检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于轻量化神经网络的空中目标检测算法

计算机仿真 2022年第7期39卷 70-73,420页

作者：杨玉敏廖育荣林存宝倪淑燕航天工程大学北京101400

视频卫星是一种空中目标监视的有效方式,受数传站部署的限制,海量视频卫星图像很难实时回传至地面,因此迫切需求发展在轨智能检测方法。空中目标的运动特性对检测算法的实时性要求很高,而星载平台的计算能力受限,所以提出了一种轻量化... 详细信息

视频卫星是一种空中目标监视的有效方式,受数传站部署的限制,海量视频卫星图像很难实时回传至地面,因此迫切需求发展在轨智能检测方法。空中目标的运动特性对检测算法的实时性要求很高,而星载平台的计算能力受限,所以提出了一种轻量化空中目标检测算法。算法采用YOLO v3基本框架,利用MobileNet v3中的高效卷积模块对其骨干网络进行了改进,一方面将网络体积压缩了3.2倍,另一方面引入了注意力机制提高了检测精度。在此基础上,将IoU(交并比)加入到边界框回归损失函数中,实现了2.1%的mAP(平均精度均值)提升。通过实际测试,所提方法在1044×916像素的图像上检测速度最快能达到43.47FPS,平均检测精度(mAP)达到88.9%。

关键词：卷积神经网络轻量化目标检测交并比

在线全文

学校读者我要写书评

暂无评论

基于孪生网络的分类回归跟踪算法研究

基于孪生网络的分类回归跟踪算法研究

作者：王凯长沙理工大学

学位级别：硕士

目标跟踪是计算机视觉中一项基础但又充满挑战的任务。通常将目标跟踪视为通过特征匹配在后续视频帧中,找到在初始帧定义的感兴趣物体的过程。近年来由于其在安防监控、人机交互、自动驾驶等视觉领域的广泛应用,目标跟踪受到了极大的关... 详细信息

目标跟踪是计算机视觉中一项基础但又充满挑战的任务。通常将目标跟踪视为通过特征匹配在后续视频帧中,找到在初始帧定义的感兴趣物体的过程。近年来由于其在安防监控、人机交互、自动驾驶等视觉领域的广泛应用,目标跟踪受到了极大的关注,越来越多的优秀算法也被提出。但由于物体在运动过程中会遭受不可避免的挑战,所以在复杂的环境中,准确地预测目标的位置和尺度,是充满困难的。针对以上问题本文提出了两个基于孪生网络的目标跟踪算法,主要工作如下:(1)提出了结合级联区域候选网络特征融合和坐标注意力的目标跟踪算法。为增强跟踪过程中的特征表示,在该部分中将级联区域候选网络融合和坐标注意力机制应用到跟踪器中。提出的网络框架由三部分组成:特征提取子网络、坐标注意力块和级联区域候选模块。通过坐标注意力模块,可以将位置信息嵌入到通道信息中,以建立长期的空间位置依赖,同时保持通道信息关联。因此,不同层的特征通过坐标注意力模块得到增强。然后,跟踪器将这些特征分别发送到进入级联的区域候选网络进行分类和回归。根据这两个分类和回归的结果得到目标的最终位置。为了验证所提方法的有效性,该算法在OTB100、VOT2016、UAV123和GOT-10k数据集上进行综合实验。与其他先进的跟踪器相比,所提出的跟踪器取得了良好的性能,并能以实时速度运行。(2)提出了基于样本平衡化和交并比指导的无锚框视觉跟踪算法。为解决训练过程中正负样本不平衡以及难易样本不平衡所导致的分类不精确问题,以及回归过程中的损失函数存在缺陷等问题。该算法首先在交叉熵损失函数中引入平衡因子和调制系数,使模型更关注于数量稀少的正样本以及对训练做出主要贡献的困难样本。其次,对交并比损失函数进行改进并应用到跟踪中,改进后的交并比损失函数不仅考虑了预测框和真实框二者面积的交并比,还考虑了二者形状上的差异,以及能够包含二者的最小面积。这对生成更精确的回归偏移量具有很大帮助。然后结合分类和回归的总体损失,进行反馈迭代优化模型,使模型的损失达到最小值,以提高跟踪器的准确性和鲁棒性。随后在OTB2015、UAV123、VOT2016、和GOT-10k数据集上的实验表明了该算法的优秀性能。

