基于卷积神经网络的手绘草图识别

针对目前手绘草图识别难度大,识别准确率低且主要以手工提取特征为主,提出一种新的卷积神经网络结构DCSN( Deeper-CNN-Sketch-Net) 进行手绘图像识别。DCSN 模型是根据手绘草图的特点进行设计,如在首层采用了更大的卷积核获取草图的结构信息和更小的步长尽可能多保留特征信息,通过增加网络层数加深网络深度等。为进一步提高识别准确率,针对手绘草图的特点提出了两种新的数据增强方法,小图形缩减策略和尾部移除策略增加数据集的多样性,并利用扩充的数据集训练DCSN 网络。经实验验证,所提出的模型在目前最大的手绘图像数据集上可以取得70． 5% 的识别准确率,超过了目前存在的几种主流的手绘草图识别方法。     

单幅手绘草图重建三维模型方法研究

提出从单幅手绘草图快速生成三维模型的方法,对输入草图进行在线识别与规整,将草图转换为规则的几何图形.然后提出二维图形向三维模型转换的映射机制,完成三维信息的添加.最后进行实验验证,结果表明可自然高技地完成手绘筒田的三维重建.     

融合熵和势能的手绘草图特征描述方法

为更加深刻地刻画手绘草图中的形状主题,并使特征描述方法具有一定的平移、缩放和旋转不变性,提出了一种基于熵和势能的手绘草图特征描述方法.该方法首先提取手绘草图的关键点,并对每个关键点的周围区域进行分块,计算其信息熵;然后根据关键点像素在手绘草图对象中的位置,计算其像素势能,从而获得融合了熵和势能的关键点特征描述向量;最后将训练集中所有图像的全部关键点特征描述向量聚类形成视觉码书,每一幅手绘草图均表示成基于码书的特征描述向量.实验结果表明,文中方法能较好地描述手绘草图的形状特征.     

基于草图的工程图纸检索条件输入

提出并初步实现了一个面向图纸管理、采用在线图形模糊识别方法和相关反馈技术的手绘图形输入工具。给出了基于笔画速度及曲率变化的特征点检测方法及基本图元的几何识别特征。由于草图具有的模糊特性会造成对用户检索意图理解的偏差,引入模糊集合,定义了基本图元的模糊识别隶属函数。根据模糊集合的隶属度自动地完成草图识别,利用模糊集的距离预测用户的输入意图。在图档管理系统中的应用表明：手绘草图的输入及图元的模糊识别具有很好的实用价值。     

认知地图两种外部化方法的比较——以北京市为例

目前,通过实验方法获得人们头脑中认知地图的两种主要方法是手绘草图法和多维标度法(MDS)。为了深入探讨认知地图两种外部化方法的异同,以北京市为研究对象,要求抽样的被试同时完成MDS实验与手绘草图实验。对于两种不规则的认知地图,将它们的坐标系进行统一,并尽可能降低处理方法带来的变形。在此基础上,通过二维回归(BR)与误差椭圆的方法分别对两种外部化方法获得的结果进行全局与局部的比较,研究发现手绘草图的方法的结果更加符合实际地图;然而两个方法在变形的趋势上却大致相同。进而从MDS方法与手绘草图方法所研究的不同认知地图表达方式,到两个外部化方法自身的误差,做出分析与解释,并对这两种方法的应用提供了指导建议。     

认知地图两种外部化方法的比较——以北京市为例

目前,通过实验方法获得人们头脑中认知地图的两种主要方法是手绘草图法和多维标度法(MDS).为了深入探讨认知地图两种外部化方法的异同,以北京市为研究对象,要求抽样的被试同时完成MDS实验与手绘草图实验.对于两种不规则的认知地图,将它们的坐标系进行统一,并尽可能降低处理方法带来的变形.在此基础上,通过二维回归(BR)与误差椭圆的方法分别对两种外部化方法获得的结果进行全局与局部的比较,研究发现手绘草图的方法的结果更加符合实际地图;然而两个方法在变形的趋势上却大致相同.进而从MDS方法与手绘草图方法所研究的不同认知地图表达方式,到两个外部化方法自身的误差,做出分析与解释,并对这两种方法的应用提供了建议.     

