高辉
- 作品数：7 被引量：24H指数：3
- 供职机构：河南工业大学信息科学与工程学院更多>>
- 发文基金：国家科技支撑计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 粘连颗粒图像的分割方法综述被引量：3
- 2022年
- 粘连图像分割作为颗粒计数、分类、定级评价、识别的基础环节,其实际应用价值不言而喻。本文简要介绍现有的传统分割算法和基于深度学习的分割算法种类,根据粘连颗粒尺寸小、随机散落、数量众多、形状不规则及边缘特征模糊等特点,结合粘连分割算法在各种领域中的应用现状,重点阐述基于分水岭、凹点、U-Net语义分割的方法,介绍关键技术,分析优缺点,明确适用范围,进行算法评价,并对相关的研究方向和发展趋势作出展望。
- 高辉甄彤李智慧
- 关键词：凹点
- 谷类作物粘连颗粒图像分割方法研究进展
- 2022年
- 在小麦、玉米等粮食作物的质量评价中,基于计算机视觉方法的应用研究非常广泛。在图像采集时,由于粮食颗粒形状小、数量多,分布随机、具有类圆性等特点,在质检时常出现粘连情况,将大大影响对粮食作物的准确计数、分类、定级、定价等。本文首先介绍基于阈值、边缘、区域等传统分割方法,阐明分水岭、凹点分割方法更加适用于粘连颗粒分割,明确各自优缺点;然后介绍基于深度学习分割算法的发展时间线,重点阐述基于U-Net、Mask R-CNN方法在处理粘连颗粒图像分割中的应用,统计相应的公开数据集,以找出更适合粘连籽粒分割的方法。最后对粘连颗粒图像分割方法所面临的挑战进行总结,并做出展望,为计算机视觉在相关领域的应用提供参考。
- 申冉甄彤李智慧高辉
- 关键词：图像分割
- 基于深度学习的粮库测控技术研究进展被引量：1
- 2021年
- 粮库负责国家及地方粮食储备,粮库测控技术发展与储粮安全息息相关。基于Faster R-CNN、YOlO、SSD、CNN、BRNN、双向LSTM、深度自编码器及各种优化、级联、融合等网络,阐述了深度学习在车辆检测、车牌识别、车型识别及车辆跟踪中的应用;结合BP、改进CNN、multi-CNN、双流卷积等网络,阐述了深度学习在人员识别、行为识别中的应用;依据R-FCN、Faster R-CNN、YOLO、GANPSO-BP、改进LSTM网络等技术,阐述了深度学习在粮库烟火识别、粮虫识别、粮堆温度预测、粮食籽粒计数、粮库图像去雾的研究进展。总结各种传统算法的优缺点,阐述深度学习在新一代粮库测控技术的研究进展及其优缺点,并做出展望。
- 高辉甄彤李智慧
- 视频监控系统中动目标检测算法研究被引量：13
- 2008年
- 描述运动目标检测的基本概念,讨论了运动目标检测的广泛应用、目前所面临的主要问题和困难、实现运动目标检测的几种流行算法,对当前主流运动目标检测实现方法的基本思想和最新发展分别进行了叙述,着重讨论了各类方法的主要优缺点,并展望了该领域的发展趋势。
- 高辉杜庆灵
- 关键词：视频监控运动目标检测背景差分法光流法
- 基于坐标注意力机制的人脸图像超分辨率重建算法被引量：3
- 2022年
- 针对传统的人脸超分辨率图像重建技术,人脸特征信息提取与恢复中存在特征丢失的问题,文中提出了一种基于坐标注意力机制的IP-FSRGAN人脸图像超分辨率重建算法,以帮助生成器学习到更多的人脸特征信息并合成更真实的超分辨率人脸图像。在放大倍数为4时,采用LFW数据集测试模型性能。实验结果显示,该方法与IP-FSRGAN相比,PSNR提升0.14%,SSIM提升0.59%,Y通道PSNR提升2.43%,SSIM提升0.38%,在定量上均优于SRGAN、ESRGAN、IP-FSRGAN等人脸重建方法。实验证明,文中所提基于坐标注意力机制的IP-FSRGAN人脸图像超分辨率重建算法在人脸超分辨图像重建上具有良好的有效性。
- 杨晓雅邓淼磊高辉张德贤
- 关键词：人脸图像超分辨率重建
- 基于深度学习的人群计数算法综述被引量：4
- 2022年
- 人群计数在视频监控、公共安全、智能商业等许多领域都有广泛的应用,近年来,随着深度学习的不断发展,人群计数已经成为计算机视觉领域研究的热点之一。本文根据提取特征方式的不同,将人群计数分为两类一类是传统方法,另一类是基于深度学习的方法,对基于卷积神经网络的方法进行重点分析和介绍;进一步介绍了人群计数领域的基准数据集和其他代表性数据集,实验结果表明,在人群密集和尺度变化较大的场景,基于卷积神经网络的方法优于传统方法,在尺度变化较大、人群较复杂的场景中多列网络比单列网络计数更加准确,效果更好;最后讨论了算法的未来发展方向。
- 田月媛邓淼磊高辉高辉
- 关键词：卷积神经网络计算机视觉
- 基于SE_ResNeXt-50的小麦不完善粒分类研究
- 2023年
- 针对目前传统小麦不完善粒检测误差大、效率低、麦粒易受损坏等问题。提出一种基于分组卷积残差神经网络的小麦不完善粒分类模型。通过嵌入挤压激励模块(SE)改进ResNeXt-50分组卷积残差网络结构,将ResNeXt-50网络的残差输出结果进行挤压、激励后与原结果进行通道间相乘,提升网络对不同支路权重的感知。改进后模型可以更好地学习通道间的非线性相互作用和非互斥关系,提升模型训练效率,提高准确率。模型识别准确率可达96.12%,为小麦不完善粒的分类识别研究提供一种新的技术支持,进一步为国家储粮安全提供理论支持。
- 熊浩添王鹏博刘亚孰蒋玉英王飞高辉
- 关键词：图像分类无损检测图像处理技术