关键词：目标跟踪孪生网络坐标注意力级联RPN 交叉熵交并比分类回归

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维目标检测的雷视决策级融合方法研究

基于三维目标检测的雷视决策级融合方法研究

作者：余娟长沙理工大学

学位级别：硕士

随着自动驾驶技术的蓬勃发展,环境感知作为自动驾驶车辆安全运行的重要保障,日益受到广大自动驾驶车辆研究者与生产者的关注,目标检测作为环境感知层面的关键技术,在自动驾驶车辆安全行驶过程中扮演着越来越重要的角色。与二维目标检测... 详细信息

随着自动驾驶技术的蓬勃发展,环境感知作为自动驾驶车辆安全运行的重要保障,日益受到广大自动驾驶车辆研究者与生产者的关注,目标检测作为环境感知层面的关键技术,在自动驾驶车辆安全行驶过程中扮演着越来越重要的角色。与二维目标检测相比,三维目标检测更切合实际应用需求。激光雷达与相机作为自动驾驶车辆中最常见的传感器,常被用于目标检测任务中。鉴于激光雷达与相机在获取检测目标信息时都具有一定的缺点,而激光雷达与相机融合则能够有效克服其中的不足,所以,对基于激光点云与相机图像决策级融合的三维目标检测方法的研究有着很大的实用价值。现有基于激光雷达与相机融合的方法中,数据级层面的融合和特征级层面的融合最有可能利用多模态信息,因此它们对数据统一对齐十分敏感,通常会涉及到复杂的体系结构,实现困难,计算量大,难以满足实时性要求。相反,决策级层面的融合系统构建要简单许多,因为它们包含了经过训练的单模态检测方法,不需要改变,只需在检测结果级别上进行关联。本文主要从决策级层面开展了基于激光点云与相机图像融合的三维目标检测方法研究,主要研究内容与创新点如下:首先,本文对激光雷达与相机融合进行研究。对常用的融合方法:基于数据级层面的融合和特征级层面的融合方法进行分析,提出这些方法存在的问题,并且针对它们存在的问题,提出在决策级层面进行激光雷达与相机的融合。其次,通过对单独使用激光雷达与相机进行目标检测的检测结果进行分析,提出实现两传感器检测结果之间相互关联的判断指标。为了提高最终的检测精度,提出对两传感器目标检测时非极大值抑制前的结果进行融合。根据传统非极大值抑制方法在实现目标候选框筛选时会出现的问题,提出一种新的目标候选框筛选的方法。根据目标检测在实际应用中实时性的要求,提出一种简单、快速的融合方法,基于联合交并比与检测置信度分数的融合目标检测方法。实验证明,在车辆行驶场景不存在较多遮挡的情况下,该融合方法可有效提升三维目标检测精度。最后,提出了基于注意力卷积神经网络的融合目标检测方法,用以解决车辆行驶场景中存在较多遮挡时三维目标检测精度不高的问题。提出通过构建稀疏张量的方法,以提升融合处理速度;提出通过增加注意力机制的方法,以提升卷积神经网络的检测性能。实验结果表明该方法可以有效提升三维目标检测结果的精度。

