基于热力图像的道路场景稠密多级语义分割方法

语义分割能帮助自动驾驶实现精准感知。为解决彩色图像在模糊或昏暗场景下分割效果差,提出一种基于彩色图像和热力图像的多级融合语义分割网络。将语义分割任务分解为4个阶段,包括稠密多级融合特征提取、前景显著定位、目标分割任务和边界细化。主干网络提取热红外信息,将提取后的信息作为辅助信息与彩色图像信息进行融合,对融合后的特征进行前景和背景区域的区分,并用于目标分割和边界细化。多场景实验仿真表明,本方法能够有效提升模糊和昏暗场景下的道路场景分割效果。

基于DenseNet睡姿识别的智能枕头设计研究

随着失眠问题的蔓延,人们对健康睡眠的重视程度日益增长。智能睡枕作为一种新型的助眠工具,被广泛关注和研究。睡枕高度与睡眠质量密切相关,人在侧卧、平躺不同睡姿下需要不同的枕头高度。为此,本文基于DenseNet睡姿识别提出一款软硬件结合的智能枕头:通过阵列压力传感器采集压力样本,将其处理为热力图图像,接着传入云服务器中利用DenseNet121模型进行训练和预测,最后将信号传输至单片机控制气囊充放气,并于Android应用端生成用户睡眠习惯报告。本产品具有识别准确率高、硬软件结合等特点。