简介:摘要:随着大数据时代的到来和计算机能力的提升,传统的目标检测方法难以处理庞大的图像数据以及无法满足人们对目标检测精度和速度上的要求,而卷积神经网络具有强大的特征学习能力,突破了传统目标检测方法的瓶颈,基于卷积神经网络的图像目标检测技术在诸多领域掀起了新的应用热潮。首先,文中介绍了卷积神经网络在目标检测任务上的优越性;其次,梳理了基于卷积神经网络的图像目标检测在医学、工业、农业领域中的典型应用,并对其中几种典型卷积神经网络的结构进行归纳总结分析;最后,讨论了目标检测的应用方面仍然存在的问题,并对基于卷积神经网络的图像目标检测应用的未来研究发展方向进行展望。
简介:目的:通过对志愿者观看3D影片之后的脑电信号进行主成分分析,选取最能代表立体视觉疲劳度的主成分,运用BP神经网络对疲劳等级进行建模,提高对疲劳度等级的预测准确度。方法:采集15名志愿者观看五部不同3D影片前后的脑电信号,先对脑电信号进行疲劳度分级并选取特征通道;再对特征通道的脑电信号进行主成分分析选取影响最大的特征主成分,利用BP神经网络进行建模,根据建立的模型对立体视觉引起的疲劳等级进行预测,将预测结果与已知的疲劳等级进行对比。结果:根据文献中的疲劳等级将实验结果分成三个等级;据累计贡献率超过90%选取的前四个主成分建立的预测模型,准确度达95.4%。结论:运用主成分分析和BP神经网络的方法对立体视觉疲劳度进行预测,预测准确度较高,与直接根据脑电特征参数建立模型的方式相比简便和准确,这一方法对立体视觉引起的疲劳度分级及预测提供了新的思路。