关键词：三维目标检测雷视融合交并比检测置信度分数注意力机制卷积神经网络

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YOLOv3目标检测算法的改进研究

基于YOLOv3目标检测算法的改进研究

作者：白佳乐中北大学

学位级别：硕士

目标检测作为计算机视觉的核心研究任务之一,被广泛应用于各个领域,如:交通检测、医疗诊断、安全保障等,一直是研究学者广泛关注的研究课题。随着人工智能技术的不断发展,基于深度学习的目标检测算法成为当前目标检测的主流算法,其中YOL... 详细信息

目标检测作为计算机视觉的核心研究任务之一,被广泛应用于各个领域,如:交通检测、医疗诊断、安全保障等,一直是研究学者广泛关注的研究课题。随着人工智能技术的不断发展,基于深度学习的目标检测算法成为当前目标检测的主流算法,其中YOLOv3算法作为深度学习目标检测算法中最受关注的算法之一,具有检测效率高、泛化能力强、鲁棒性好等优点。但是,随着检测任务的复杂度越来越高,YOLOv3算法的检测精度已经不能满足应用的需求。鉴于此,本文对YOLOv3算法进行研究,在主干特征提取网络、候选框筛选阶段等方面加以改进,实现复杂目标任务的快速准确检测。本文主要研究内容如下:（1）分析YOLOv3算法的检测过程,通过在YOLOv3算法主干网络Darknet-53中引入Res2Net模块,在单个残差块内对特征信息重新分层与组合,构建了新的残差结构,使得网络在进行特征提取时能更加充分的利用上下文信息,提取到更细粒度的特征。在预测框回归部分,使用降低预测框置信度的方式取代原算法中的筛选方式,降低多目标漏检情况的概率;同时在筛选预测框的损失函数中加入对两个框之间的距离、重叠率、长宽比的惩罚项,提高预测框定位精度。在Pascal VOC数据集进行实验,结果表明:改进后,算法的m AP值从78.3%提升到81.7%,验证了改进方案的合理性。（2）分析SE模块和CBAM模块两个注意力机制模块,将其与改进后的残差结构整合,构建新的注意力残差模块,提高网络对重要信息的关注度,进而提升模型的检测效果,并分析现有的数据增强策略,对本文实验所用数据集进行处理,提高了改进后模型的泛化能力。采用Pascal VOC数据集进行实验分析:引入注意力机制和数据增强后,算法的检测效果进一步提升,m AP由原来的81.7%提高到83.6%,验证了改进方案的合理性。

关键词：目标检测交并比多尺度模块数据增强注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于边界加权度量的非标车牌识别方法研究

基于边界加权度量的非标车牌识别方法研究

作者：何小倩安徽大学

学位级别：硕士

智能交通时代,通过摄像头监控车辆动态并进行监督已经是必不可少的车辆管理方式,摄像头监管车辆的一项重要技术就是车牌检测识别技术,它可以快速便捷的通过机动车辆车前车后的标准车牌确认车辆身份。但是对于一些大型车辆,监控视角受限... 详细信息

