检索结果-南通市图书馆

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

安徽教育科研网:从四校联网到全省畅通

中国教育网络 2004年第12期 45-50页

作者：顾雨民

　　从1995年筹划建设,到1999年四校联网,再到2000年19所高校入网,直到今天的全省17个主节点全部开通试运行,安徽省教育科研网建设历经初期建设(1995-1998年)、一期建设(1999-2001年)和二期建设(2002-2004年)三个阶段,走过了十年风雨路... 详细信息

　　从1995年筹划建设,到1999年四校联网,再到2000年19所高校入网,直到今天的全省17个主节点全部开通试运行,安徽省教育科研网建设历经初期建设(1995-1998年)、一期建设(1999-2001年)和二期建设(2002-2004年)三个阶段,走过了十年风雨路.……

关键词：教育科研主干网络 CERNET 多媒体远程教学城域网教育信息化建设校园网络合肥市安徽省主节点

融合空间结构权重优化注意力机制的建筑物立面元素检测

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

测绘科学技术 2023年第2期11卷 122-134页

作者：江涛常莉红魏征董震武汉大学测绘遥感信息工程国家重点实验室湖北武汉武汉大学遥感信息工程学院湖北武汉国家海洋局南海规划与环境研究院广东广州自然资源部海洋环境探测技术与应用重点实验室广东广州

本文针对街景图像立面元素检测问题,提出了融合空间结构权重优化注意力机制的立面元素目标检测网络。在主干网络部分使用嵌入基于空间结构优化坐标注意力机制的C3模块,增加横纵坐标权重分支,有效利用空间结构编码信息,提升立面元素定位... 详细信息

本文针对街景图像立面元素检测问题,提出了融合空间结构权重优化注意力机制的立面元素目标检测网络。在主干网络部分使用嵌入基于空间结构优化坐标注意力机制的C3模块,增加横纵坐标权重分支,有效利用空间结构编码信息,提升立面元素定位精度;其次针对立面最主要组成元素窗户、阳台的小目标特性,使用改进的递归门控卷积模块替换原始卷积模块,融合丰富的多尺度上下文信息,并增加小目标检测分支,提升检测精度;最后设计了ECIOU损失同时对检测框的长宽比以及定位中心进行监督,增强网络对立面元素的感知能力,提升网络收敛速度。在FacadeWHU数据集上实验结果表明,本文模型的平均精度比相较于基线网络Yolov5s而言整体平均精度提升了16.4%,窗户目标的平均精度提升了22.4%,阳台目标的平均精度提升了25.5%,可以有效检测立面元素,更好的服务于病害检测、能耗分析等下游任务。

关键词：注意力机制主干网络检测网络上下文信息精度提升元素检测编码信息病害检测

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种基于注意力机制的YOLO缺陷检测算法

青岛科技大学学报（自然科学版） 2023年第3期44卷 110-117页

作者：于龙振李逸飞朱建华赵谦王志宪青岛科技大学经济与管理学院山东青岛266061 九州工业大学计算机科学与工程研究生院福冈北九州8040000

针对零部件制造质量控制方面的缺陷检测,考虑到工业摄像头角度和零部件表面缺陷特征相对固定的特点,提出一种基于注意力机制的YOLO缺陷检测算法。围绕提升算法注意力,首先采用CZS算法,把图像上的缺陷区域剪切、缩放和拼接成新图像,使注... 详细信息

针对零部件制造质量控制方面的缺陷检测,考虑到工业摄像头角度和零部件表面缺陷特征相对固定的特点,提出一种基于注意力机制的YOLO缺陷检测算法。围绕提升算法注意力,首先采用CZS算法,把图像上的缺陷区域剪切、缩放和拼接成新图像,使注意力集中于缺陷相关区域;然后采用裁减主干网络算法,裁减掉原版YOLOv3主干网络中无用的检测尺度层;最后使用数据增强算法增加训练样本量。实验案例结果表明:该算法检测精度99.2%,单帧图像检测时间0.01 s,性能均优于原版YOLOv3;该算法在固定摄像头场景下具有一定先进性,3项提升注意力的策略使算法训练精度收敛的更快、检测速度更快、检测性能更稳定。

关键词：缺陷检测 YOLO 注意力机制 CZS算法主干网络

基于双流Swinc Transformer的工业过程故障诊断

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

建模与仿真 2023年第2期12卷 777-785页

作者：徐磊田颖上海理工大学光电信息与计算机工程学院上海

传统工业过程的故障诊断使用的数据集一般是工业过程数据,即传感器数值数据,且近年来工业过程故障诊断在精度上遇到了瓶颈,而视频数据的出现为工业过程的故障诊断提供了新的方向,因此本研究提出了一种基于双流Swinc Transformer视频分... 详细信息

