检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于改进YOLOX的遥感目标检测算法

激光与光电子学进展 2024年第12期 304-315页

作者：胡昭华李昱辉南京信息工程大学电子与信息工程学院南京信息工程大学江苏省大气环境与装备技术协同创新中心

遥感目标检测是环境监测、电路巡检等领域中的一个重要的环节。针对遥感图像存在的目标尺度差异大、目标模糊、背景复杂度高等难点，提出了一种基于YOLOX的遥感目标检测算法。首先，提出区域上下文聚合模块，利用不同扩张率的空洞卷积... 详细信息

遥感目标检测是环境监测、电路巡检等领域中的一个重要的环节。针对遥感图像存在的目标尺度差异大、目标模糊、背景复杂度高等难点，提出了一种基于YOLOX的遥感目标检测算法。首先，提出区域上下文聚合模块，利用不同扩张率的空洞卷积扩大感受野，获取多尺度上下文信息，从而有利于小目标的检测；其次，提出特征融合模块，采用两种不同的尺度变换模块实现对不同尺度特征的融合，从而充分融合浅层位置信息与深层语义信息，提高网络对不同尺度目标的检测性能；最后在多尺度特征融合网络部分引入特征增强模块，并将其与注意力机制CAS[CA (coordinate attention)+SimAM(simple parameter-free attention module)]结合，使网络更加关注目标信息，忽略复杂背景的干扰，同时，将浅层特征层与深层检测层进行特征融合，防止由特征信息丢失造成的预测端检测性能降低。实验结果表明：改进后的算法在DIOR和RSOD遥感数据集上分别取得了73.87%和96.22%的检测精度，与原YOLOX算法相比检测精度分别提高了4.08和1.34个百分点；与其他先进算法相比，改进后的算法在检测精度与检测速度上都具有一定的优越性。

关键词：目标检测 YOLOX 特征融合注意力机制区域上下文

改进Faster R-CNN的遥感图像小目标检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与科学 2024年第6期46卷 1063-1071页

作者：胡昭华王长富南京信息工程大学电子与信息工程学院江苏南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044

遥感图像目标检测是目标检测领域的一个关键问题,目前利用深度学习检测目标的算法大多在单向特征融合过程中添加注意力机制,一视同仁地去增强各类型的目标,并不能突出小目标。为了取得更好的检测效果,通过引入非对称高低层调制机制,构... 详细信息

遥感图像目标检测是目标检测领域的一个关键问题,目前利用深度学习检测目标的算法大多在单向特征融合过程中添加注意力机制,一视同仁地去增强各类型的目标,并不能突出小目标。为了取得更好的检测效果,通过引入非对称高低层调制机制,构造兼顾低层细节信息和高层语义信息的特征图,以达到增强小目标特征检测的目的;同时使用DIoU损失函数代替原算法SmoothL1损失函数以提升算法检测精度与收敛速度;并且在感兴趣区域分类任务中引入灵活上下文信息以提高小目标分类准确性。实验结果表明,该算法在DIOR和NWPU VHR-10数据集上均取得了良好的表现。

关键词：深度学习小目标检测遥感图像非对称高低层调制上下文信息

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

改进YOLOv5的交通标志检测算法

计算机工程与应用 2023年第1期59卷 82-91页

作者：胡昭华王莹南京信息工程大学电子与信息工程学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044

交通标志检测在自动驾驶、辅助驾驶等领域是一个重要的环节,关乎到行车安全问题。针对交通标志中存在目标小、背景复杂等难点,提出一种基于改进YOLOv5的算法。提出区域上下文模块,利用多种扩张率的空洞卷积来获取不同感受野,进而获取到... 详细信息

交通标志检测在自动驾驶、辅助驾驶等领域是一个重要的环节,关乎到行车安全问题。针对交通标志中存在目标小、背景复杂等难点,提出一种基于改进YOLOv5的算法。提出区域上下文模块,利用多种扩张率的空洞卷积来获取不同感受野,进而获取到目标及其相邻区域的特征信息,相邻区域的信息对交通标志小目标检测起到重要补充作用,可以有效解决目标小的问题;在主干部分引入特征增强模块,进一步提高主干的特征提取能力,利用注意力机制与原C3模块结合,使网络更能聚焦小目标信息,避免复杂背景的干扰;在多尺度检测部分,将浅层特征层与深层检测层进行特征融合,可以同时兼顾浅层位置信息与深层语义信息,增加目标定位与边界回归的准确度,更有利于小目标检测。实验结果表明,改进后的算法在交通标志检测数据集TT100K上取得了87.2%的小目标检测精度、92.4%的小目标召回率以及91.8%的mAP,与原YOLOv5算法相比较,分别提升了3.5、4.1、2.6个百分点,检测速度83.3 frame/s;在CCTSDB数据集上mAP为98.0%,提升了2.0个百分点,检测速度90.9 frame/s。因此,提出的改进YOLOv5算法可以有效提高交通标志检测精度以及召回率,且检测速度相当。

