导读:本文包含了目标的识别论文开题报告文献综述及选题提纲参考文献，主要关键词:机器视觉,相似性度量,阈值分割,遗传算法
目标的识别论文文献综述
柴钰,许继科[1]（2019）在《基于机器视觉的目标识别与定位系统》一文中研究指出为提高工业机器人抓取物品的速度,提出一个基于机器视觉的目标姿态识别与定位的检测方案。采用图像中值滤波技术消除灰度图像噪声,利用改进遗传算法(genetic algorithm,GA)与最佳直方图(KSW)熵融合的方法实现图像的分割,得到需识别的对象,经过边缘检测技术提取边缘,由欧氏距离度量法识别物体的位姿,根据矩特征计算图像物体的质心坐标,根据摄像机标定算法转换到世界坐标,设计GUI (图形用户界面)集成相应的功能。实验结果表明,该方案能够有效缩短识别与定位的时间。(本文来源于《计算机工程与设计》期刊2019年12期）
隋雪莲,张涛,曲乔新[2]（2019）在《深度学习在遥感影像目标识别与定位中的应用研究》一文中研究指出长期以来,遥感影像的目标识别与定位主要依靠目视判读和人工手段,误判和漏判情况严重,且检测精度较低。文章介绍了基于深度学习的目标检测算法,探讨了将深度学习应用于遥感影像目标识别与定位需要的关键技术,并对深度学习在目标识别与定位中的应用进行了前景展望。(本文来源于《科技创新与应用》期刊2019年34期）
徐洪,吴斌,陈春梅[3]（2019）在《基于ORB的目标识别与角度测量方法》一文中研究指出针对利用图像配准识别目标及测量目标旋转角度的问题,提出了基于ORB的快速角度测量方法。在特征匹配识别目标的同时,利用ORB特征的旋转不变性,根据匹配的特征点的主方向角度差值,得到相匹配点的旋转角度。然后对角度数据进行迭代自组织聚类(ISODATA)分析,剔除错误角度数据,并以剩余角度数据的均值作为目标的旋转角度。实验结果表明:所提方法能够对不同尺度、旋转、遮挡的目标进行快速识别定位及角度测量,角度误差在0. 3°左右,消耗的时间在0. 6 s左右,相对于传统算法在测量精度及时间复杂度方面均有了较大的提高。(本文来源于《传感器与微系统》期刊2019年12期）
白洁音,赵瑞,谷丰强,王姣[4]（2019）在《多目标检测和故障识别图像处理方法》一文中研究指出为了利用深度学习实现对输电线路的多目标识别以及多种故障的检测,以Faster RCNN(faster regions with convolutional neural networks features)网络为算法框架进行无人机图像的数据挖掘,针对输电线路的6种目标检测任务,提出了3种改进策略,分别为自适应图像预处理算法,基于面积的非极大值抑制算法,以及切分检测方案。研究结果表明:所提改进算法能够利用挖掘的数据对故障进行准确定位与识别,实现对复杂背景下航拍图像中多目标的故障检测,也可类推至其他类似多目标应用场景。论文研究可为多目标的检测和识别提供参考。(本文来源于《高电压技术》期刊2019年11期）
李辰,汪鹏,李建勋[5]（2019）在《基于证据理论的目标综合识别》一文中研究指出现代战争是信息化的战争,战场环境十分复杂。目标的综合识别技术越来越受到重视。目标综合识别充分利用多源传感器的信息,将其中目标身份信息依据某种准则进行组合,以获得更为准确可靠的目标身份估计。本文提出了一种基于D-S证据理论的多源信息决策级目标综合识别方法,利用多源目标识别信息进行证据推理,对目标的类型、属性、型号进行综合决策,有效解决了多源识别信息的冲突问题,提高了目标识别正确率。(本文来源于《科技视界》期刊2019年33期）
周丽丽,杜寅甫[6]（2019）在《无监督条件下跨领域目标识别关键技术研究》一文中研究指出人工智能与机器识别技术的发展加快了社会的进步,传统机器学习的方法并不适用于所有的环境,这就要求目标识别算法能够在半监督或无监督情况下进行训练。本文提出基于结构化联合分布适配的无监督大样本跨领域目标识别算法模型。为实现无监督少样本条件下的跨领域目标识别提供新的思路与方法。(本文来源于《自动化技术与应用》期刊2019年11期）
刘俊,姜涛,徐小康,田胜,李亚辉[7]（2019）在《基于轻量化深度网络的舰船目标识别技术研究》一文中研究指出针对海上多平台资源受限条件下的舰船目标识别任务,提出一种基于轻量化深度网络的舰船目标识别方法,通过深度可分离卷积及多尺度语义信息融合等进行改进。设计了嵌入式平台应用背景下的轻量化舰船目标识别方法,在自建目标数据集保证top5准确率达到93.5%情况下,实现了模型参数量与计算量的大幅度削减。证明了该网络在低功耗资源受限情况下能够有效完成舰船目标识别任务。(本文来源于《无线电工程》期刊2019年12期）