传统工业过程的故障诊断使用的数据集一般是工业过程数据,即传感器数值数据,且近年来工业过程故障诊断在精度上遇到了瓶颈,而视频数据的出现为工业过程的故障诊断提供了新的方向,因此本研究提出了一种基于双流Swinc Transformer视频分类的工业过程故障诊断模型。在该方法中,为了捕获视频的时间特征和空间特征,本研究首先在Swin Transformer的Swin Transformer Block中加入了3D卷积模块,构建了Swinc Transformer深度学习模型。随后,为了进一步捕获视频的时间特征,使用Swinc Transformer作为主干网络,引入双流网络,将光流图像与RGB图像作为输入。最终,为了更好的将光流特征与图像特征融合,引入了交叉注意力机制(CAM),以自适应的分配光流与RGB图像特征权重。采用PRONTO基准数据集对该方法进行验证,实验结果表明,本研究中提出的双流Swinc Transformer方法相较于其他视频分类模型具有较好的分类性能,同时,相较于普通工业过程数据,视频数据在故障诊断精度方面也更具优势,其分类精度值为95.26%。

关键词：注意力机制视频分类分类性能特征权重主干网络光流特征数值数据光流图

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

灯光控制系统的功能设计及构成（二）

中国照明 2011年第4期 88-88,90,92-95页

二、灯光控制系统网络构成1、网络结构电视台无论级别高低、面积大小、演播室多寡，其灯光网络均可由电视台主干网络和演播厅灯光控制系统网络两大部分组成。主干网络负责各演播斤与技术、制作与管理部门之间的数据传输、系统连接共享... 详细信息

二、灯光控制系统网络构成1、网络结构电视台无论级别高低、面积大小、演播室多寡，其灯光网络均可由电视台主干网络和演播厅灯光控制系统网络两大部分组成。主干网络负责各演播斤与技术、制作与管理部门之间的数据传输、系统连接共享。主要采用先进、稳定、高速的单模光纤的千兆以太网技术。

关键词：灯光控制系统千兆以太网技术设计功能控制系统网络主干网络网络构成网络结构

基于多分支空洞卷积与自适应特征融合的FCOS目标检测算法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

井冈山大学学报（自然科学版） 2023年第6期44卷 75-83页

作者：刘糠继时培成齐恒杨爱喜安徽工程大学机械工程学院安徽芜湖241000 浙江大学工程师学院浙江杭州310000

基于深度学习的目标检测技术在自动驾驶和机器人视觉领域被广泛应用。针对这项任务,FCOS(fully convolutional one-stage object detection)利用全卷积和无锚框方法实现逐像素目标检测,但原始FCOS仍存在图片特征提取不足,全局特征信息... 详细信息

基于深度学习的目标检测技术在自动驾驶和机器人视觉领域被广泛应用。针对这项任务,FCOS(fully convolutional one-stage object detection)利用全卷积和无锚框方法实现逐像素目标检测,但原始FCOS仍存在图片特征提取不足,全局特征信息获取不充分和特征融合不理想等问题。因此本研究对FCOS进行改进并应用于图像的多目标检测。首先,本研究使用ResNeSt50代替原始主干网络ResNet50,利用特征图注意力和多路径表示相结合的方式来提高主干网络的特征提取能力。然后,基于多分支空洞卷积构建感受野增强模块(RFEM),以获取更全面的全局上下文信息。最后,在原始FCOS特征融合的基础上,本研究设计了自适应重组特征融合模块(ARFFM),高效的融合了高层特征图的语义信息和低层特征图的细节信息。在PASCAL VOC2007数据集上的实验表明,改进后的FCOS达到了81.2%的平均精度均值(mAP),比原始FCOS算法提升了2.9%,并在大多数类别上表现出先进的性能。同时开展了广泛的消融实验,其中ResNeSt50,RFEM,ARFFM模块分别为基线网络带来了1.2%,2.1%,2.9%的收益,这些改进为小目标及遮挡目标的检测提供了一种新的解决方案。

关键词：目标检测无锚方法主干网络空洞卷积特征融合

基于改进的RetinaFace人脸检测方法

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

应用科技 2023年第5期50卷 58-65页

作者：李云鹏席志红哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001

针对RetinaFace在人脸检测任务中不能够兼顾检测精度与实时性的问题,提出一种基于改进RetinaFace的轻量化网络方法。首先使用MobileNetV3网络替代RetinaFace中的特征提取网络,大幅度降低参数和计算量;其次将高效通道注意力机制(efficien... 详细信息

针对RetinaFace在人脸检测任务中不能够兼顾检测精度与实时性的问题,提出一种基于改进RetinaFace的轻量化网络方法。首先使用MobileNetV3网络替代RetinaFace中的特征提取网络,大幅度降低参数和计算量;其次将高效通道注意力机制(efficient channel attention,ECA)与RetinaFace中的特征金字塔(feature pyramid networks,FPN)机制相融合,提高人脸检测精度;最后使用Soft-NMS非极大值抑制代替原始的非极大值抑制(non-maximum suppression,NMS)在2个候选框重合面积很大时也给1个权重,避免直接误删的情况,在人脸重合时也能更好地检测出来。实验结果表明:相较原算法,在widerface人脸数据集的easy、medium、hard分类情况下的准确率分别是93.79%、91.92%、72.18%,检测速度达到了72 f/s,满足人脸测任务中的准确率和实时性要求。本文分析结果可为人脸检测领域提供参考。

关键词：深度学习人脸检测 RetinaFace 注意力机制非极大值抑制 MobileNet FPN 主干网络