2011131094+夏嘉豪+关于计算机视觉的文献检索.docVIP

2011131094+夏嘉豪+关于计算机视觉的文献检索.doc

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

本科生科研训练第一周作业

作业1

期刊

例举文献

[1]李甜甜.基于计算机视觉的学生课堂行为识别研究与应用[D].太原师范学院,2023.DOI:10.27844/d.cnki.gtysf.2023.000026.

[2]朱家豪.基于计算机视觉的泰山赤鳞鱼投喂行为分析及试验[D].山东农业大学,2023.

[3]李俊华.基于声誉调查和聚类分析的国际学术会议评价研究[D].山西财经大学,2023.DOI:10.27283/d.cnki.gsxcc.2023.001547.

[4]林永升.基于3D机器视觉下的鱼形假饵工件的抓取研究[D].烟台大学,2023.DOI:10.27437/d.cnki.gytdu.2023.000511.

[5]郑果.基于机器视觉的水稻病虫害监测预警技术研究[D].重庆三峡学院,2023.DOI:10.27883/d.cnki.gcqsx.2023.000336.

[6]王永归.基于计算机视觉的智能建造中3D目标检测研究[D].陕西科技大学,2023.DOI:10.27290/d.cnki.gxbqc.2023.000291.

[7]王森.基于计算机视觉的钢材金相图像晶粒度评价方法研究[D].西安工业大学,2023.DOI:10.27391/d.cnki.gxagu.2023.000941.

[8]吴幸培.基于计算机视觉的结构振动测量和损伤识别研究[D].广州大学,2023.DOI:10.27040/d.cnki.ggzdu.2023.000060.

[9]侯文鹏.基于计算机视觉的隔震结构动态位移监测方法研究[D].广州大学,2023.DOI:10.27040/d.cnki.ggzdu.2023.000186.

[10]戴金龙.基于计算机视觉的输油管道周边目标检测研究[D].东北石油大学,2023.DOI:10.26995/d.cnki.gdqsc.2023.001200.

[11]陈梦雅.基于计算机视觉技术的无人机检测方法[D].山东建筑大学,2023.DOI:10.27273/d.cnki.gsajc.2023.000452.

[12]麦贤健.面向高校课程教学的挺身式跳远自动测评技术研究[D].广西师范大学,2023.DOI:10.27036/d.cnki.ggxsu.2023.001076.

[13]高士杰.基于深度学习的数显游标卡尺跳数自动识别检测系统的设计与实现[D].广西师范大学,2023.DOI:10.27036/d.cnki.ggxsu.2023.001140.

[14]梁将来.基于机器视觉的烟丝杂质检测方法研究[D].云南财经大学,2023.DOI:10.27455/d.cnki.gycmc.2023.000632.

[15]代灿威.基于计算机视觉的PVC板材尺寸测量研究[D].湖北师范大学,2023.DOI:10.27796/d.cnki.ghbsf.2023.000214.

1.精读

首先是实现一个实时高效的激光单模态3D目标检测,其次是利用激光和视觉融合做多模态的3D目标检测。自pointpainting提出后,多模态检测的精度基本上持平或超越纯激光的算法了,这种融合思路还是很有效的。

跟踪主要讲一下AB3DMOT,和2d跟踪中的sort很像。现在很多跟踪的方法都用端到端网络来做,其实是只解决了关联问题,估计问题完全没处理。

个人的看法是,除非出现目标检测领域出现颠覆性理论,否则跟踪和后处理都是刚需,即需要解决目标检测中的漏检和误检,未知类别的障碍物等等。

目标真实位置的检测也有赖于状态估计方法,基本是将根据历史预测的结果和当前跟踪器分配的检测结果进行融合。经典的方法就是卡尔曼滤波和卡尔曼滤波的改进方法。AB3DMOT中就是使用了卡尔曼滤波和匀速模型。这一块其实有更多来自雷达领域的经典跟踪方法可以参考。

但对效果提升最明显的还是检测器本身,如果目标检测测得准,也不需要这些方法了。可短时间内,至少是几年内,无法做到不依赖跟踪和估计。

总结

智慧城市需要高度可扩展和互联的技术,以在多个城市管理模块中高效运行。边缘人工智能和深度学习等计算机视觉的最新技术将人工智能视觉与物联网相结合。这些新技术使城市处理大量复杂的视觉数据成为可能。

智慧城市中的计算机视觉技术

在过去的二十年里,智慧城市解决方案应运而生,由物联网(IoT)、人工智能(AI)、深度学习和云计算等技术支持。它们为解决基础设施、社会发展和其他挑战提供了巨大的潜力。

借助智能技术,智慧社区可以在智能互联传感系统的帮助下改善能源分配、简化垃圾收集流程、减少交通拥堵、改善空气质量等。

人工智能、计算机视觉和图像识别

在人工智能领域内,计算机视觉是一个子领域,包括允许计算机“学习”识别图片或图像特征

文档评论(0)

177****5808 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档