排序方式: 共有6条查询结果,搜索用时 26 毫秒
1
1.
为解决目前单目图像深度估计过程中物体边界处深度跳变不明显导致的遮挡难以判别、边界处深度估计准确度较低的问题,提出了一种强化边缘的单目图像深度估计方法.采用深度估计网络输出最初预测的深度图,同时采用深度补偿网络输出应补偿深度的预测值,通过融合两组网络的输出实现对最初预测的深度图中物体边界轮廓处深度值的补偿.此外,通过设计... 相似文献
2.
3.
基于交替方向乘子法(ADMM)的改进型惩罚函数LDPC译码算法能够提升译码性能,但却存在优化参数数目过多的问题.针对该问题,提出一种基于均衡约束的ADMM-LDPC译码算法.首先将码字的0-1整数约束等价转化为连续的均衡约束,使得原有的整数优化问题转化为含均衡约束的非凸问题;然后采用惩罚函数的方法将该非凸问题转化为可求解的双层凸优化问题;最后采用迭代优化算法对该问题进行求解.仿真结果表明:相较于原有算法,所提算法大幅减少了所需优化的参数数目,且在低信噪比时能实现约0.05 d B的性能提升. 相似文献
4.
基于HowNet构造语义场的方法 总被引:2,自引:0,他引:2
为了能尽量消除传统语义场研究中的主观随意性,提出一种基于HowNet构造语义场的新方法,并充分利用语义场的空间特性,将词语相似度计算引入语义场用于划分语义场结构.计算实例表明 提出的构造语义场、划分语义场结构的方法,有利于计算机自动获得语义场,具有客观性和可计算性的特点,有效排除了以往构造语义场的主观随意性,可应用到各种基于语义的文本处理方法中. 相似文献
5.
为解决从单目图像中很难恢复出准确、有效深度信息的问题,提出一种多尺度特征融合的单目图像深度估计算法.算法采用端对端训练的卷积神经网络(CNN)结构,引入从图像编码器到解码器的跳层连接来实现在不同尺度上特征的提取和表达,设计了一种多尺度的损失函数来提升卷积神经网络的训练效果.通过在NYU Depth V2室内场景深度数据集和KITTI室外场景深度数据集上的训练、验证和测试,实验结果表明:提出的多尺度特征融合方法得到的深度图边缘清晰、层次分明,且在室内场景和室外场景中均能适用,具有较强的泛化性,可以适应多种实际场景的需求. 相似文献
6.
针对高频地波雷达海杂波的混沌特性,提出了一种新的海杂波神经网络集成预测方法。该方法在重构的相空间中估计所有神经网络在预测样本邻域内的预测性能和错误关联,进行神经网络的自适应选择和动态集成,实现海杂波的神经网络集成预测。在OSMAR2000高频地波雷达系统海洋目标实测数据上的测试结果表明,该方法具有较高的海杂波预测精度。 相似文献
1