文档详情

一种基于轻量化语义分割算法的果园复杂道路分割方法.pdf

发布：2023-05-04约1.95万字共18页下载文档

文本预览下载声明

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114463542 A (43)申请公布日 2022.05.10 (21)申请号 202210075398.X G06T 7/73 (2017.01)

显示全部

相似文档

一种适合运行在Android端的轻量化的图像语义分割算法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113362343 A (43)申请公布日 2021.09.07 (21)申请号 202110692929.5 (22)申请日 2021.06.22 (71)申请人北京邮电大学地址
2023-06-17 约7.07千字 7页立即下载
基于语义分割的复杂道路场景车道线检测算法研究.docx 基于语义分割的复杂道路场景车道线检测算法研究一、引言在自动驾驶和智能交通系统中，车道线检测是一个关键任务。准确的检测车道线有助于车辆了解其当前行驶的车道信息，进而进行安全的路径规划和决策。近年来，随着深度学习技术的飞速发展，基于语义分割的车道线检测算法逐渐成为研究热点。本文旨在研究基于语义分割的复杂道路场景车道线检测算法，以提高车道线检测的准确性和鲁棒性。二、相关技术及文献综述 语义分割是一种计算机视觉技术，旨在将图像中的每个像素分类为预定义的语义类别。在车道线检测中，语义分割技术可以将道路图像中的车道线、道路、车辆、行人等元素进行精确分割，从而实现对车道线的准确检测。近年来，基于深度学
2025-05-04 约4.5千字 9页立即下载
基于深度学习的复杂道路场景语义分割算法研究.docx 基于深度学习的复杂道路场景语义分割算法研究一、引言随着深度学习技术的飞速发展，其在计算机视觉领域的应用越来越广泛。在自动驾驶、智能交通系统等应用中，道路场景的语义分割是一项关键技术。本文将重点研究基于深度学习的复杂道路场景语义分割算法，旨在提高道路场景理解的准确性和实时性。二、相关背景及研究现状道路场景语义分割是指将道路图像中的不同区域进行分类和标注，如道路、车辆、行人、建筑物等。传统的图像处理方法和机器学习方法在处理复杂道路场景时，往往难以满足实时性和准确性的要求。近年来，随着深度学习技术的发展，基于卷积神经网络的语义分割算法在道路场景理解中取得了显著的成果。目前，国内外学者在道路
2025-05-06 约4.07千字 8页立即下载
融合交叉注意力机制的轻量化街景语义分割算法研究.docx 融合交叉注意力机制的轻量化街景语义分割算法研究目录融合交叉注意力机制的轻量化街景语义分割算法研究（1）．．．．．．．．4 内容综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4 1.1研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5 1.2研究意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6 1.3国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6 1.4研究内容与方法．．．．．．．．
2025-03-14 约3.33万字 46页立即下载
基于EAformer街道场景轻量化语义分割研究与应用.docx 基于EAformer街道场景轻量化语义分割研究与应用一、引言随着深度学习和计算机视觉技术的不断发展，语义分割作为计算机视觉领域的重要分支，已经广泛应用于各种场景中。街道场景作为城市的重要组成部分，其语义分割对于智能交通、自动驾驶等领域具有重要意义。然而，传统的语义分割方法往往存在计算量大、模型复杂度高的问题，难以满足实时性和轻量化的需求。因此，本研究基于EAformer模型，对街道场景进行轻量化语义分割研究与应用。二、相关技术概述 1.语义分割概述 语义分割是一种将图像中的每个像素根据其所属的类别进行分类的技术。在街道场景中，语义分割可以将道路、车辆、行人、建筑物等不同类别的物体进行准确
2025-02-15 约4.85千字 10页立即下载
轻量化叶菜苗语义分割模型及其测试和使用方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882223 A (43)申请公布日 2022.08.09 (21)申请号 202210622632.6 (22)申请日 2022.06.01 (71)申请人安徽农业大学地址 230061
2023-05-18 约1.42万字 14页立即下载
果园环境下轻量化目标检测算法优化.docx 果园环境下轻量化目标检测算法优化目录内容概要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3 1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3 1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4 1.3研究内容与目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5 1.4论文结构安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6 相关技术与理论基础．．．．
2025-05-01 约3.53万字 60页立即下载
一种基于Transformer的轻量化早期火灾检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882430 A (43)申请公布日 2022.08.09 (21)申请号 202210465142.X (22)申请日 2022.04.29 (71)申请人东南大学
2023-05-17 约1.06万字 10页立即下载
一种基于拓扑优化的扭力杆轻量化设计方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114547800 A (43)申请公布日 2022.05.27 (21)申请号 202210181572.9 G06F 119/14 (2020.01) (22)申请日 2022.02
2023-05-07 约1.35万字 12页立即下载
一种基于哈希学习的轻量化联邦推荐方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114564742 A (43)申请公布日 2022.05.31 (21)申请号 202210150584.5 (22)申请日 2022.02.18 (71)申请人北京交通大学
2023-05-08 约2.37万字 17页立即下载
面向移动端的轻量化实例分割算法研究.docx 面向移动端的轻量化实例分割算法研究一、引言随着移动互联网的飞速发展，手机等移动设备已经成为了人们日常生活和工作中的重要工具。图像作为信息传递的主要载体之一，其实例分割技术在各个领域也得到了广泛应用。然而，由于移动端设备的计算资源有限，传统的实例分割算法在运行效率、实时性等方面仍存在较大的提升空间。因此，本文致力于研究面向移动端的轻量化实例分割算法，以在保障分割精度的同时降低计算复杂度，提升算法的运行效率和实时性。二、研究现状与问题分析近年来，实例分割技术已经在众多领域得到应用，然而现有的实例分割算法大多数是为计算机、服务器等设备设计，其计算复杂度高，难以在移动端设备上实现实时处理。此外
2025-05-28 约4.53千字 9页立即下载
基于深度学习的轻量级道路场景语义分割算法研究.pdf 摘要 语义分割作为计算机视觉领域的关键技术，是环境感知的重要环节之一。目前大部分基于深度学习的语义分割算法推理速度慢且参数规模庞大，在道路场景中追求实时处理与轻量级模型的需求，这些算法难以充分满足。此外，道路场景中的环境复杂多变，所采集的图像质量受到光照强度的影响。当前的算法主要针对正常亮度的环境，对于低光照图像的分割效果较差。本文结合道路场景的需求与特点，对轻量化和高分割精度的语义分割算法进行研究，并对低光照图像增强模块进行了探索。主要工作如下：针对道路场景中移动设备内存有限和计算能力不足的问题，提出了一种轻量级的混合多分支语义分割网络（LHMNet）。网络的前半部分采用单分
2025-06-10 约10.43万字 83页立即下载
一种基于多监督网络的道路场景图像语义分割方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113362349 A (43)申请公布日 2021.09.07 (21)申请号 202110823118.4 (22)申请日 2021.07.21 (71)申请人浙江科技学院地址
2023-06-18 约4.26万字 29页立即下载
一种轻量化多路径网状图像分割方法、系统和电子设备.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 113393476 B (45)授权公告日 2022.03.11 (21)申请号 202110768828.1 CN 112446439 A,2021.03.05 (22)
2023-06-22 约1.66万字 15页立即下载
基于YOLO11s绝缘子缺陷检测的轻量化算法.docx 基于YOLO11s绝缘子缺陷检测的轻量化算法 目录内容简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2 1.1研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2 1.2研究意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3 1.3文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4 YOLO11s算法概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．
2025-01-18 约2.14万字 32页立即下载