史律,唐鸣[8]（2019）在《深度学习在目标识别中的应用研究》一文中研究指出深度学习是一种基于数据技术和图像技术的新兴机器学习技术,目前深度学习技术在社会发展建设中起到了越来越重要的作用。深度学习是建立在信息神经网络、卷积理论等先进科学技术理论基础上的,加强了机器深度学习的可靠性和准确性。本文通过对深度学习在目标识别中的应用进行深入研究和探讨,旨在为我国目标识别领域提供新的思路和途径,从而提高我国目标识别技术水平。(本文来源于《舰船科学技术》期刊2019年22期）
王泓淼,张洁,雷建胜,赵恩伟,王森[9]（2019）在《基于微服务的空天协同目标识别与监视系统设计与实现》一文中研究指出目前我国海域监管手段单一,缺乏早期预警识别和连续跟踪监视能力,严重制约我国海洋强国战略的深入实施。本系统基于卫星、航空平台、通信终端产品等现有硬件基础,采用微服务技术架构,构建天空基协同广域目标识别与监视平台,对我国管辖海域内海上移动目标、海域利用活动和岛礁变化等典型目标识别与监视需求,构建"天、空、地"一体化监视体系,形成具有大范围早期预警和连续跟踪能力的海上目标识别与监视系统。(本文来源于《软件》期刊2019年11期）
孟欣欣,阿里甫·库尔班,吕情深,周雷[10]（2019）在《基于迁移学习的自然环境下香梨目标识别研究》一文中研究指出为了准确识别自然成熟的香梨果实,使得采摘机能对水果目标进行精确的定位,提出了使用目标检测深度学习网络模型的方法.该模型基于Mask R-CNN,首先通过在Kaggle数据集以及网上爬取并筛选出的9 600张水果图片对Resnet网络进行初步训练,然后在预训练过的Resnet网络基础上加入掩模分支和分类分支训练自然环境下成熟香梨的数据集,最终获得准确识别香梨目标的网络模型.实验结果表明,在同等目标未添加噪声的情况下,在使用水果图片数据集预训练的基础上,图片的平均分割精度为98.02%,这与使用COCO数据集进行预训练相比(精度为93.72%),平均分割精度增加了4.30%.此外,该模型对于被遮挡水果也有着不错的识别效果,在未添加噪声的情况下,被遮挡水果的平均分割精度为95.28%,这与未被遮挡水果的分割精度相比,误差仅增加了2.74%.所以,此模型对于香梨的识别和分割具有很好的鲁棒性.(本文来源于《新疆大学学报(自然科学版)》期刊2019年04期）
目标的识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
长期以来,遥感影像的目标识别与定位主要依靠目视判读和人工手段,误判和漏判情况严重,且检测精度较低。文章介绍了基于深度学习的目标检测算法,探讨了将深度学习应用于遥感影像目标识别与定位需要的关键技术,并对深度学习在目标识别与定位中的应用进行了前景展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
目标的识别论文参考文献
[1].柴钰,许继科.基于机器视觉的目标识别与定位系统[J].计算机工程与设计.2019
[2].隋雪莲,张涛,曲乔新.深度学习在遥感影像目标识别与定位中的应用研究[J].科技创新与应用.2019
[3].徐洪,吴斌,陈春梅.基于ORB的目标识别与角度测量方法[J].传感器与微系统.2019
[4].白洁音,赵瑞,谷丰强,王姣.多目标检测和故障识别图像处理方法[J].高电压技术.2019
[5].李辰,汪鹏,李建勋.基于证据理论的目标综合识别[J].科技视界.2019
[6].周丽丽,杜寅甫.无监督条件下跨领域目标识别关键技术研究[J].自动化技术与应用.2019
[7].刘俊,姜涛,徐小康,田胜,李亚辉.基于轻量化深度网络的舰船目标识别技术研究[J].无线电工程.2019
[8].史律,唐鸣.深度学习在目标识别中的应用研究[J].舰船科学技术.2019
[9].王泓淼,张洁,雷建胜,赵恩伟,王森.基于微服务的空天协同目标识别与监视系统设计与实现[J].软件.2019
[10].孟欣欣,阿里甫·库尔班,吕情深,周雷.基于迁移学习的自然环境下香梨目标识别研究[J].新疆大学学报(自然科学版).2019