基于CNN的十字像中心检测
武华敏, 杨漠雨, 黄晓雪, 吉才全, 王炜杰, 张荣福, 陈楠. 基于CNN的十字像中心检测[J]. 光学仪器, 2019, 41(5): 38.
Huamin WU, Moyu YANG, Xiaoxue HUANG, Caiquan JI, Weijie WANG, Rongfu ZHANG, Nan CHEN. Cross-center detection based on deep learning[J]. Optical Instruments, 2019, 41(5): 38.
[1] 王彦石. 反射式光学中心偏自动测量方法[J]. 湖南工业职业技术学院学报, 2006, 6(2): 30-32.
[2] 贺勍. 光学中心偏测量仪软件研制[J]. 航天返回与遥感, 2004, 25(1): 45-50.
[3] 张泉, 罗劲峰. 反射式光学系统中心偏的测量[J]. 光学仪器, 2008, 30(5): 5-8.
[4] 高志荣. 高精度中心偏测量仪的设计和使用[J]. 西安工业大学学报, 1984, 4(2): 135-144.
[5] 邓仁杰, 苏亨锔. 光学组件中心偏的自动测试[J]. 计量与测试技术, 2009, 36(10): 42-43, 45.
[6] 丁海洋, 唐英杰, 栾慎燕. 基于计算机视觉的十字线检测算法[J]. 北京印刷学院学报, 2006, 14(3): 21-24.
[7] 张竞丹, 江武汉, 王瑞春. 十字激光图像的亚像素中心检测算法研究[J]. 深圳信息职业技术学院学报, 2013, 11(3): 56-60.
[8] 丁小可. 基于深度学习的目标检测算法研究[J]. 机电信息, 2018(33): 154-155.
[9] 李彬, 彭曙蓉, 彭君哲. 基于深度学习分位数回归模型的风电功率概率密度预测[J]. 电力自动化设备, 2018, 38(9): 15-20.
[10] 于进勇, 丁鹏程, 王超. 卷积神经网络在目标检测中的应用综述[J]. 计算机科学, 2018, 45(S2): 17-26.
[11] 孔峻. 深度卷积神经网络在计算机视觉中的应用[J]. 电子技术与软件工程, 2018(21): 130-131.
[12] 李玉鹏, 刘婷婷, 张良. 基于深度学习的人体动作识别方法[JOL]. 计算机应用研究. (20181203)[20181211]. https:doi.g10.19734j.issn.10013695.2018.05.0499.
[13] CHEN Y L, WANG Z C, PENG Y X, et al. Caded pyra wk f multiperson pose estimation[C]Proceedings of 2018 IEEECVF conference on computer vision pattern recognition. Salt Lake City: IEEE, 2018.
[14] FANG H S, XIE S Q, TAI Y W, et al. RMPE: regional multiperson pose estimation[C]Proceedings of 2017 IEEE international conference on computer vision. Venice, Italy: IEEE, 2017: 2353 − 2362.
[15] 杨世强, 罗晓宇, 李小莉, 等. 基于DBNHMM的人体动作识别[JOL]. 计算机工程与应用. (20181116)[20181211]. http:kns.cnki.kcmsdetail11.2127.TP.20181114.1738.014.html.
[16] 李小薪, 梁荣华. 有遮挡人脸识别综述: 从子空间回归到深度学习[J]. 计算机学报, 2018, 41(1): 177-207.
[17] NEWELL A, HUANG Z A, DENG J. Associative embedding: endtoend learning f joint detection grouping[C]Proceedings of the 30th international conference on neural infmation processing systems. Long Beach: ACM, 2017.
[18] PAPREOU G, ZHU T, CHEN L C, et al. PersonLab: person pose estimation instance segmentation with a bottomup, partbased, geometric embedding model[J]. arXiv: 1803.08225, 2018.
[19] 汪涛, 张建德. 基于深度学习的起重机吊运手势识别[J]. 现代电子技术, 2018, 41(23): 127-129, 133.
[20] 肖文, 杨璐, 潘锋. 结合划线拟合和深度学习的数字全息显微相位像差自动补偿方法[J]. 光子学报, 2018, 47(12): 1210001.
武华敏, 杨漠雨, 黄晓雪, 吉才全, 王炜杰, 张荣福, 陈楠. 基于CNN的十字像中心检测[J]. 光学仪器, 2019, 41(5): 38. Huamin WU, Moyu YANG, Xiaoxue HUANG, Caiquan JI, Weijie WANG, Rongfu ZHANG, Nan CHEN. Cross-center detection based on deep learning[J]. Optical Instruments, 2019, 41(5): 38.
PDF全文
