版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、視覺(jué)問(wèn)題是科學(xué)領(lǐng)域和工程領(lǐng)域中一個(gè)極富挑戰(zhàn)性的研究課題,具有重要的理論意義和廣泛的應(yīng)用前景。一般物體識(shí)別則是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)相當(dāng)困難和基本的問(wèn)題。目前為止,雖然針對(duì)特定物體或者特定特征的識(shí)別任務(wù)(如人臉檢測(cè)及識(shí)別)已有較為成熟的方法并已經(jīng)應(yīng)用于日常生活,但如何設(shè)計(jì)出一套適用于一般物體的通用系統(tǒng),仍然非常具有挑戰(zhàn)性。 本文針對(duì)這一問(wèn)題,從計(jì)算機(jī)視覺(jué)這一角度出發(fā)進(jìn)行闡述,基于概率統(tǒng)計(jì)的方法和尺度空間理論構(gòu)建了一個(gè)全新的用于一般物
2、體識(shí)別的特征組合模型。 本論文首先就近年來(lái)在此領(lǐng)域內(nèi)的進(jìn)展作一綜述,分析目前基于小塊檢測(cè)與識(shí)別算法的問(wèn)題和不足,然后提出全新的層次化特征組合模型,并且詳細(xì)闡述了實(shí)現(xiàn)方案,最后通過(guò)實(shí)驗(yàn)驗(yàn)證該模型的可行性。 本論文的主要工作和創(chuàng)新點(diǎn)包括以下幾個(gè)方面: 1. 本文從生物理論及感知角度上分析特征組合在視覺(jué)領(lǐng)域的必要性,擺脫基于小塊的研究思想,介紹目前已有的特征組合算法,并提出基于尺度空間理論的特征組合概念。 2.
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征組合的一般物體識(shí)別相關(guān)算法研究.pdf
- 真假煙識(shí)別的一般方法
- 基于一般物體識(shí)別的移動(dòng)機(jī)器人立體視覺(jué)導(dǎo)航方法.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的一般物體識(shí)別研究及應(yīng)用.pdf
- 基于2D和3D SIFT特征融合的一般物體識(shí)別算法研究.pdf
- 基于整體特征的人臉識(shí)別的研究.pdf
- 橫向框架內(nèi)力組合(一般組合).xls
- 一般整體道床施工方案
- 橫向框架內(nèi)力組合(一般組合).xls
- 橫向框架柱內(nèi)力組合(一般組合).xls
- 橫向框架梁內(nèi)力組合(一般組合).xls
- 識(shí)別摻假食品的一般知識(shí)
- 建筑與建筑藝術(shù)的一般特征
- 簡(jiǎn)單多數(shù)規(guī)則的一般特征.pdf
- 市場(chǎng)經(jīng)濟(jì)的一般特征
- 人臉檢測(cè)與識(shí)別的多特征分析與系統(tǒng)實(shí)現(xiàn).pdf
- 語(yǔ)音情感識(shí)別的特征選擇與特征產(chǎn)生.pdf
- 市場(chǎng)經(jīng)濟(jì)的一般特征 說(shuō)課稿
- 基本與一般檢查
- 一般線性回歸分析案例
評(píng)論
0/150
提交評(píng)論