杨飚
- 作品数：32 被引量：105H指数：6
- 供职机构：北方工业大学更多>>
- 发文基金：国家自然科学基金北京市教育委员会科技发展计划国家科技重大专项更多>>
- 相关领域：自动化与计算机技术理学交通运输工程轻工技术与工程更多>>
- 倒立摆控制系统实验教学探讨被引量：6
- 2005年
- 基于固高科技(深圳)有限公司直线倒立摆系统开发了<倒立摆控制系统实验>.指出本实验课开设的背景和目的,阐述了所采用的软硬件设备.概括介绍了实验课所包含的三部分内容,并将实验教学分成三个阶段对教学方法进行了探讨.
- 赵世敏杨飚
- 关键词：倒立摆自动控制状态反馈
- 非线性稳健回归方法研究
- 杨飚
- 关键词：参数估计关联向量机软测量建模
- 基于嵌入式的硅晶片瑕疵检测
- 2019年
- 针对目前硅晶片瑕疵具有大小差异较大,与背景相似性高,存在大量细小瑕疵,检测算法具有较高复杂度的特点,结合当前先进的目标检测技术与嵌入式技术,提出了基于嵌入式的硅晶片瑕疵检测方法。利用现在流行的YOLOv3算法,通过改进网络结构,并融合了数据扩增等方法训练目标检测网络,使得算法更适合于硅晶片的瑕疵检测任务,并采用模块化设计在Linux嵌入式系统下实现了图像采集、处理、存储与输出。实验表明,在较小的样本下,该方法实现了对硅晶片瑕疵的快速、准确的检测。
- 杨飚原亚孟
- 关键词：嵌入式硅晶片瑕疵检测
- 基于改进Hausdorff距离和人工蜂群算法的图像匹配被引量：4
- 2014年
- Hausdorff距离在图像匹配领域广泛应用。针对Hausdorff距离结合一些搜索策略的匹配算法实时性不高的问题,提出了一种基于改进Hausdorff距离和人工蜂群算法搜索策略的图像快速匹配。首先提取模板图像和匹配子图的边缘特征,然后计算的模板图像和匹配子图的Hausdorff距离作为两者的相似度量标准,最后采用人工蜂群算法进行搜索匹配。实验结果表明,该方法在不降低匹配率的情况下,缩短了匹配时间,能应用到嵌入式领域。
- 杨飚周阳
- 关键词：图像匹配HAUSDORFF人工蜂群算法
- 一种基于视觉的衬衫污渍定位设备
- 本发明涉及一种基于视觉的衬衫污渍定位设备。该设备包括：视频采集及输入模块、信号处理模块以及传输和存储模块；所述图像采集及输入模块用于采用待识别衣物的图像，并将所述图像输入至所述信号处理模块；所述信号处理模块分别与所述图像...
- 杨飚张永忠周芷晴吴家新
- 文献传递
- 一种改进的相关向量回归方法被引量：3
- 2015年
- 相关向量回归(relevance vector machine,RVR)是一种非线性回归方法。当样本集中存在少量异常点时,RVR方法能够得到鲁棒的回归模型。随着异常点增加,求得的回归模型的泛化能力下降。针对这种情况,实现了一种改进的相关向量回归方法。首先重新定义样本子集T和根据最小截平方和估计理论重新定义RVR回归的似然函数;然后利用贝叶斯推论求解边际最大似然函数;最后使用迭代法迭代求解最大似然函数的最优超参数α、β以及子集T,并使用超参数α、β得到回归模型。通过证明和实验结果表明,算法具有鲁棒性,而且当样本集中的异常点增加时,依然具有较高的鲁棒性。
- 杨飚周阳
- 关键词：相关向量机似然函数鲁棒性
- 基于稀疏表示的多幅图像快速超分辨率重建被引量：5
- 2018年
- 针对基于稀疏表示的图像超分辨率重建(SRR)提高图像的重建质量,但一般存在计算量大、耗时长的问题,通过粒子群优化稀疏表示算法获得稀疏表示;对多幅图像的稀疏系数进行融合;根据融合后的稀疏系数重建得到高分辨率图像。实验结果表明:方法的重建速度更快,重建质量更高。
- 杨飚邸苗
- 关键词：超分辨率重建
- 基于稳健关联向量回归的黑液波美度软测量
- 2007年
- 针对造纸工业碱回收蒸发工段黑液波美度不易在线实时测量的现状,提出一种基于稳健关联向量回归的软测量方法,建立黑液波美度的软测量模型,实现黑液波美度的在线测量。稳健关联向量回归方法通过最大化一个建立在稳健子集上的似然函数得到模型的参数,同时保证回归的稳健性。构造了迭代算法来计算稳健关联向量回归,在优化超参数的同时,寻找稳健子集。实验结果表明,用该方法建立波美度软测量模型不仅是可行的和有效的,而且能够克服异常点的影响。
- 杨飚张曾科
- 关键词：软测量关联向量机黑液波美度
- 一种高清一体式车牌抓拍识别设备及方法
- 本发明提供了一种高清一体式智能抓拍识别设备及方法，该设备包括视频输入及采集模块、信号处理模块、传输和存储模块，信号处理模块包括DSP芯片，CCD模组采集的高分辨率图像由FPGA进行图像预处理，DSP芯片将FPGA输入的图...
- 杨飚熊昌镇李正熙李颖宏王玉全张永忠
- 文献传递
- 基于基类任务相关的小样本图像分类算法研究
- 2022年
- 图像分类相关的深度学习算法一般是通过大量标注数据训练模型,使得模型能够准确预测目标的类别。但对于某些样本数据难以获取与标注数据需要耗费巨大成本的特殊场景下,传统的图像分类算法并不适用,因此如何基于小样本训练模型变得至关重要。为了提高小样本的分类准确率,提出基类任务相关模型算法去提高小样本图像分类准确度,由于训练时候对基类的泛化一定程度降低新类的泛化,所以提出基于基类任务相关模型,通过一个基类任务相关网络层,生成掩码去调整支持集的特征去适应分类任务。实验通过miniImageNet数据集对提出的模型进行测试,验证了该方法的有效性。
- 杨飚吴家新
- 关键词：图像分类元学习
