国产精品制服丝袜美腿控,yw尤物av无码国产在线观看,天堂v无码亚洲高无码

內容簡介

　　視覺系統(tǒng)是溫室移動機器人實現(xiàn)自主作業(yè)的關鍵部件。在富柔性植株、少紋理、強遮擋、高動態(tài)變化的非結構化溫室環(huán)境中，基于傳統(tǒng)視覺技術的常規(guī)方法已不能接近滿足機器人對目標檢測、導航避障、空間定位、任務推理、場景感知與理解等的實際需要。鑒于此，本研究應用深度學習理論及計算機視覺技術，結合機器人作業(yè)常規(guī)任務和具體應用，開展面向機器人視覺系統(tǒng)的關鍵技術探索，重點在作物病害識別、植株關鍵器官目標檢測、溫室場景結構感知、機器人視覺里程跟蹤、溫室環(huán)境弱監(jiān)督語義解析等方面開展相關研究工作，構建了相關方法及模型，并通過試驗進行了驗證。

作者簡介

　　周云成（1979—），男，博士，現(xiàn)為沈陽農(nóng)業(yè)大學副教授，碩士研究生導師，中國人工智能學會會員，中國圖學學會動漫圖學專委會委員，主要從事計算機視覺、機器學習與模式識別、農(nóng)業(yè)信息化技術等領域的研究和教學工作。

圖書目錄

第1章緒論
1.1 研究背景
1.2 相關研究進展
1.3 深度學習基本原理
1.4 主要研究內容
1.5 小結
第2章作物病害分類識別
2.1 番茄葉部病害圖像數(shù)據(jù)集
2.2 番茄葉部病害分類識別
2.3 顯著性圖生成方法
2.4 病害識別模型的訓練及評估
2.5 病害識別效果分析
2.6 小結
第3章植株關鍵器官實時目標檢測
3.1 植株圖像數(shù)據(jù)采集
3.2 目標檢測模型
3.3 骨干網(wǎng)絡分析及設計
3.4 檢測模型構建與評估
3.5 關鍵器官目標檢測效果分析
3.6 小結
第4章自監(jiān)督雙目植株圖像深度估計
4.1 雙目視覺基本原理
4.2 自監(jiān)督深度估計方法
4.3 模型網(wǎng)絡結構設計
4.4 深度估計試驗方法
4.5 深度估計效果與影響因素分析
4.6 小結
第5章雙目植株圖像深度估計方法優(yōu)化
5.1 視差及置信度預測
5.2 稠密卷積自編碼器
5.3 深度真值獲取及深度恢復性能評估
5.4 深度估計效果測試
5.5 空間相關性假設
5.6 小結
第6章溫室移動機器人自監(jiān)督位姿跟蹤
6.1 自監(jiān)督位姿變換估計模型的提出
6.2 模型的網(wǎng)絡結構設計
6.3 數(shù)據(jù)集構建及模型評估方法
6.4 模型的性能測試及分析
6.5 小結
第7章基于無監(jiān)督光流的視覺里程估計
7.1 基于雙目視頻的位姿估計基本原理
7.2 基于幾何約束的無監(jiān)督光流估計模型的提出
7.3 光流估計網(wǎng)絡結構設計
7.4 軌跡真值獲取與模型評估
7.5 視覺里程跟蹤效果分析
7.6 小結
第8章植株圖像弱監(jiān)督語義分割
8.1 弱監(jiān)督圖像分割模型
8.2 模型主干網(wǎng)絡設計
8.3 數(shù)據(jù)集構建與模型實現(xiàn)
8.4 弱監(jiān)督語義分割效果及分析
8.5 小結
參考文獻