基于手绘草图的中保真原型自动生成

从手绘草图生成数字化的中保真原型是界面设计的必要步骤,它需要花费设计师大量的时间和精力.针对这一问题,本文提出了基于目标检测和启发式规则的中保真原型自动生成方法,并基于该方法实现了一个自动化工具.首先,本文提出基于置换注意力机制(SA)的目标检测模型SA-FRCNN对手绘草图中的组件进行检测;然后,提出启发式规则对检测结果进行布局优化.实验表明,本文方法能够提升对手绘草图的检测精度,较基线模型提高了2.3%;此外,本文工具可以有效提高原型设计效率.     

识别判断手绘三角形的类型

为了实现手绘三角形的识别和分类,本文提出了一种手绘三角形的识别分类方法。采用确定笔迹首末点、消除伪角点,最后进行笔迹分割和直线拟合的方式进行手绘三角形的识别,然后模式识别中的几何图形识别来对手绘三角形的类型进行判别,将三角形分为等腰三角形、直角三角形、等腰直角三角形、等边三角形和任意三角形。实验证明该方法有效解决了手绘三角形中小勾和晃动的影响,从而实现了三角形的重建和分类。     

浅谈手绘草图对产品设计师的重要性

对产品设计师来说，手绘草图具有不可替代的作用，它是设计师表达方案构思的一种直观而生动的方式，也是方案从构思迈向现实的一个重要过程。手绘草图已成为设计师必备的专业技能，它不仅能准确的表达设计构思，还能反应设计师的艺术修养、创造个性和创造能力。     

融合大核注意力机制的土壤种类识别网络

【目的】为解决因土壤图像纹理复杂、没有结构性特征导致的传统卷积神经网络模型难以提取其中关键性特征、识别准确率低的问题，提出了一种大核注意力(large kernel attention，LKA)机制模块与ResNet模型融合的土壤种类识别网络模型VAR(visual attention ResNet)，以解决土壤种类样本不平衡和难分类样本造成的模型泛化能力弱的问题。【方法】以ResNet为主干网络，在主干中引入LKA机制，减少其中的残差块，构建土壤种类识别网络VAR，并改进网络的焦点损失函数(Focal Loss)。【结果】1) 与传统模型ResNet18、ResNet34、VGG、GooleNet、VAN等相比，VAR模型在特定模型参数下对紫色土土壤图像数据集中土壤种类的识别精度更高；2) 用3种不同大小VAR模型之一的VAR_small与以ResNet18为主干并嵌入传统注意力机制SE、CBAM、ECA和SK的网络进行对比，实验结果显示LKA机制在土壤识别方面更加优秀；3) 改进的Focal Loss可让VAR更能注意到难分类的土壤图像样本。【结论】将LKA机制模块与ResNet模型融合的土壤种类识别网络模型VAR增强了网络提取土壤图像中关键性结构特征能力，同时还减少了网络参数，能更加有效地识别土壤种类。     

浅谈手绘表现

手绘是所有设计师在创作之初设计草图构思的表达方法,这里的＂设计师＂包含平面广告设计、室内外建筑设计等方面的设计师。在当今这个电脑效果图泛滥的时代,手绘作为一种传统的表现手段,一直沿用至今。手绘一直保持着自己独特的地位,并以其强烈的艺术感染力,向人们传达着设计师的设计思想、理念以及精髓。     

独立子空间下的草图人脸合成与识别

基于草图的人脸识别对于公安机关通过目击者描述出的犯罪嫌疑人草图来确定疑犯的身份具有重要的意义.为实现草图人脸识别,从人脸独立特征子空间和人脸形状结构特征出发,提出了一种新的草图人脸合成和识别方法.根据人脸图像在独立分量子空间上的重建,研究了基于独立成分分析(ICA)的草图人脸合成,实现了照片草图人脸转换;针对人脸结构信息在人脸识别中的重要作用,在分析主动形状模型(ASM)算法在提取人脸结构信息上所具有的局限性的基础上,提出了极坐标形状模型(PSM);最后,将合成的草图与待识别草图利用ICA/线性鉴别分别(LDA)和极坐标形状模型进行联合识别.实验结果表明,提出的算法可以有效地将照片转换为草图,并具有较好的识别率,1阶识别率达到94.7%,10阶达到99.1%,将子空间投影与极坐标形状模型联合起来识别,1阶识别率可提高5.3%,前3阶识别率平均提高约4.2%.算法较好的识别率基本上满足了自动草图识别系统的要求.     

手绘系统中三维标准几何图形的绘制

通过对现有三维图形识别算法的比较分析,在全手绘三维图形识别方法的基础上提出了三维图形识别中的半手绘识别算法,并在此基础上提出了三维图形的修改算法和三维图形识别的具体操作模式.此算法通过计算机编程得以实现,并通过了系统验证.验证结果表明,半手绘识别算法可以避免三维识别中应用全手绘识别方式所产生的弊端,并且在绘制三维图形时的中间过程是相对独立的,方便使用者保存和修改.     

