基于深度卷积神经网络的地震数据断层识别方法.pdf

将机器视觉技术引入到了茶小绿叶蝉的自动识别领域, 以实现茶园中茶小绿叶蝉的准确及时预报。采集了自然场景下黄色诱虫板的图像,利用超像素分割算法和多DBSCAN聚类图像融合的方法对采集的图像进行区域分割,保证了目标区域的准确性和完整性。在此基础上,提取了目标图像子区域的L、a、b均值和标准差特征,构建了最小二乘支持向量机(LSSVM)自动识别模型。为解决训练样本中茶小绿叶蝉和其他害虫数量不均衡带来的分类超平面偏移问题,采用改进SMOTE算法和KS算法来提高模型对茶小绿叶蝉小样本的识别精度。结果表明,该算法的整体识别精度可达到99.03%,茶小绿叶蝉的查准率可达91.76%,为茶小绿叶蝉的实时检测提供了有效途径。

神经网络是近年来受到国内外广泛关注的高新技术，不同科学的科技人员对其进行了深入的研究，并取得了许多有价值的研究成 果，利用BP网络实现图像质量评价，选取图像的几个特征向量作为BP网络的输入。一般BP的输入都是数值组成的。文中提出的用BP神经网 络作图像识别的方法，不对图像作特征提取，直接把图像数据作为神经网络识别器的输入。文章最后用Python完成了网络的训练与测试，并 给出了试验结果。结果表明，不作特征提取的神经网络图像识别系统具有很强的抗干扰能力。

Matlab基于Gabor小波变换和人工神经网络的人脸识别方法-基于Gabor小波变换和人工神经网络的人脸识别方法.rar 基于Gabor小波变换和人工神经网络的人脸识别方法

时序行为检测是指在一段未分割的长视频中，检测出其中包含的若干行为片段的起止时间和类别.针对该项任务，提出基于双流卷积神经网络的行为检测模型.首先使用双流卷积神经网络提取视频的特征序列，然后使用TAG （Temporal Actionness Grouping）生成行为提议，为了构建高质量的行为提议，将行为提议送入边界回归网络中修正边界，使之更为贴近真实数据，再将行为提议扩展为含有上下文信息的三段式特征设计，最后使用多层感知机对行为进行识别.实验结果表明，本算法在THUMOS 2014数据集和ActivityNet v1.3数据集获得较好的识别率.

提出了一种基于调制度分析的快速三维物体识别方法。将两个有一定间距且正交的光栅同时投影到被识别物体表面上,使被识别物体位于两个光栅正焦像面之间,从同一方向获取被物体高度信息调制的正交光栅像,而物体的高度信息就被编码在这个图像中。采用傅里叶变换和空间频域分析,可分别得到两个方向上的基频。然后计算识别参数(每个基频强度的和)的值,识别参数值可以被看作是二维识别空间的一个点,对于不同形状的物体,识别参数值是不同的,所以不同物体的识别参数将对应识别空间不同的位置。计算机模拟实验和实际物体的识别实验证明了此方法的有效性。

基于深度图像技术的手势识别方法 理论知识,可做参考用.

在网络游戏流行的今天，加强对网络游戏的监控在许多情况下显得十分必要，本文以学校计算机实验室采用游戏监控软件禁止学生在上课期间玩游戏为背景，介绍了一种基于进程占用内存（专用工作集，下同）大小的比较的游戏进程识别方法。笔者通过实验发现，计算机实验室中常用的软件和C/S架构的电脑游戏在占用内存大小方面有显著差异，因此可以通过比较进程占用内存的大小来判断该进程是否游戏进程。测试结果表明，该方法对C/S架构的电脑游戏的识别准确率约90%，有较高的应用价值。

运动人体检测和行为识别涉及广泛，包括人工智能、计算机视觉、模式识别等，人体行为识别在医疗、商业、军事中具有重要的应用价值，为探究良好的人体行为识别方法，本文引入傅里叶-隐马尔可夫模型进行相关分析，在人体行为序列图像的识别过程中，需要了解有关人体行为二值图像的轮廓，然后采取科学的方式进行傅里叶变换，接着进行向量转化，形成观察符号序列，将矢量量化向特征向量变化，便于提取人体轮廓的特征，进行后续的应用研究。最后对人体的行为进行识别，采用隐马尔大夫分类器。利用傅里叶-隐马尔科夫模型进行人体识别，能够有效提高人体行为识别率，本次测试单个行为的识别中平均识别率达到94%，要进行深入探究，进行复杂环境复杂动作的识别，促进相关工作的改进。

基于AT89S51单片机设计的按键识别方法之一并且配有proteus仿真模拟