共查询到20条相似文献,搜索用时 203 毫秒
1.
2.
3.
4.
针对传统识别方法的盲目性和低效率,采用BP神经网络进行字符识别,具有较高的准确性,经过训练可有效地提取信号、图像等感知模式的特征,对档案管理档案号的数字识剐进行研究与应用.实验表明,在图像识别中,尤其是否图像的字符识别中,BP神经网络在识别准确率和先验知识等方面有着明显的优势. 相似文献
5.
提出一种家庭宽带WiFi下手机号码特征自动提取方法。该方法采用DPI(深度包检测)技术、Hyperscan高速字符串匹配、Hadoop分布式架构、分布式爬虫等技术,可以更加快速准确地识别出固网WiFi下用户手机号码特征。通过实验进行论证,手机号码特征可以每天定时自动输出,且根据这些手机号码特征提取的手机号准确率可以达到86%以上,相比传统离线人工肉眼识别方法,提取特征的效率有很大的提高。 相似文献
6.
针对人工提取雷达辐射源信号特征存在提取周期长、特征描述不完备等局限性,提出了一种基于深度学习栈式自编码机和模糊函数主脊的雷达信号识别方法.该方法根据信号模糊函数主脊包含丰富的内在调制信息的特点,从信号中提取用于分类识别的抽象特征.通过对六种雷达辐射源信号进行实验,并对比人工特征提取及其他深度学习方法,结果表明,本文所提方法在信噪比(signal-noise ratio,SNR)为2 dB以上时均能保持100%的识别准确率,SNR为-6 dB时识别准确率仍能保持82.83%以上,明显高于其他方法.即使在包含相同调制类型不同参数的信号环境中,当SNR大于0 dB时识别率均稳定在95.0%以上,SNR降低到-4 dB时识别率也能达到79.0%.证明该方法能有效提取到信号的深层特征,且具有良好的抗噪性能,基本满足实际战场的需求. 相似文献
7.
8.
为有效识别视觉系统采集的可见光图像中的舰船目标,提出了基于YOLO(You Only Look Once)网络模型改进的10层的卷积神经网络(Convolutional Neural Network,CNN)用于水面舰船目标的智能识别,通过反卷积的方法可视化CNN中不同卷积层提取到的舰船目标特征。按照传统目标识别方法提取了舰船目标的四类典型人工设计特征,将所提CNN的舰船目标识别结果与YOLO网络模型及四类人工设计特征结合支持向量机用于舰船目标识别的结果进行比较。实验结果表明,与YOLO网络模型相比,综合精确率、召回率和效率3个舰船目标识别的性能指标,改进后的CNN性能更好,从而验证了所提方法的有效性。不同数据量下采用典型特征识别舰船目标与基于深度CNN识别舰船目标的识别结果比较说明了不同类型目标识别算法的优劣势,有利于推动综合性视觉感知框架的构建。 相似文献
9.
10.
11.
Footprint-based personal recognition 总被引:4,自引:0,他引:4
Nakajima K Mizukami Y Tanaka K Tamura T 《IEEE transactions on bio-medical engineering》2000,47(11):1534-1537
This paper proposes a new method of personal recognition based on footprints. In this method, an input pair of raw footprints is normalized, both in direction and in position for robustness image-matching between the input pair of footprints and the pair of registered footprints. In addition to the Euclidean distance between them, the geometric information of the input footprint is used prior to the normalization, i.e., directional and positional information. In the experiment, the pressure distribution of the footprint was measured with a pressure-sensing mat. Ten volunteers contributed footprints for testing the proposed method. The recognition rate was 30.45% without any normalization (i.e., raw image), and 85.00% with our method. 相似文献
12.
2D人脸识别技术虽已成熟,但由于单一的2D图像不能提供识别所需的完整信息,故其识别精度很难进一步提高。在人脸识别过程中,特征提取是影响识别效果的一个重要环节,在分析了传统的主成分分析法和由此改进的2D PCA方法的基础上,提出了3D人脸识别方法。该方法将人脸图像分为几个部分分别进行特征提取,同时充分考虑每个部分所包含的特征信息量的多少,并在分类时赋予它们不同的权值。因此,将人脸用立体图像来表示并进行识别是目前提高人脸识别精度的前沿课题。 相似文献
13.
14.
15.
16.
针对目前人脸识别算法在光照条件恶劣时识别精度较低的缺陷,提出一种基于Retinex和PCA的人脸图像识别方法.Retinex算法能够有效去除图像中光照恶劣导致的阴影,而PCA能够有效提取图像中有代表性的特征,从而使得快速准确的识别成为可能.在Yale和Yale B数据库上验证该算法的性能,结果证明,此算法简单快速,且具有较高的识别精度,是一种实用的人脸图像识别方法. 相似文献
17.
18.
在基于视频图像的动作识别中,由于固定视角相机所获取的不同动作视频存在视角差异,会造成识别准确率降低等问题。使用多视角视频图像是提高识别准确率的方法之一,提出基于三维残差网络(3D Residual Network,3D ResNet)和长短时记忆(Long Short-term Memory,LSTM)网络的多视角人体动作识别算法,通过3D ResNet学习各视角动作序列的融合时空特征,利用多层LSTM网络继续学习视频流中的长期活动序列表示并深度挖掘视频帧序列之间的时序信息。在NTU RGB+D 120数据集上的实验结果表明,该模型对多视角视频序列动作识别的准确率可达83.2%。 相似文献
19.
针对视觉词袋模型与局部块模型特征相结合的算法在真实的复杂场景中识别率不高的问题,本文提出一种基于局部块模型与特征预处理、特征泛化相结合的行为识别算法。本文算法在视觉词袋模型的基础上,采取局部块模型与随机采样相结合的方法提取特征,对特征做预处理,减小了数据冗余,消除了特征之间的相关性,并且使处理后的特征更接近原始视频特征,同时对编码后特征做泛化处理,避免过拟合现象。本文在HMDB51标准视频库上进行实验,结果表明本文算法较原算法识别率提高2.1%,较其他同类算法也有一定的提升,验证了该算法的有效性。本文算法对视频量大、背景复杂、真实场景的视频集具有较好的识别效果。 相似文献