核K均值聚类改进神经网络垃圾标签检测模型

为了提高垃圾标签检测精度,提出一种核K均值聚类和改进神经网络相融合的垃圾标签检测模型。首先核K均值聚类算法提抽取垃圾标签的特征向量,然后将特征向量集输入到BP神经网络进行训练,并采用混沌粒子群算法对BP神经网络的参数进行优化,最后建立垃圾标签检测模型,并通过仿真实验对模型性能测试。结果表明,该垃圾标签检测算法模型不仅提高了垃圾标签识别率,训练时间大幅度减少,垃圾标签检测效率得到提高,可以较好满足垃圾标签实时、在线检测要求。

一种基于场景图分割的混合式多视图三维重建方法

针对大范围三维重建,重建效率较低和重建稳定性、精度差等问题,提出了一种基于场景图分割的大范围混合式多视图三维重建方法.该方法首先使用多层次加权核K均值算法进行场景图分割;然后,分别对每个子场景图进行混合式重建,生成对应的子模型,通过场景图分割、混合式重建和局部优化等方法提高重建效率、降低计算资源消耗,并综合采用强化的最佳影像选择标准、稳健的三角测量方法和迭代优化等策略,提高重建精度和稳健性;最后,对所有子模型进行合并,完成大范围三维重建.分别使用互联网收集数据和无人机航拍数据进行了验证,并与1DSFM、HSFM算法在计算精度和计算效率等方面进行了比较.实验结果表明,本文算法大大提高了计算效率、计算精度,能充分保证重建模型的完整性,并具备单机大范围场景三维重建能力.