简介:
简介:复杂图像中对特定目标的检测和定位是机器视觉领域的难点之一。提出使用中层视觉元素描述检测目标,以建立权值模板图像;然后对目标图像和权值模板进行加权SIFT特征匹配得到最优匹配位置,从而实现目标检测。该方法以自行车为检测目标进行实验,检测率达到86%,优于传统SIFT-AdaBoost和HOG-SVM检测方法。实验结果表明该方法能够减少复杂图像中背景干扰的问题,对于不同姿态的目标进行检测也有较强的鲁棒性。
简介:摘要:目标检测是目前计算机视觉领域倍受关注的研究热点之一,基于YOLOv3-Tiny进行目标检测和是一类较快速且检测准确率较高的方法,业界针对该方法进行了深入而广泛的研究。本文结合YOLOv3-Tiny的网络结构、算法思路,探讨了多种改进方法的优缺点和侧重点,为相关课题的研究提供参考。
第四阶段目标检测题
第二阶段目标检测题
初二英语第21单元目标检测题
第六阶段目标检测题(C)
第一阶段目标检测题
基于加权SIFT特征的目标检测算法
第三阶段目标检测题
初二英语第6单元目标检测题
YOLOv3-Tiny目标检测技术研究