智能交通时代,通过摄像头监控车辆动态并进行监督已经是必不可少的车辆管理方式,摄像头监管车辆的一项重要技术就是车牌检测识别技术,它可以快速便捷的通过机动车辆车前车后的标准车牌确认车辆身份。但是对于一些大型车辆,监控视角受限以及标准车牌的磨损严重、污渍附着等问题使得摄像头无法拍摄到合适的标准车牌,车牌的检测识别技术难以获得准确的识别结果,于是本文通过研究非标车牌的检测识别来解决此问题。非标车牌与标准车牌的内容相同,非标车牌尺寸比车牌更大更容易检测,但是沿用传统的交并比度量方法对非标车牌检测模型训练并不能实现最适合识别的检测结果。因此,本文针对如何构建一个更有效的非标车牌检测识别模型展开研究,主要内容如下:构建了一个大规模的非标车牌数据集。该数据集由19508张监控场景下的图像构成,包含17296张训练图像和2012张测试图像。该数据集包含了大部分的实际应用场景,特别是包括文本模糊、遮挡、手写体、污染、低光照、强光照、复杂背景和多非标车牌的场景,并且包含了一部分复杂条件交叉的场景。数据集同时涵盖了包括客车、货车、挂车、专项作业车等多种车型。提出了一种面向非标车牌识别的边界加权度量方法。非标车牌文本基本都是横向文本且具有特殊含义,边界框的四个边界的收缩或者扩大对识别内容正确性的影响不同。因此,本文提出了面向非标车牌识别的边界加权度量方法,对已有的交并比度量方法增加边界加权模块,对每一条边界的位置赋予不同的权重,并增加非标车牌边界框宽高比的约束。将此度量应用在非标车牌检测模型上,使用该度量的检测结果能有效提升识别结果的准确率,验证了该度量的有效性。提出了一种基于边界加权的回归损失函数。虽然边界加权度量可以改善检测结果,但是对于一些文本模糊、灰尘污染等复杂的非标车牌,检测模型的结果仍带来较差的识别结果。因此,本文设计了一个边界加权损失函数,在已有的交并比回归损失函数上增加新的惩罚项,对边界框缩小或扩大的异常区域进行惩罚。在非标车牌数据集上进行了非标车牌检测识别模型的对比实验,实验验证了本文提出的边界加权损失函数的结果有效提升了识别算法的正确率,且该损失函数和边界加权度量结合使用可以得到更加准确的文本预测边界框。

关键词：非标车牌识别边界框边界加权交并比损失函数

基于RetinaNet及优化损失函数的夜间车辆检测方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

汽车工程 2021年第8期43卷 1195-1202页

作者：张炳力秦浩然江尚郑杰禹吴正海合肥工业大学汽车与交通工程学院合肥230041 安徽省智能汽车工程实验室合肥230009 浙江百康光学股份有限公司嘉兴314113

为解决智能驾驶系统中夜间车辆检测误检多、远处小目标检测效果差的问题,在RetinaNet的基础上对损失函数进行全面优化。在分类损失函数方面,分析了负样本与正样本交并比的产生机理和对训练的影响,构造了关联交并比的分类损失函数,利用... 详细信息

为解决智能驾驶系统中夜间车辆检测误检多、远处小目标检测效果差的问题,在RetinaNet的基础上对损失函数进行全面优化。在分类损失函数方面,分析了负样本与正样本交并比的产生机理和对训练的影响,构造了关联交并比的分类损失函数,利用负样本交并比使网络注重于训练难分类负样本,同时利用正样本交并比提高了检测框的定位精度;在定位损失函数方面,改进了传统L1损失的归一化方式,提高了小目标检测能力。此外,针对夜间场景中的车辆特征对网络结构进行了优化设计,并在夜间车辆数据集上进行了测试验证,结果表明模型优化后的平均检测精度提升了14.6%。

关键词：夜间车辆检测损失函数交并比 RetinaNet 小目标检测

基于优化YOLOv4的主要电气设备智能检测及调参策略

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2021年第22期36卷 4837-4848页

作者：律方成牛雷雷王胜辉谢庆王子豪新能源电力系统国家重点实验室(华北电力大学) 北京102206 河北省输变电设备安全防御重点实验室(华北电力大学) 保定071003

基于无人机和巡检机器人搭载的多光谱成像检测是高压设备非接触检测的发展趋势,而主要电气设备的识别是其绝缘状态智能诊断的基础。该文建立了绝缘子、均压环、防振锤、套管和导线训练与测试数据库;基于YOLOv4,改进了Mosaic数据扩充算法... 详细信息

