基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对当前圆弧检测算法存在误检率高、检测效率低的问题,提出一种基于多层卷积网络的圆弧快速检测算法.首先基于多层卷积网络进行圆弧信息的聚类存储,通过聚类方向自带的惯性作用将数目较少的孤立像素点当作噪声信息直接过滤,并再对其他圆弧进行全局聚类.然后以圆弧的圆心所在区域为依据对圆心阈值区域进行重构,获取圆弧阈值区间.最后根据优化策略对阈值区间进行优化,并对圆弧进行拟合和去伪,实现圆弧的快速检测.为了验证该圆弧快速检测算法的有效性,与基于切线段匹配的快速圆弧检测算法和基于边界聚类的圆弧检测算法进行对比,仿真实验结果证明该算法的检测效率更高,误检率远低于其余两种传统圆弧检测算法,并且噪声更小,清晰度更高.
推荐文章
基于卷积神经网络的乳腺疾病检测算法
卷积神经网络
特征融合
空间金字塔池化
尺度无关
乳腺疾病检测
尺度无关的级联卷积神经网络人脸检测算法
级联卷积神经网络
空间金字塔池化
人脸检测
基于多层码本模型的遗弃行李检测算法
遗弃行李
多层码本模型
梯度方向直方图
行人检测
基于自组织映射网络的网络入侵检测算法设计
自组织映射
网络入侵检测
网络安全
检测率
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于多层卷积网络的圆弧快速检测算法设计
来源期刊 计算机技术与发展 学科 工学
关键词 多层卷积网络 圆弧快速检测算法 像素点检测 聚类存储 全局聚类 阈值区间
年,卷(期) 2020,(8) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 8-13
页数 6页 分类号 TG806
字数 4073字 语种 中文
DOI 10.3969/j.issn.1673-629X.2020.08.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于凤芹 江南大学物联网工程学院 143 708 12.0 18.0
2 张智凡 江南大学物联网工程学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (117)
共引文献  (80)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(13)
  • 参考文献(0)
  • 二级参考文献(13)
2013(8)
  • 参考文献(1)
  • 二级参考文献(7)
2014(13)
  • 参考文献(0)
  • 二级参考文献(13)
2015(13)
  • 参考文献(1)
  • 二级参考文献(12)
2016(15)
  • 参考文献(2)
  • 二级参考文献(13)
2017(12)
  • 参考文献(1)
  • 二级参考文献(11)
2018(8)
  • 参考文献(8)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多层卷积网络
圆弧快速检测算法
像素点检测
聚类存储
全局聚类
阈值区间
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导