在模式识别领域,投票策略是非常有效的,而且已被成功应用到人脸检测、识别等领域.然而,在手写汉字识别(Handwritten Chinese character recognition,HCCR)中,由于类别集很大、训练样本少等特点,现有的很多分类器集成方法方法都很难直接...在模式识别领域,投票策略是非常有效的,而且已被成功应用到人脸检测、识别等领域.然而,在手写汉字识别(Handwritten Chinese character recognition,HCCR)中,由于类别集很大、训练样本少等特点,现有的很多分类器集成方法方法都很难直接应用于此领域.本文提出一种自产生式投票的方法,该方法通过事先学习得到的参数集产生一个测试集合,然后用一个分类器去识别测试集合中的每个样本,得到属于各个类别的概率,最后通过加权投票得到识别结果.实验结果表明,本文提出的方法是实用和有效的.展开更多
在部分生产线上,钢坯从炉内出炉的过程中,需要依靠人眼判断钢坯是否到达指定位置,到位后再利用推钢机推动炉内的钢坯完成出炉过程。在这个过程中,人眼长时间观察摄像头屏幕容易疲劳,人工劳动强度大成本高,生产工作效率较低。针对以上问...在部分生产线上,钢坯从炉内出炉的过程中,需要依靠人眼判断钢坯是否到达指定位置,到位后再利用推钢机推动炉内的钢坯完成出炉过程。在这个过程中,人眼长时间观察摄像头屏幕容易疲劳,人工劳动强度大成本高,生产工作效率较低。针对以上问题,文中提出利用机器视觉系统替代人类视觉系统进行钢坯位置的实时定位,首先将钢坯定位问题转换为关键点检测问题,然后提出了基于ResNet网络和基于关键点分割网络(Key Point Segmentation Network,KPSN)的两种模型来进行关键点检测,最后,通过测试和分析所提出的两种方法,提出了多方法融合的关键点检测方案,降低了极端情况下误检的风险,实际应用表明,文中所提方法具有较高的鲁棒性,达到了实际应用的要求。展开更多
Ground-based cloud classification is challenging due to extreme variations in the appearance of clouds under different atmospheric conditions. Texture classification techniques have recently been introduced to deal wi...Ground-based cloud classification is challenging due to extreme variations in the appearance of clouds under different atmospheric conditions. Texture classification techniques have recently been introduced to deal with this issue. A novel texture descriptor, the salient local binary pattern （SLBP）, is proposed for ground-based cloud classification. The SLBP takes advantage of the most frequently occurring patterns （the salient patterns） to capture descriptive information. This feature makes the SLBP robust to noise. Experimental results using ground-based cloud images demonstrate that the proposed method can achieve better results than current state-of-the-art methods.展开更多
文摘在模式识别领域,投票策略是非常有效的,而且已被成功应用到人脸检测、识别等领域.然而,在手写汉字识别(Handwritten Chinese character recognition,HCCR)中,由于类别集很大、训练样本少等特点,现有的很多分类器集成方法方法都很难直接应用于此领域.本文提出一种自产生式投票的方法,该方法通过事先学习得到的参数集产生一个测试集合,然后用一个分类器去识别测试集合中的每个样本,得到属于各个类别的概率,最后通过加权投票得到识别结果.实验结果表明,本文提出的方法是实用和有效的.
文摘在部分生产线上,钢坯从炉内出炉的过程中,需要依靠人眼判断钢坯是否到达指定位置,到位后再利用推钢机推动炉内的钢坯完成出炉过程。在这个过程中,人眼长时间观察摄像头屏幕容易疲劳,人工劳动强度大成本高,生产工作效率较低。针对以上问题,文中提出利用机器视觉系统替代人类视觉系统进行钢坯位置的实时定位,首先将钢坯定位问题转换为关键点检测问题,然后提出了基于ResNet网络和基于关键点分割网络(Key Point Segmentation Network,KPSN)的两种模型来进行关键点检测,最后,通过测试和分析所提出的两种方法,提出了多方法融合的关键点检测方案,降低了极端情况下误检的风险,实际应用表明,文中所提方法具有较高的鲁棒性,达到了实际应用的要求。
基金Supported by the National Natural Science Foundation of China (61172103, 60933010, and 60835001)
文摘Ground-based cloud classification is challenging due to extreme variations in the appearance of clouds under different atmospheric conditions. Texture classification techniques have recently been introduced to deal with this issue. A novel texture descriptor, the salient local binary pattern （SLBP）, is proposed for ground-based cloud classification. The SLBP takes advantage of the most frequently occurring patterns （the salient patterns） to capture descriptive information. This feature makes the SLBP robust to noise. Experimental results using ground-based cloud images demonstrate that the proposed method can achieve better results than current state-of-the-art methods.
