搜索结果: 1-10 共查到“计算机科学技术 物体识别”相关记录10条 . 查询时间(0.089 秒)
如何选择合适的特征表示一般物体类间差异和类内共性至关重要,因此,本文在2D SIFT(Scale Invariant Feature Transform,SIFT)的基础上,提出了基于点云模型的3D SIFT特征描述子,进而提出一种基于2D和3D SIFT特征级融合的一般物体识别算法.分别提取物体2维图像和3维点云的2D和3D SIFT特征描述子,利用"词袋"(Bag of Words,BoW)模...
研究发现大脑用个别物体识别场景新方式(图)
大脑 个别物体 识别场景
2011/10/12
美国波士顿学院和宾州大学的科学家发现了一种人大脑运转及识别周围环境的新方式。相关研究发表在近期的《自然—神经科学》杂志上。研究人员要求被试者分别看两组照片:一组是四种场景(厨房、浴室、道路交叉口和游乐场),另一种是上述场景中的个别物体(冰箱、浴缸、汽车和滑坡);之后对被试者大脑进行功能性磁共振成像扫描。研究人员发现,被试者能够利用由个别物体产生的大脑模式来辨认由场景产生的大脑模式,并且能够及时说出...
基于矢量夹角的三维物体识别
图像处理 物体识别 矢量夹角
2009/9/15
提出了一种基于局部描述符的物体识别算法.算法根据点云位置信息得到其矢量和曲率信息,根据形状索引提取特征点,在每个特征点根据矢量夹角把点云物体分割成不同的曲面片,每个矢量夹角曲面片通过一个二维直方图描述.该图显示了特征点与邻域之间法线矢量夹角对特征点法线矢量与特征点到邻域矢量之间夹角的出现频率.对于给定的一个物体,通过比对预测物体和模型物体的曲面片集描述,可得到潜在的对应模型物体,再通过迭代最近点算...
采用精选Gabor小波和SVM分类的物体识别
Gabor特征 支持向量机 物体识别
2009/9/9
提出了一种基于Gabor小波和支持向量机的物体识别通用框架. 在该框架中, 特征抽取采用选取的Gabor小波在物体的最佳位置卷积实现, 而分类则通过支持向量机实现. 相比传统的基于Gabor特征的识别系统, 该方法能够同时达到准确而快速的分类目的. 本论文成功地将该框架应用于两个实际的物体识别例子: 物体/非物体分类和人脸识别. 实验结果证明了所提出的方法相对于其它方法的优越性.
...
基于亲和传递聚类的多类物体识别方法
亲和传递聚类 多类物体识别 视觉字典
2009/8/20
多类物体识别在提取特征之后,样本的数量会呈指数倍增加,为减少计算量同时,不降低识别率,采用亲和传递算法对样本数据进行聚类形成视觉字典,帮助并提升物体识别效率。在Sowerby图像数据库上进行实验证明,该方法与使用k均值聚类建立视觉字典方法相比,在同等条件下具有更高的识别率。
基于组合不变矩和神经网络的三维物体识别
仿射不变矩 BP神经网络 主成分分析
2009/7/15
在三维物体识别系统中,提出将三维物体的Hu不变矩和仿射不变矩两者的低阶矩组合作为三维物体的特征,结合改进的BP神经网络应用于三维物体的分类识别。理论分析和仿真实验表明组合这两种矩特征进行物体识别,性能优于单独使用Hu不变矩,如果进一步对这两种组合的矩特征进行主成分分析处理,可显著提高系统识别性能,并减少网络的训练时间。
结合IGA和BP算法的物体识别方法
神经网络 遗传算法 特征提取
2009/7/15
目前常用的物体识别方法,其过程非常复杂,信息量和计算量都很大。结合改进遗传算法的神经网络方法,采用将结构与误差结合的适应度函数,改进的遗传算子实现对BP网络结构和权值的同步优化。提出一种用改进遗传算法优化后的BP神经网络进行物体识别,并以提取的修正不变矩特征作为BP神经网络的输入,仿真结果表明该方法提高了识别的稳定性和收敛性能,并且识别率较高。从而验证了该方法的有效性。
基于组件词表的物体识别
物体识别 基于组件的表示 组件词表 AdaBoost算法 稀疏神经网络
2009/2/26
提出一种基于组件词表的物体识别方法,通过AdaBoost从物体样本图像的组件中选取一些最具区分性的组件,构成组件词表。每幅图像都用词表中的组件来表征,在此基础上用稀疏神经网络来训练分类器。实验结果表明,该方法识别精度较高,对于遮挡和复杂背景有较强的鲁棒性。
基于不变矩和神经网络的三维物体识别
三维物体识别 不变矩 神经网络
2009/1/23
为了提高三维物体识别系统的识别率,研究了将三维物体的不变矩作为物体特征,结合改进的BP神经网络应用于三维物体分类识别。理论分析和仿真实验表明,利用三维物体的不变矩特征能够有效地进行识别,对不变矩特征进行主成分分析可以进一步提高识别性能,达到100%的识别率,并降低神经网络结构复杂性和减少训练时间。