检索结果

Select

1. 基于图割精细化和可微分聚类的无监督显著性目标检测

李小雨, 房体育, 夏英杰, 李金屏

《计算机应用》唯一官方网站 2021, 41 (12): 3571-3577. DOI: 10.11772/j.issn.1001-9081.2021061054

摘要（396）

HTML （12）

PDF （1317KB）（130）

针对传统显著性检测算法分割精度低以及基于深度学习的显著性检测算法对像素级人工注释数据依赖性过强等不足，提出一种基于图割精细化和可微分聚类的无监督显著性目标检测算法。该算法采用由“粗”到“精”的思想，仅利用单张图像的特征便可以实现精确的显著性目标检测。首先利用Frequency-tuned算法根据图像自身的颜色和亮度得到显著粗图，然后根据图像的统计特性进行二值化并结合中心优先假设得到显著目标的候选区域，进而利用基于单图像进行图割的GrabCut算法对显著目标进行精细化分割，最后为克服背景与目标极为相似时检测不精确的困难，引入具有良好边界分割效果的无监督可微分聚类算法对单张显著图做进一步的优化。所提出的算法在ECSSD和SOD数据集上进行测试并与现有的7种算法进行对比，结果表明得到的优化显著图更接近于真值图，在ECSSD和SOD数据集上分别实现了14.3%和23.4%的平均绝对误差（MAE）。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于虚拟导航线的农业机器人精确视觉导航方法

梁臻, 房体育, 李金屏

计算机应用 2021, 41 (1): 191-198. DOI: 10.11772/j.issn.1001-9081.2020060927

摘要（405）

PDF （1980KB）（428）

针对农田、野外环境中无人工标记情况下的导航问题，提出了一种基于虚拟导航线的农业机器人精确视觉导航方法。该方法不需要铺设导航线或者路标即可引导机器人行走直线。首先，根据需求确定需要跟踪的目标区域，之后控制机器人调整方向直到目标移至视野中央；其次，根据机器人和目标的位置确定参照目标，并依据两个目标的位置确定虚拟导航线；然后，动态更新导航线，并结合虚拟定标线和虚拟导航线确定偏移角度和偏移距离；最后，利用偏移参数构建模糊控制表，并以此实现对机器人旋转角度和行走速度的调整。实验结果表明，该算法能较为精确地实现对导航路线的识别，进而利用模糊控制策略使机器人沿直线向目标行走，且导航精度在10 cm以内。

参考文献 | 相关文章 | 多维度评价

Select

3. CCML2021+ 315: 基于图割精细化和可微分聚类的无监督显著性目标检测

李小雨房体育夏英杰李金屏

录用日期: 2021-07-27