检索结果-南通市图书馆

测绘通报 2024年第8期 135-140页

作者：何银鑫齐华朱运权卢自来彭世勇刘洋四川省交通勘察设计研究院有限公司四川成都610017 西南交通大学地球科学与环境工程学院四川成都611756 高速铁路运营安全空间信息技术国家地方联合实验室四川成都611756

道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。针对现有的基于阈值的车载激光点云道路标线提取方法在反射强度与点密度分布不均、道路标线与路面对比度低时提取效果较差的问题,本文提出了基于多损失融合和... 详细信息

道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。针对现有的基于阈值的车载激光点云道路标线提取方法在反射强度与点密度分布不均、道路标线与路面对比度低时提取效果较差的问题,本文提出了基于多损失融合和混洗注意力的车载LiDAR点云道路标线提取方法。选取典型高速公路试验样区进行道路标线提取试验,并与常规方法进行了精度对比分析。试验表明,本文方法在道路标线提取精度方面优于其他方法,有望更好地服务于自动驾驶的高精度地图开发应用。

关键词：多损失融合混洗注意力车载LiDAR点云道路标线提取

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于注意力机制的轻量化图像压缩算法研究

基于注意力机制的轻量化图像压缩算法研究

引用

作者：徐立杭重庆理工大学

学位级别：硕士

随着数字图像在各个领域的广泛应用,图像压缩算法的需求逐渐上升,成为当前科技发展的热点之一。深度学习图像压缩作为一种新兴技术,充分利用深度学习网络的强大拟合能力和对复杂图像特征的学习能力,在图像压缩方面取得了显著的压缩性能... 详细信息

随着数字图像在各个领域的广泛应用,图像压缩算法的需求逐渐上升,成为当前科技发展的热点之一。深度学习图像压缩作为一种新兴技术,充分利用深度学习网络的强大拟合能力和对复杂图像特征的学习能力,在图像压缩方面取得了显著的压缩性能,为图像传输和存储提供了更为高效的解决方案。现在越来越多的研究人员将目光聚焦于深度学习图像压缩。很多深度学习图像压缩算法已经在某些性能方面超过了传统图像压缩。然而,深度学习图像压缩模型仍然存在未充分考虑捕获图像局部冗余、重建图像质量损失、未能捕捉图像多尺度信息、时间成本高和计算效率低等问题。为了解决这些问题,本文提出了一种基于注意力机制的轻量化图像压缩模型,该模型在图像压缩的编解码时间、客观评价指标以及视觉感官上都取得了一定的进步。本文的主要创新点如下:1)针对基于CNN模型未充分考虑捕获局部冗余的问题,本文引入了混洗注意力模块,该模块通过对局部特征执行混洗(shuffle)操作,即重新排列或重组局部特征,从而提高网络对非重复纹理和冗余信息的敏感性,使网络在处理复杂场景和细节时更加细致和灵活。将这个模块添加到图像变换网络和图像反变换网络中,以提高网络对局部冗余和非重复纹理的捕获能力,从而提高重建图像质量以及达到更好的压缩效果。2)针对模型的反变换网络中图像质量损失问题,本文设计了图像质量增强模块,用来增强反变换网络对于图像细节信息的捕获,同时减少重建图像质量的损失。该模块有效地改善了图像细节,提升了图像重建质量以及视觉效果。3)针对CNN模型未能捕捉多尺度信息、时间成本高和计算效率低等问题,本文提出了组合卷积模块。该模块由多个卷积操作组成,融入了分组卷积和空洞卷积等设计思想。将其替换网络中的部分卷积操作,提高了重建图像质量,同时降低了网络的计算复杂度和参数量。此外,还将网络从单高斯模型扩展到多高斯模型,使得模型能够更好地拟合复杂数据分布和更准确地概率建模,提高了此模型的表达能力和泛化能力。

关键词：深度学习图像压缩混洗注意力组合卷积

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度轻量化卷积的高压输电线路巡检

引用

高电压技术 2024年

作者：李利荣梅冰戴俊伟毛锐童庆刚时愈太阳能高效利用及储能运行控制湖北省重点实验室(湖北工业大学) 新能源及电网装备安全监测湖北省工程研究中心(湖北工业大学) 国家电网公司西南分部武汉工程大学电气信息学院

无人机搭载轻量化模型进行高压输电线路巡检对于保障输电系统的安全运行至关重要，针对目前轻量化模型中特征提取不够丰富导致高压输电线路巡检效果较差的问题，本文提出了一种多尺度轻量化卷积(Multi-Scale Lightweight Convolution，M... 详细信息

无人机搭载轻量化模型进行高压输电线路巡检对于保障输电系统的安全运行至关重要，针对目前轻量化模型中特征提取不够丰富导致高压输电线路巡检效果较差的问题，本文提出了一种多尺度轻量化卷积(Multi-Scale Lightweight Convolution，MSLConv)，其进行了不同尺度与深度的特征融合，并实现网络轻量化。本文还在混洗注意力(Shuffle Attention， SA)中提出了一种新的更具适应性的通道混洗方法，并将MSLConv与SA相结合设计了MSLConvSA1与MSLConvSA2特征提起模块，提高了MSLConv的通道利用率。在激活函数方面，本文提出了一种基于样本的双重归一化与激活的组合方法，它能在通道数较少的轻量化模型中对通道特征进行更细粒度的调整，且能更好的建立样本间的特征关系。本文以YOLOv5n为基线进行了一系列改进，得到了MSV1与MSV2两种模型。经实验证明，相对于基线这两种模型的参数量分别减少了43.8%和28.6%，计算量分别减少了38.1%和23.8%。同时，mAP@.5分别提升了5.2%和5.4%，mAP@.5:.95分别提升了3.3%和4.7%。

关键词：高压输电线路巡检轻量化模型混洗注意力 MSLConv YOLOv5n

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：