首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于无人机和图片特征提取的区域识别研究

中文摘要第3-4页
ABSTRACT第4页
第1章 绪论第7-13页
    1.1 研究背景及意义第7-8页
    1.2 研究现状第8-11页
    1.3 论文主要工作及创新第11页
    1.4 论文的组织结构第11-13页
第2章 相关理论研究第13-21页
    2.1 特征点提取技术第13-16页
        2.1.1 SIFT第13-15页
        2.1.2 SURF第15-16页
    2.2 基于SIFT的特征点匹配技术第16-17页
    2.3 机器学习聚类技术第17-21页
        2.2.1 K-MEANS第17-19页
        2.2.2 Affinity Propagation第19-21页
第3章 基于无人机的空拍的特定区域识别算法第21-37页
    3.1 算法流程框架第21-23页
    3.2 基于排序的SIFT特征点提取第23-25页
        3.2.1 图片局部点的稳定性第23-24页
        3.2.2 图片局部特征点的特征向量构造第24-25页
        3.2.3 Learning to Rank第25页
    3.3 基于特征点的局部差异区域定位第25-27页
    3.4 基于强化学习的特征点匹配的聚类算法第27-31页
        3.4.1 计算参考点第29-30页
        3.4.2 根据参考点选取特征点第30-31页
    3.5 基于RCNN的实时区域检测算法第31-35页
        3.5.1 算法流程框架第31-33页
        3.5.2 训练图片集生成和标注第33-34页
        3.5.3 RCNN与FAST RCNN第34页
        3.5.4 深度网络的训练第34-35页
    3.6 区域定位和通知第35-37页
第4章 实验和分析第37-45页
    4.1 基于排序的特征点提取算法实验第37-38页
    4.2 基于强化学习的特征点匹配的聚类算法的实验分析第38-42页
        4.2.1 实验环境描述第38-39页
        4.2.2 实验准备第39页
        4.2.3 不同算法聚类效果对比第39-40页
        4.2.4 算法鲁棒性的实验第40-41页
        4.2.5 无人机空拍图聚类识别实验第41-42页
    4.3 RCNN实时无人机区域识别算法的实验及分析第42-45页
        4.3.1 时间复杂度第42-43页
        4.3.2 质量检测第43-44页
        4.3.3 实验结果与分析第44-45页
第5章 总结与展望第45-47页
    5.1 总结第45-46页
    5.2 展望第46-47页
参考文献第47-51页
附录第51-53页
发表论文和参加科研情况说明第53-55页
致谢第55页

论文共55页,点击 下载论文
上一篇:在纪实中讲故事--纪录片《芭蕾梦想》创作分析
下一篇:我国以体育运动促进健康的主要政策分析