基于卷积神经网络模型的分层特征提取

针对传统人工特征无法捕捉图像目标语义信息的缺点,本文提出一种基于卷积神经网络模型VGG-Net的分层特征提取方法,对模型的高低卷积层分别进行特征提取和深入的分析。实验结果表明低层特征图分辨率高包含更多细节信息,高层特征图分辨率低能提取更多语义信息。因此可根据不同任务选择不同层特征以获得最佳的目标特征表达。

基于VGG-Nets算法手势识别设计与实现

为提高正常人与聋哑人之间的交流效率,基于TensorFlow深度学习框架,采用Python、OpenCV视觉库、VGG-Nets网络模型算法,将手语的手势动作转换为文本、语音等形式,构造了正常人与聋哑人之间的无障碍交流平台。在功能上主要完成对静态手语的识别,并以此为基础实现手势动作信息到文本、语音等信息的转化。本系统可以使用摄像头主动采集手语信息,也可利用前端上传图片至后台;结合手语识别的固定流程识别手语,并在前端界面反馈出识别结果。本系统旨在通过机器学习算法实现手语动作识别,并将手语翻译成文字、语音等形式,可有效提升交流效率。

卷积神经网络在航测图像自动识别中的应用探讨

针对无人机航测影像的目标识别问题,结合目前已有相关开发语言及模型,探讨在航测内业采集过程中加入人工智能识别技术实现地物自动识别和绘制的可行性。首先,分析近年来计算机图像识别方面的人工智能模型,结合航空影像固有特性,通过研究识别后与已有绘图软件交互。其次,设计了一组基于经典卷积神经网络的航测影像自动识别实验。结果表明,VGG16模型能够有效提升高分辨率和复杂背景的航拍图像的识别准确率,在较小目标(如路灯等)的识别准确率较低。以此给出输入图像精细化预处理、原数据集数据增强与多次迭代、构建具有双重损失函数的糅合模型3个方面的改进措施,为后续进一步的研究确定了方向。