检索结果-南通市图书馆

基于多尺度加权特征融合网络的地铁行人目标检测算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2021年第7期43卷 2113-2120页

作者：董小伟韩悦张正曲洪斌高国飞陈明钿李博北方工业大学信息学院北京100144 中国石油管道局工程有限公司国际事业部北京065000 北京城建设计发展集团股份有限公司城市轨道交通绿色与安全建造技术国家工程实验室北京100037

随着地铁乘客的大量增加,实时准确地监测地铁站内客流量对于保证乘客安全具有重要意义。针对地铁场景复杂、行人目标小等特点,该文提出了多尺度加权特征融合(MWF)网络,实现地铁客流量的精准实时监测。在数据预处理阶段,该文提出过采样... 详细信息

随着地铁乘客的大量增加,实时准确地监测地铁站内客流量对于保证乘客安全具有重要意义。针对地铁场景复杂、行人目标小等特点,该文提出了多尺度加权特征融合(MWF)网络,实现地铁客流量的精准实时监测。在数据预处理阶段,该文提出过采样目标增强算法,对小目标占比不足的图片进行拼接处理,增加小目标在训练时的迭代频率。其次,在单镜头多核检测器(SSD)网络基础上添加了基于VGG16网络的特征提取层,将不同尺度的特征层以不同方式进行加权融合,并选出最优的特征融合方式。最终,结合小目标过采样增强算法,得到多尺度加权特征融合模型。实验证明,该方法与SSD网络相比,在保证实时性的同时,检测精度提升了5.82%。

关键词：目标检测小目标深度网络加权特征融合

在线全文

学校读者我要写书评

暂无评论

基于CNN多层特征加权融合的闭环检测算法

华中科技大学学报（自然科学版） 2021年第8期49卷 75-80页

作者：胡章芳冯淳一罗元邢镔重庆邮电大学光电信息传感与技术重点实验室重庆400065 重庆工业大数据创新中心有限公司重庆400700

针对深度学习用于闭环检测中存在空间细节特征丢失的问题,提出基于卷积神经网络(CNN)多层特征加权融合(CNN-F)的闭环检测算法.首先,采用预训练的CNN模型作为特征提取器,从网络中提取输入图像的浅层几何特征和深层语义特征;然后,调整特... 详细信息

针对深度学习用于闭环检测中存在空间细节特征丢失的问题,提出基于卷积神经网络(CNN)多层特征加权融合(CNN-F)的闭环检测算法.首先,采用预训练的CNN模型作为特征提取器,从网络中提取输入图像的浅层几何特征和深层语义特征;然后,调整特征图数据进行加权融合,将融合的特征图进行主成分分析(PCA)降维处理后,计算相似性得分用于闭环检测;最后,将算法在数据集New College和City Centre上进行测试.实验结果表明:CNN-F可以有效改善图像特征描述效果,相比于直接使用CNN的闭环检测算法,该算法有更好的准确性和鲁棒性.

关键词：移动机器人卷积神经网络闭环检测加权特征融合主成分分析(PCA)降维

基于多尺度加权特征融合的行人重识别方法研究

在线全文

学校读者我要写书评

暂无评论

信号处理 2022年第10期38卷 2201-2210页

作者：孙劲光吴明岩辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125000

针对目前由于行人重识别普遍存在的遮挡以及多姿态变化等原因,导致的行人重识别率低的问题,提出一种基于多尺度加权特征融合的行人重识别方法(Person Re-identification Method Based on Multi-scale Weighted Feature Fusion,MSWF)。... 详细信息

针对目前由于行人重识别普遍存在的遮挡以及多姿态变化等原因,导致的行人重识别率低的问题,提出一种基于多尺度加权特征融合的行人重识别方法(Person Re-identification Method Based on Multi-scale Weighted Feature Fusion,MSWF)。该方法首先使用基准网络ResNeSt-50提取图像特征,获得下采样3倍、下采样4倍和下采样5倍的特征图,输入到加权特征金字塔网络中,然后使用快速归一化融合方法进行特征融合,在特征融合中引入加权操作可以让模型在训练过程中学习如何给融合特征的权重值进行分配,这样可以充分利用不同尺度的特征,获得更加丰富的行人特征。最后将融合后的富含语义信息的高层特征作为全局特征,将融合后的高分辨率特征作为局部特征。在训练过程中,联合Softmax分类损失函数、三元组损失函数和中心损失函数对模型进行训练,在测试阶段,将全局特征和局部特征沿通道维度进行拼接表示行人特征,并使用欧氏距离计算行人之间的距离。该方法在Market-1501、DukeMTMC-reID、CUHK03-Labeled和CUHK03-Detected数据集上,mAP分别达到了89.2%、79.7%、80.1%和76.6%,Rank-1分别达到了95.8%、90.4%、82.4%和80.1%。实验结果说明了该算法的识别精度和平均正确率优于当前很多主流算法。