关键词：小目标检测 YOLOv5 交通标志检测区域上下文特征增强多尺度检测

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOX的遥感目标检测算法

激光与光电子学进展 2023年

作者：胡昭华李昱辉南京信息工程大学电子与信息工程学院南京信息工程大学江苏省大气环境与装备技术协同创新中心

遥感目标检测在环境监测、电路巡检等领域是一个重要的环节。针对遥感图像存在目标尺度差异大、目标模糊、背景复杂度高等难点，提出了一种基于YOLOX的遥感目标检测算法。首先，提出区域上下文聚合模块，利用不同扩张率的空洞卷积扩大... 详细信息

遥感目标检测在环境监测、电路巡检等领域是一个重要的环节。针对遥感图像存在目标尺度差异大、目标模糊、背景复杂度高等难点，提出了一种基于YOLOX的遥感目标检测算法。首先，提出区域上下文聚合模块，利用不同扩张率的空洞卷积扩大感受野，获取多尺度上下文信息，有利于小目标的检测；其次，提出特征融合模块，采用两种不同的尺度变换模块实现对不同尺度特征的融合，充分融合浅层位置信息与深层语义信息，提高网络对不同尺度目标的检测性能；最后在多尺度特征融合网络部分引入特征增强模块，并结合注意力机制CAS，使网络更加关注目标信息，忽略复杂背景的干扰，同时将浅层特征层与深层检测层进行特征融合，防止预测端因特征信息丢失而影响检测性能。实验结果表明，改进后的算法在DIOR和RSOD遥感数据集上分别取得了73.87%和96.22%的检测精度，与原YOLOX算法相比较，检测精度分别提高4.08%和1.34%，与其它先进算法相比，在检测精度与检测速度上都具有一定的优越性。

关键词：目标检测 YOLOX 特征融合注意力机制区域上下文

SiamBM:实现更佳匹配的Siamese目标跟踪网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

数据采集与处理 2023年第5期38卷 1079-1091页

作者：胡昭华刘浩男林潇南京信息工程大学电子与信息工程学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044

基于孪生网络的目标跟踪算法通常采用简单的互相关匹配方式,然而这种简单的匹配方式会引入大量无关信息,弱化目标区域的响应。基于无锚框的孪生跟踪网络虽然避免了锚框参数的调整,但由于失去了先验性信息,并不能很好地适应目标物的尺度... 详细信息

基于孪生网络的目标跟踪算法通常采用简单的互相关匹配方式,然而这种简单的匹配方式会引入大量无关信息,弱化目标区域的响应。基于无锚框的孪生跟踪网络虽然避免了锚框参数的调整,但由于失去了先验性信息,并不能很好地适应目标物的尺度变化。因此,针对上述所存在的问题,本文提出了一种基于孪生网络的目标跟踪匹配增强算法SiamBM。通过将目标的边界框坐标信息进行编码,为跟踪模型提供有效的指导信息;采用深度可分离互相关级联像素匹配互相关的方式,进一步提高跟踪模型的判别能力;采用多尺度互相关的方式,增强跟踪模型的尺度适应能力。在OTB100数据集上,SiamBM的成功率和精确率分别达到了0.684和0.906,相比基准模型分别提高了5.2%和4.2%。实验结果表明,与目前主流的跟踪器相比,SiamBM取得了相当有竞争力的结果,在各项数据集指标上取得了优越的性能。

关键词：目标跟踪孪生网络多方式互相关多尺度互相关边界框编码

在线全文

学校读者我要写书评

暂无评论

自动全局上下文感知相关滤波器跟踪算法

南京信息工程大学学报（自然科学版） 2023年第1期15卷 66-75页

作者：胡昭华张倩南京信息工程大学电子与信息工程学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044

在相关滤波器跟踪算法中引入正则化后可以有效提高跟踪效率,但需要花费大量精力调整预定义参数,此外还有目标响应发生在非目标区域会导致跟踪漂移等问题,因此提出一种自动全局上下文感知相关滤波器(Automatic Global Context Awareness ... 详细信息

在相关滤波器跟踪算法中引入正则化后可以有效提高跟踪效率,但需要花费大量精力调整预定义参数,此外还有目标响应发生在非目标区域会导致跟踪漂移等问题,因此提出一种自动全局上下文感知相关滤波器(Automatic Global Context Awareness Correlation Filter,AGCACF)跟踪算法.首先,在跟踪过程中利用目标局部响应变化实现自动空间正则化,将自动空间正则化模块加入目标函数,使滤波器专注于目标对象的学习;其次,跟踪器利用目标全局上下文信息,结合自动空间正则化,使滤波器能及时学习到更多与目标有关的信息,减少背景对跟踪性能的影响;接着,在滤波器中加入时间正则化项,来充分学习目标在相邻帧之间的变化,从而获得更准确的模型样本.实验结果表明,与其他跟踪算法相比,AGCACF跟踪算法在距离精度和成功率方面具备更好的跟踪效果.

