投稿须知
1.1 根据《著作权法》,并结合本刊具体情况,凡接到本刊回执后3个月内未接到稿件处理通知者,系仍在审阅中。作者如欲投他刊,请先与本刊联系,切勿一稿两投。来稿请自留底稿。不采用的稿件一般不寄还。
1.2 来稿一律文责自负。依照《著作权法》有关规定,本刊可对来稿做文字修改、删节,凡有违背原意的修改 ...
学校公告 首页 >学校公告 >

深入学习智能感知-自动驾驶和精准农业的应用

发布时间:2018-12-21 11:51:08
   报  告  人:乔永亮

   报告人简介:

   乔永亮于2010年和2013年分别获得中国杨凌西北农林科技大学学士和硕士毕业。 硕士毕业后,赴法留学, 他于2017年4月,在法国勃艮第-弗朗什孔泰大学(Université Bourgogne Franche-Comté)获得计算机科学博士学位。 自2017年6月起,在澳大利亚悉尼大学野外机器人中心(Australian Centre for Field Robotics)任副研究员。目前的研究兴趣包括计算机视觉,智能感知和深度学习。
内容摘要:

   深度学习由于其强大的学习和特征表达能力,已经在计算机视觉和机器人领域有着广泛应用。本报告针对深度学习为基础的智能感知在智能交通中的视觉定位, 现代农业中的动物福利检测(体况,体重等) 和动物声音识别方面进行简要进行。 其主要三部分具体如下:(1)针对智能交通的视觉定位,提出了一种基于卷积特征和局部图像匹配的定位方法。首先利用预训练获取卷积特征,随后用序列匹配来进行。为了加快计算效率,应用局部敏感散列(LSH)方法来提高实时性能。我们利用实际采集到的数据进行评估,针对不同卷积层的表现进行比较,所提的方法 在变换场景,不同季节以及不同光照情况下都优于传统方法。(2) 强大而实时的实时体重估算方法在精确畜牧业中是必不可少的。基于深度卷积神经网络和RGB-D数据进行活牛体重估计。所提出的系统包括牛躯干区域的分割和活牛体重估计。根据我们的实验结果,使用深度卷积神经网络进行活牛体重估计,提出的方法牛的活重低,误差很小。(3)动物检测和同一物种中群落成员的区别对动物跟踪和保护很重要。本文提出了一种流形正则化的深度学习方法基于动物声音实现检测和聚类。这有两个主要目标:首先是检测动物的存在;第二种是基于检测到的声音,进行物种或群体的聚类。根据实验结果表明,所提出的流形正则化深度学习方法优于其他方法。



上一篇:时序网络上合作行为演化
下一篇:分治归约合成及并行验证语言可分解性

学校地址:重庆市北碚区天生路2号 邮政编码:400716(渝ICP字 06000300号)