毕业论文

当前位置: 毕业论文 > 外文文献 >

视觉动作检测器外文文献和中文翻译

时间:2017-07-26 22:17来源:毕业论文
视觉动作检测器的展望Jonas Ruesh 和Alexandre Berbarduno概要视觉传感器的几何组织是以后定位所需的重要的处理方法。我们在这里举出一个拟人造器官视觉传感器,它能够根据感觉定位来适应
视觉动作检测器的展望Jonas Ruesh 和Alexandre Berbarduno概要—视觉传感器的几何组织是以后定位所需的重要的处理方法。我们在这里举出一个拟人造器官视觉传感器,它能够根据感觉定位来适应他们的尺寸和定位方向。引入这个最优化输入信号标准方式的是Reichardt。在这个条件下,视觉传感器通过长时间平均亮度流动的变化来完成空间定位。12197
布尔模型————传感器形态、Reichardt关联、初级移动侦测、传感器分布、自组织特征映射、最优化。
    介绍
第一次视觉传感器出现在原始动物上,大约在五亿五千万年前,视觉传感器已近进化成高度复杂的感知系统并且在大脑中占了很大一部分。作为体现人工智能研究已显示的感官系统中信息流的结构是必不可少的后处理。这种结构决定由代理行为和组织传感器相关联。
在本文我们针对不断变化的传感器布局,特别是输入信号的随机性和几何方面。有许多例子,视觉传感器转变是由于一个动物的行为造成的。例如人类的视网膜是用于能有最佳跟踪任务。另外一个例子是家蝇复眼像照相机接收器一样用动态视觉简单的估计距离。一个简单的实验,一只猫头上被安装了一个录像机,并且它清楚的记录了光线的移动规律。比如水平或者垂直的方位比斜的方位要更加容易被发现。这些统计表明视网膜神经细胞和树突,他们都是沿着子午线水平或者垂直生长的。
出现这种感觉组织的机制,推动了几位作者的研究课题。模拟表明,传感器结构演变的的视觉定位。对于这个工作,Kohonen网络学习规则能适应网络的受体结构的直接回应。这个网络是根据自身的接收器的转变。这就表明网络是一个聚合拟视网膜的预期转型的有效预测。尽管传感器形态是根据信号的统计特性来的,为了进行单独的运动预测。Clippingdale的工作是解决传感器的结构适应他的假设预案。然而运动估计在动态传感器中绝对不是一个简单的工作,它需要花很大一部分的研究在这个专门的问题上。基于能量模型和Reichardt传感器,他们有一个清楚的生物动力。并且证明被证明在不同的空间频率下有不同的 超越班轮梯度计划。在我们的工作下,我们根据Clippingdale的范例和Reichardt的传感器根据来适应二维图像的统计来完成增量。我们提议在线计算来完成传感器的布局优化从而反映平均强度位移。为了达到这个目的我们加强学习和Reichardt传感器的非线性特征。

源自六&维"论*文'网.加7位QQ3249'114 www.lwfree.cn


在一个相关工作中,一个二维数组的受体被用于一个移动机器人的避障。一个几何遗传算法被用于传感器的形态。另一方面,我们通过个体发育的方法来组织二维传感器以便适应输入定位的长时间不断改变的特点。
在下一段我们简要的了解下Reichardt Correlation模型。在第三段我们或提出优化的提议并且分析景观环境。一和二维传感器的示范和结果会在第四段中提出来。
    测量强度位移
通过强度的改变运动被定义为之运动和辅助运动。并且被预测为时空预测的转换。Reichardt传感器会在下一段描述他的适用性和合理性被用来进行测试方向和速度。
A 对于Reichardt传感器的简单介绍
这个首先是由W.Reichardt提出的,也就是相关的初级传感器,它在所给的方向上检测亮度的分布。这种特别的机制是基于分析昆虫的行为发展起来的。传感器分别有两个空间位置不同的部分组成。每一个接收器有根据不同的输入I(x,t)和空间F(I(x,t))进行过滤。
为了把Reichardt传感器进行计算响应,第一个相关方式是计算B处的相关信号相乘并且过滤A处的信号。完成这一步的倒数,第二个相关测量就得到了。下一步这两个结果相互减去得到实际的强度位移。 视觉动作检测器外文文献和中文翻译:http://www.lwfree.cn/fanyi/20170726/11881.html
------分隔线----------------------------
推荐内容