2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩83頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著深度傳感器的發(fā)展,深度圖的獲取變得非常廉價和方便,在近幾年的計算機(jī)視覺領(lǐng)域得到了廣泛的應(yīng)用,結(jié)合深度圖的場景理解也越發(fā)受到關(guān)注。然而,現(xiàn)有的RGB-D場景理解算法大多是基于模型訓(xùn)練的參數(shù)化方法,本文針對RGB-D場景下的場景理解問題,提出一種高效的基于標(biāo)簽傳遞機(jī)制的非參數(shù)化場景理解算法。
  本文首先提出了一種基于馬爾科夫隨機(jī)場框架的標(biāo)簽傳遞算法,算法主要分為標(biāo)簽源構(gòu)建,超像素雙向匹配和標(biāo)簽傳遞三個步驟。構(gòu)建了基于協(xié)同表示分類

2、(Collaborative Representation based Classification,CRC)的馬爾科夫隨機(jī)場(Markov Random Field,MRF),利用Graph Cuts進(jìn)行快速求解,從而獲得場景圖像每個像素的語義標(biāo)簽。該算法在NYU-Depth-V1數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有算法相比,該算法在像素準(zhǔn)確率和類別準(zhǔn)確率上都有更好的表現(xiàn)。
  本文隨后提出了一種基于語義圖模型的集體場景理解

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論