基于卷积神经网络的视觉闭环检测研究

闭环检测是视觉SLAM中很重要的一部分,成功地检测出闭环能减小定位算法所产生的累积里程漂移.鉴于深度卷积神经网络在分类问题上的优越表现,本文首次将应用于图像分类的vgg16-places365卷积神经网络模型应用于视觉SLAM闭环检测中,将配准数据输入训练好的该卷积神经网络,其各个隐藏层的输出对应于图像特征表示.然后通过实验比较选用匹配精度较高的中间层完成场景特征提取,通过计算场景特征的相似性得到闭环区域.最后在闭环检测数据集上进行实验测试.测试结果表明,相比于传统的闭环检测方法,vgg16-places365卷积神经网络模型在相同召回率条件下准确率要高约3%;对于特征提取时间,在CPU上要快约5~10倍,而在GPU上更是比传统人工设计特征的闭环检测快近100倍.

一种快速的深度检测网络

针对传统的卷积神经网络计算量十分浩大,严重制约基于深度学习的目标检测方法应用范围的问题,本文提出了一种基于深度可分离卷积思想的深度神经网络检测算法。检测网络将图片分为7×7个网格,每个网络负责预测9个框,然后用极大值抑制的方法筛选出符合要求的预测框。训练前采用k-means聚类的方法预先设置好预测框,提高预测输出与实际结果的提高预测框和实际框之间的IoU。训练时采用了混合数据集。实验表明,本文提出的新网络仅采用了原网络参数约11%的参数数量且网络结构更合理,网络运行速度提高2倍,准确率仍可以达51.1%,为计算能力较低的嵌入式设备提供了运用深度学习的可能。

中国红色彩在网页设计中的应用研究

在华夏儿女的心中,红色的内涵之美己经远远超越了它的感官之美,成为心灵美的物化表现。设计中的"中国红"通过强烈的视觉冲击力,可以引发人们的心理和情感的触动,达到受众和设计作品的共鸣。因此在现代网页设计中,"中国红"作为中国色彩文化的精髓有其独特的发展空间,值得设计师深入思考,了解、分析、运用它,使其深厚的文化内涵成为现代设计中取之不尽用之不竭的源泉。