关键词：行人重识别加权特征融合深度学习卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于加权特征融合的蛋白质相互作用预测研究

基于加权特征融合的蛋白质相互作用预测研究

作者：张宝文东北师范大学

学位级别：硕士

蛋白质参与了生命活动的各个过程,例如:细胞的新陈代谢、DNA的转录和复制、信号传导等。一般情况下,蛋白质通常与其他蛋白质相互作用,以复合物的形式执行它们的功能。研究蛋白质相互作用在临床研究中具有非常重要的现实意义,该研究能帮... 详细信息

蛋白质参与了生命活动的各个过程,例如:细胞的新陈代谢、DNA的转录和复制、信号传导等。一般情况下,蛋白质通常与其他蛋白质相互作用,以复合物的形式执行它们的功能。研究蛋白质相互作用在临床研究中具有非常重要的现实意义,该研究能帮助我们理解人类疾病机制并为疾病治疗在新方法上提供依据。虽然蛋白质相互作用预测的实验技术已经逐渐成熟,也取得了可观的研究成果。但是,生物实验方法却耗费了大量的财力和时间,预测结果也容易受实验环境和操作过程的影响,产生一定的假阳性和假阴性。为了提高蛋白质相互作用预测准确率,发展可靠的计算方法具有十分重要的现实意义。使用计算方法进行蛋白质相互作用预测的首要工作是提取蛋白质的特征信息。蛋白质的特征主要包括氨基酸序列信息、结构信息、进化信息、结构域信息、亚细胞定位信息等等。蛋白质的序列信息最基本的也是最容易获得的,它的组成决定了蛋白质的结构信息,结构信息又决定了蛋白质的功能。目前,很多研究都是根据蛋白质的序列信息。然而,单类特征并不能全面反映蛋白质的功能,影响了蛋白质相互作用预测的准确性。本文希望通过融合多类蛋白质特征,尽可能全面的反映出相互作用蛋白质的相关性特征,提高预测蛋白质相互作用的准确度。计算方法预测蛋白质相互作用的另外两个重要阶段是特征选择和分类阶段。目前常用的特征选择的方法有主成分分析(Principal Component Analysis,PCA)、拉普拉斯特征映射(Laplacian Eigenmaps,LE)、线性判别分析(Linear Discriminant Analysis,LDA)、最大间隔准则(Maximum Margin Criterion,MMC)等。分类阶段比较常用的分类算法有随机森林(Random Forest,RF)、K近邻(K-Nearest Neighbour,KNN)、支持向量机(Support Vector Machine,SVM)等。面对如此多的特征选择和分类算法,如何组合它们才能得到较好的分类精度呢?本文使用特征加权的方法融合了序列氨基酸特征和进化信息特征,充分考虑了这两类特征的可分类性。选择MMC方法进行特征选择,使得两类样本间具有较大的类间散度与较小的类内散度。最后,使用SVM对蛋白质氨基酸进行分类预测。为了验证本文方案的有效性,对所提算法进行了大量的性能对比测试。特征选择方法选用PCA算法与MMC算法进行比较;又分别建立RF、KNN、SVM训练模型。为了验证融合特征对预测性能的有利影响,分别使用氨基酸特征和进化信息特征使用不同特征选择方法和分类方法进行实验和性能比较。预测结果显示将两类特征加权融合,能够更全面诠释蛋白质的基本性能;MMC算法要比PCA算法的分类结果可靠、准确率高;在三种分类器中,SVM分类器在蛋白质相互作用的分类问题中相对具有一定的优势。

关键词：蛋白质相互作用氨基酸序列特征进化信息特征加权特征融合最大间隔准则支持向量机

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

基于渐进式嵌套特征的融合网络

模式识别与人工智能 2023年第1期36卷 70-80页

作者：孙君顶王金凯唐朝生毋小省河南理工大学计算机科学与技术学院焦作454000

显著目标检测是指通过引入人类视觉注意力机制,使计算机能检测视觉场景中人们最感兴趣的区域或对象.针对显著性目标检测中存在检测边缘不清晰、检测目标不完整及小目标漏检的问题,文中提出基于渐进式嵌套特征的融合网络.网络采用渐进式... 详细信息

显著目标检测是指通过引入人类视觉注意力机制,使计算机能检测视觉场景中人们最感兴趣的区域或对象.针对显著性目标检测中存在检测边缘不清晰、检测目标不完整及小目标漏检的问题,文中提出基于渐进式嵌套特征的融合网络.网络采用渐进式压缩模块,将较深层特征不断向下传递融合,在降低模型参数量的同时也充分利用高级语义信息.先设计加权特征融合模块,将编码器的多尺度特征聚合成可访问高级信息和低级信息的特征图.再将聚合的特征分配到其它层,充分获取图像上下文信息及关注图像中的小目标对象.同时引入非对称卷积模块,进一步提高检测准确性.在6个公开数据集上的实验表明文中网络取得较优的检测效果.