基于无人机和巡检机器人搭载的多光谱成像检测是高压设备非接触检测的发展趋势,而主要电气设备的识别是其绝缘状态智能诊断的基础。该文建立了绝缘子、均压环、防振锤、套管和导线训练与测试数据库;基于YOLOv4,改进了Mosaic数据扩充算法,使网络误差降低了0.7,识别准确度提高到84.3%;研究了基于边界框回归的交并比(IoU)算法对不同尺度检测目标的影响,提出了对大、小目标分别采用CIoU和GIoU的训练策略;研究了K-means和分层聚类算法对自建数据库的标注值宽高数据聚类效果及检测结果的影响;基于误差、识别准确度和训练速度,研究并优化了YOLOv4的网络参数,改进后的模型训练误差降低了3%,识别准确度提高了0.8%,较好地实现了主要电气设备的识别。该研究可用于多光谱成像电气设备运行状态的现场诊断。

关键词：电气设备识别 YOLOv4 数据扩充算法交并比 K-means和层次聚类

在线全文

学校读者我要写书评

暂无评论

基于深度学习的场景文字检测方法的研究

阜阳师范大学学报（自然科学版） 2023年第1期40卷 64-71页

作者：唐文军盛鹏符佳徐苏合肥学院人工智能大数据学院安徽合肥230601 中国科学院合肥物质科学研究院安徽合肥230601

针对场景文字定位与识别的问题,通过对VGG-19卷积神经网络进行改进,提出一种新模型Q-VGG19模型。该模型采用复合卷积层来替代原网络中部分卷积层,并结合全卷积网络模型的思想,融合多个卷积阶段的特征,将低卷积层丰富的空间位置信息来弥... 详细信息

针对场景文字定位与识别的问题,通过对VGG-19卷积神经网络进行改进,提出一种新模型Q-VGG19模型。该模型采用复合卷积层来替代原网络中部分卷积层,并结合全卷积网络模型的思想,融合多个卷积阶段的特征,将低卷积层丰富的空间位置信息来弥补高卷积层中损失的细节信息,实现了对场景文字区域的高效识别,提升了模型对小文本区域的检测性能。本文还结合文字检测交并比评价指标,将模型分割出的文本候选框进行补偿扩大,以提高交并比。本文实验在ICDAR2015,MSRA-TD500两个数据集上得到较好的效果。

关键词： VGG-19 全卷积网络图像融合交并比复合卷积层

基于影响空间与YOLOv3的古建筑检测方法

在线全文

学校读者我要写书评

暂无评论

计算机技术与发展 2022年第12期32卷 185-193页

作者：胡立华王敏敏刘爱琴张素兰太原科技大学计算机科学与技术学院山西太原030024 佛山市科自智能系统技术有限公司广东佛山528010

物体检测是计算机视觉领域的一个关键内容,主要研究如何在静态图像或动态视频流中快速、准确地识别及定位出其中的目标。基于图像的古建筑检测可用于古建筑三维重建、智慧旅游等领域,具有重要的研究意义和实际应用价值。然而,受到古建... 详细信息

物体检测是计算机视觉领域的一个关键内容,主要研究如何在静态图像或动态视频流中快速、准确地识别及定位出其中的目标。基于图像的古建筑检测可用于古建筑三维重建、智慧旅游等领域,具有重要的研究意义和实际应用价值。然而,受到古建筑样式、形状、花纹及纹理质地等影响,目前的物体检测器存在检测精度低和定位不准的问题。针对上述问题,基于YOLOv3网络模型,结合密度聚类和距离聚类思想,设计了一种基于RNN-DBSCAN+k-means的古建筑检测方法。该方法首先结合影响空间思想,采用RNN-DBSCAN算法对已标注的古建筑图像聚类,生成聚类结果集;其次从聚类结果集中选取最优的k个结果作为k-means的初始聚类中心;然后将这k个聚类中心作为聚类初始值,结合k-means算法得出聚类结果,并作为YOLOv3网络的先验框;最后以voc数据集(20类)和古建筑数据集为对象,验证了算法的有效性。针对古建筑数据集,算法检出率提高了0.33%;而在voc数据集单类检测中,算法检出率提高了0.04%~0.84%。

关键词：影响空间 YOLOv3 古建筑检测交并比检出率