关键词：目标跟踪相关滤波自动空间正则化全局上下文时间感知

在线全文

学校读者我要写书评

暂无评论

残差深度特征和漂移检测的核相关滤波跟踪

控制理论与应用 2019年第4期36卷 613-621页

作者：胡昭华郑伟钱坤南京信息工程大学电子与信息工程学院江苏南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044

传统特征的片面性,传统跟踪模型对于模型漂移问题检测手段和补救措施的缺乏,限制着传统跟踪算法的性能.因此,本文提出了一种残差深度特征和漂移检测的核相关滤波跟踪算法.通过卷积神经网络提取分层特征,在卷积神经网络加入残差结构,连... 详细信息

传统特征的片面性,传统跟踪模型对于模型漂移问题检测手段和补救措施的缺乏,限制着传统跟踪算法的性能.因此,本文提出了一种残差深度特征和漂移检测的核相关滤波跟踪算法.通过卷积神经网络提取分层特征,在卷积神经网络加入残差结构,连接不同的网络层,实现浅层和深层特征的融合.不需要人为设计特征融合方式,网络结构能够自动实现特征融合的功能.用深度特征区分目标和背景,比传统特征更具有分辨力,跟踪结果更精确;在预测当前帧的目标位置时,设计了一个响应强度下降计数器.计数器根据相邻连续帧响应强度的变化计数.每一帧根据计数器的数值判断是否出现模型漂移,并采取相对应的模型更新方案作为补救措施.响应强度下降计数器检测模型漂移的策略能够处理不同场景下跟踪目标的任务,实现鲁棒跟踪.在与当下的几种跟踪算法比较中,本文提出的跟踪算法在跟踪精度和鲁棒性都优于所对比的算法.

关键词：目标跟踪残差深度网络漂移检测模型更新相关滤波

在线全文

学校读者我要写书评

暂无评论

一种用于运动跟踪的加窗粒子滤波新算法研究

南京理工大学学报 2007年第3期31卷 337-341页

作者：胡昭华宋耀良南京理工大学电子工程与光电技术学院江苏南京210094

为了提高粒子滤波算法在视频跟踪中的性能,在基本粒子滤波算法的基础上,采用窗口滤波更新粒子集合,根据对目标位置估计的情况动态更新粒子集合大小,得到一种改进的粒子滤波算法——加窗粒子滤波算法。该算法利用估计窗内的混合抽样粒子... 详细信息

为了提高粒子滤波算法在视频跟踪中的性能,在基本粒子滤波算法的基础上,采用窗口滤波更新粒子集合,根据对目标位置估计的情况动态更新粒子集合大小,得到一种改进的粒子滤波算法——加窗粒子滤波算法。该算法利用估计窗内的混合抽样粒子集描述后验分布,通过对估计窗内具有不同权值的粒子集依据其权值大小进行抽样,并根据当前观测值对抽取的粒子状态进行更新,实现对目标的跟踪。仿真实验结果表明:这种跟踪算法在不影响跟踪精度的情况下,大大减少了计算量,较好地解决了视频目标跟踪这一非线性非高斯状态在线估计问题。

关键词：目标跟踪粒子滤波估计窗后验分布

基于Autoencoder网络的数据降维和重构

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2009年第5期31卷 1189-1192页

作者：胡昭华宋耀良南京理工大学电子工程与光电技术学院南京210094 南京信息工程大学电子与信息工程学院南京210044

在机器学习,模式识别以及数据挖掘等诸多研究领域中,往往会面临着"维数灾难"问题。因此,特征数据的降维方法,即将高维的特征数据如何进行简化投射到低维空间中再进行处理,成为当前数据驱动的计算方法研究热点之一。该文引入一种特殊的... 详细信息

在机器学习,模式识别以及数据挖掘等诸多研究领域中,往往会面临着"维数灾难"问题。因此,特征数据的降维方法,即将高维的特征数据如何进行简化投射到低维空间中再进行处理,成为当前数据驱动的计算方法研究热点之一。该文引入一种特殊的非线性降维方法,称为自编码(Autoencoder)神经网络,该方法采用CRBM(Continuous Restricted Boltzmann Machine)的网络结构,通过训练具有多个中间层的双向深层神经网络将高维数据转换成低维嵌套并继而重构高维数据。特别地,自编码网络提供了高维数据空间和低维嵌套结构的双向映射,有效解决了大多数非线性降维方法所不具备的逆向映射问题。将Autoencoder用于人工数据和真实图像数据的实验表明,Autoencoder不仅能发现嵌入在高维数据中的非线性低维结构,也能有效地从低维结构中恢复原始高维数据。

关键词：自编码网络高维数据降维重构