基于深度残差收缩网络的校园垃圾图像分类

针对现实生活中垃圾分类知识普及不够,许多城市和学校都面临着垃圾分类困难的问题,利用神经网络对分类问题的高效性和准确性,通过一种基于ResNet网络和SENet网络的深度残差收缩网络实现垃圾图像分类。通过对Garbage数据集进行筛选得到实验所需数据集,并对ResNet进行改进,将SENet和软阈值化操作加入ResNet结构中。实验结果表明,该方法通过网络训练和超参数调整,得到了较好的识别率,在校园垃圾分类中获得了较好的识别效果,具有一定可行性。     

基于特征分块的赤足足迹人身识别算法

为了提高赤足足迹人身识别算法的准确率，本文提出了一种基于深度学习的足迹识别算法。由于足底各区域压力的不同导致了赤足足迹各部分包含的信息量存在一定的差异性，为了获取更稳定、区分度更高的特征，采用ResNet50作为基础网络，在特征层进行分块处理。本文基于2000人的赤足足迹库进行训练，利用500人1000幅测试图在3000人的赤足测试库上进行测试。所提出算法的首位识别准确率达到了98.50%，优于常规的ResNet50网络。实验证明，本文提出的基于特征分块的足迹识别算法在赤足足迹识别中获得了很好的识别效果。     

基于贝叶斯网络和卷积神经网络的手绘草图识别方法

为实现笔画的分组和识别,现有的草图识别算法通常会采用限制用户的绘图习惯来达到目的.该文提出了利用贝叶斯网络和卷积神经网络(CNN)的草图识别方法解决此问题.首先,使用高斯低通滤波器处理输入草图,得到更平滑的图像.然后将连续输入的笔划分为两部分,分别使用贝叶斯网络和卷积神经网络对分割后的笔画进行识别,当笔画的可靠性大于阈值时,以贝叶斯网络的识别结果为准,反之采用CNN的识别结果.实验结果表明,该文算法在电路符号绘制过程中的识别率和绘制完成后的识别率均取得了较好的结果.该文算法具有良好的应用前景.     

一种基于规范化形状的手绘草图检索算法

提出了一种基于仿射变换自适应的形状和骨架特征的手绘草图检索算法.首先采用一种基于傅里叶变换的降维滤波方法对对象进行规范化处理,并以此为基础提取对象轮廓和区域特征;然后提出一种仿射变换自适应骨架提取算法提取对象骨架、得到骨架树特征描述子,并提出一种骨架树匹配算法;最后结合对象轮廓区域和骨架特征来实现草图检索.实验结果表明,该方法对对象仿射变换(平移、缩放、旋转)有很强的适应性,对噪声有较强的鲁棒性.     

基于背景-前景分离模型的图表手绘信息识别

在各类文档、资料、报表中,许多数据使用图表进行表示,对图表进行自动识别和信息提取成为图形 识别和文档图像处理中一个重要的研究分支.本文提出了一种基于背景-前景分离的方法,针对司机日志图表中 的手绘折线信息,实现准确的信息提取与高精度识别.这种方法使用启发式规则分析和连通体分析将印刷体图 表的背景信息与手绘折线的前景信息相互分离,利用印刷体背景提供的刻度信息对手绘折线进行精确识别.同 时提供了良好的容错机制,降低手绘随意性造成的识别误差,并精确定位各种手绘错误造成的识别冲突,保证了 识别结果的有效性.通过4组805页测试样本集测试,本文方法的识别精度达到了90％以上.     

基于深度学习的车标识别算法的研究与实现

依据深度学习算法可以自主进行特征学习和识别的特点,提出一种基于Keras深度学习框架的车标识别算法。将该方法将ResNet50和Inception V3两模型相结合构建训练网络,以此建立分类器对车标图像进行识别。实验结果表明,该方法与传统的卷积神经网络分类进行比对,提高了车标识别的准确率。     

基于手绘识别的智能电子白板系统研究与实现

文章设计并实现了基于手绘识别的智能电子白板系统,采用基于支持向量机(SVM)的在线图形识别算法实现手势与学科符号的识别,并通过知识库系统对图形符号进行解析.实验验证了系统的可行性,该系统能提高教学效率,在教学应用方面具有一定的优势.