光学学报
光學學報
광학학보
ACTA OPTICA SINICA
1999年
8期
1074-1078
,共5页
神经网络%目标识别%傅里叶描述器%形状特征
神經網絡%目標識彆%傅裏葉描述器%形狀特徵
신경망락%목표식별%부리협묘술기%형상특정
提出了一种基于多层前馈神经网络的二维不变性目标识别方法.利用傅里叶描述器提取具有旋转、平移及尺度不变性的目标形状特征.由于所识别的工业工具具有一个自由度,它们的形状有一定的动态变化范围,导致同一目标的形状特征矢量的不唯一性.文中采用含有两个隐层的多层前馈网络学习及识别这些特征矢量.在实验中,对四类机械工具进行测试,并将所提出方法与最近邻分类器进行比较.结果表明,具有反向传播(BP)学习算法的多层前馈网络对噪音和形状特征变化具有鲁棒性,且它还能判断未训练样本.
提齣瞭一種基于多層前饋神經網絡的二維不變性目標識彆方法.利用傅裏葉描述器提取具有鏇轉、平移及呎度不變性的目標形狀特徵.由于所識彆的工業工具具有一箇自由度,它們的形狀有一定的動態變化範圍,導緻同一目標的形狀特徵矢量的不唯一性.文中採用含有兩箇隱層的多層前饋網絡學習及識彆這些特徵矢量.在實驗中,對四類機械工具進行測試,併將所提齣方法與最近鄰分類器進行比較.結果錶明,具有反嚮傳播(BP)學習算法的多層前饋網絡對譟音和形狀特徵變化具有魯棒性,且它還能判斷未訓練樣本.
제출료일충기우다층전궤신경망락적이유불변성목표식별방법.이용부리협묘술기제취구유선전、평이급척도불변성적목표형상특정.유우소식별적공업공구구유일개자유도,타문적형상유일정적동태변화범위,도치동일목표적형상특정시량적불유일성.문중채용함유량개은층적다층전궤망락학습급식별저사특정시량.재실험중,대사류궤계공구진행측시,병장소제출방법여최근린분류기진행비교.결과표명,구유반향전파(BP)학습산법적다층전궤망락대조음화형상특정변화구유로봉성,차타환능판단미훈련양본.
