装配指导的工作原理和实现要求出发,基于Unity3D平台,集成Vuforia SDK进行开发,运用Vuforia Object Scanner扫描收集装配部件表面的物理信息,实现了基于物体识别的增强现实装配指导模拟。结果表明,本方法能实现装配指导所需功能,并可应用于其他设备的装配指导。
作者:余霆嵩; 文元美; 凌永权 期刊:《计算机工程与应用》 2019年第02期
为了充分利用RGB-D图像的深度图像信息,提出了基于张量分解的物体识别方法。首先将RGB-D图像构造成一个四阶张量,然后将该四阶张量分解为一个核心张量和四个因子矩阵,再利用相应的因子矩阵将原张量进行投影,获得融合后的RGB-D数据,最后输入到卷积神经网络中进行识别。RGB-D数据集中三组相似物体的识别结果表明,利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率,并且单一错分实例的准确率最高可提升99...
作者:庞宇; 刘平; 雷印杰 期刊:《计算机科学》 2019年第B06期
针对现有的物体识别方法在复杂环境下易受光照、角度、尺寸、复杂背景等“非受控”因素的影响,且识别率低、实时性差、占用内存大等问题,提出一种新的物体识别算法,并在此基础上实现了基于移动端的物体识别系统。该方法首先利用粒子滤波算法对检测范围进行加窗跟踪,接着用分水岭分割算法对物体进行分割,然后用HOG(Histogram of Oriented Gradient)算法提取物体特征,最后运用随机森林算法进行物体匹配。实验结果表明该方法能基于移...
作者:陶维东; 陶晓丽 期刊:《心理学探新》 2018年第04期
以生理机制上整体可能身体姿势、整体不可能身体姿势和碎片身体姿势作为材料,系统操纵两个角度差为零的身体姿势偏离其竖直状态的角度,对错误率和反应时进行线性拟合。结果发现:(1)整体可能身体姿势、整体不可能身体姿势的识别错误率和反应时与其偏离直立状态角度之间可以拟合显著的线性关系,而碎片身体姿势的识别错误率和反应时与其偏离直立状态角度之间无法拟合显著的线性关系;(2)整体身体姿势(可能身体姿势和不可能的身体...
本文主要研究和分析了TensorFlow Lite开发平台,介绍了其框架结构、平台特点等。在此基础上,本文进行了性能测试实验,对TensorFlow Lite的性能表现进行评估,实验结果表明TensorFlow Lite在物体识别的准确率和识别速度上均有不错的表现。
深度神经网络在很多领域都取得了令,人瞩目的成功,涉足范围从物体识别到以围棋为代表的复杂游戏。然而,导航仍然是人工智能体的一个实质性挑战。
作者:殷云华; 李会方 期刊:《红外与激光工程》 2018年第02期
有效学习丰富的表征信息在RGB-D目标识别任务中至关重要,是实现高泛化性能的关键。针对卷积神经网络训练时间长的问题,提出了一种混合卷积自编码极限学习机(HCAE-ELM)结构,包括卷积神经网络(CNN)和自编码极限学习机(AE-ELM),该结构合并了CNN的有效性和AE-ELM快速性的优点。它使用卷积层和池化层分别从RGB和深度图来有效提取低阶特征,然后在共享层合并两种模型特征,输入到自编码极限学习机中以得到高层次的特征,最终的特征使...