排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为了使彩色图像灰度化后能更好地保留原始对比度和细节特征，课题组提出一种基于高效边缘检测的彩色图像灰度化算法。课题组通过对线性参数模型产生的一系列备选图像采用像素差值网络（pixel difference networks, PiDiNet）实现鲁棒性、准确性的边缘检测，边界点数最多的备选图像所对应的权重则被选为映射函数的最优解，由于引用了像素差值卷积PDC，对边缘信息敏感度增强。实验结果表明：此算法相比于其他算法能较好地保留原彩色图像的细节特征，使得输出图像轮廓清晰且自然，主客观评价均较优。 相似文献
2.
针对纺织品表面缺陷检测算法速度低、泛化性能差及鲁棒性弱等问题，课题组提出了一种基于改进Yolo v5的织物表面缺陷检测方法。在Yolo v5骨干网络的基础上增加了卷积注意力模块，增强目标检测网络对特征图中重要信息提取并弱化无关特征；针对网络特征融合阶段特征尺度不一致造成的冲突问题，引入自适应空间特征融合的方法；在训练过程中使用迁移学习加快训练速度。实验结果表明：与未改进的Yolo v5算法相比，所提出的检测框架能够有效提高网络精度达98.8%，检测速度达83 帧/s。该检测方法能满足实际工业要求。 相似文献
1