关键词：显著性目标检测特征金字塔网络渐进式压缩加权特征融合

基于改进Yolov4-tiny的轻量型目标检测算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年第S01期50卷 474-480页

作者：窦智胡晨光梁竞一郑李明刘国奇河南师范大学计算机与信息工程学院河南新乡453007 金陵科技学院机电工程学院南京211169

面向视频的深度学习算法运算复杂度较高,难以满足实时性要求,严重影响了其在边缘计算和实时系统中的应用。轻量化网络成为了研究热点之一,针对大型网络的轻量化网络显著降低了原网络的参数规模,提升了检测速度,但检测精度难以满足工业... 详细信息

面向视频的深度学习算法运算复杂度较高,难以满足实时性要求,严重影响了其在边缘计算和实时系统中的应用。轻量化网络成为了研究热点之一,针对大型网络的轻量化网络显著降低了原网络的参数规模,提升了检测速度,但检测精度难以满足工业需求。针对上述问题,文中提出了一种改进的目标检测轻量化网络,在保持小参数规模的前提下,有效提高了检测性能。文中在YOLOv4-tiny骨干网络中添加VIT(Vision Transformer)结构,利用多头自注意力机制使网络可以提取更深层次的物体特征;使用简化后的Bi-FPN,将两检测通道改为三检测通道,增加注意力融合机制,提高模型对图片特征的利用率,提高网络对不同尺寸大小目标的检测精度;使用Ghost卷积替换传统卷积操作,降低网络计算复杂度,减少网络参数。在COCO数据集上进行实验,实验结果表明,在保持网络规模不变的情况下,改进后的算法相比YOLOv4-tiny原网络检测精度取得了明显提升,可同时满足边缘计算及实时系统对深度网络轻量化和准确度的要求。

关键词：目标检测轻量化网络多头自注意力机制加权特征融合

改进CenterNet算法的煤矿皮带运输异物识别研究

在线全文

学校读者我要写书评

暂无评论

控制工程 2023年第4期30卷 703-711页

作者：任志玲朱彦存辽宁工程技术大学电气与控制工程学院辽宁葫芦岛125105

为了实现运煤皮带运行时对进入其中的异物快速准确识别,防止皮带撕裂现象的发生,提出了一种改进的CenterNet运煤皮带异物检测算法。首先,对煤矿井下图像进行预处理,使其适应CenterNet算法,提高网络对目标图像检测的有效性;然后,对网络... 详细信息

为了实现运煤皮带运行时对进入其中的异物快速准确识别,防止皮带撕裂现象的发生,提出了一种改进的CenterNet运煤皮带异物检测算法。首先,对煤矿井下图像进行预处理,使其适应CenterNet算法,提高网络对目标图像检测的有效性;然后,对网络进行改进,将残差模块中的标准卷积替换成深度可分离卷积,有效降低网络计算量,减少冗余;接着,采用组规范化作为优化规范化方式,降低了对硬件设施的要求;最后,使用加权特征图融合方法,充分利用各层提取的特征,提高网络的检测准确率。实验结果表明,针对异物目标尺寸差异较大且分布不均匀的情况,改进后的CenterNet算法降低了目标的误检率和漏检率,可有效提升检测速度和异物识别精度。

关键词：异物检测 CenterNet 组规范化深度可分离卷积加权特征融合

基于EfficientDet的轨道扣件识别与检测

在线全文

学校读者我要写书评

暂无评论

武汉大学学报(工学版) 2022年

作者：邹文武许贵阳白堂博北京建筑大学城市轨道交通车辆服役性能保障北京市重点实验室北京建筑大学机电与车辆工程学院

扣件作为轨道线路重要部件，其缺陷状态复杂多变，当前在实际运维中主要采用人工巡检的方式检测，该方式效率低，耗时长，检测结果依赖人员的熟练程度。针对以上问题，提出一种基于改进EfficientDet的扣件状态检测方法。首先，对图像数... 详细信息

扣件作为轨道线路重要部件，其缺陷状态复杂多变，当前在实际运维中主要采用人工巡检的方式检测，该方式效率低，耗时长，检测结果依赖人员的熟练程度。针对以上问题，提出一种基于改进EfficientDet的扣件状态检测方法。首先，对图像数据集进行标注并进行数据集增强；然后利用信道修剪算法对EfficientDet网络进行优化并进行训练与识别；最后进行实际轨道线路图像采集实验，并与YOLOv3和FasterRCNN网络训练作为对比，选择合适的评价模型和标准进行结果分析。结果表明：本文改进方法对铁路缺陷扣件的检测准确率达到96.82%，检测效率和检测精度比其他两种方法明显提高，并且参数量是YOLOv3的1/5，表明其在目标检测应用中具有很高的潜力。

关键词： EfficientDet 扣件检测加权特征融合数据增强深度学习

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SSD的交通标志检测算法

电子测量技术 2023年第7期46卷 151-158页

作者：赵友章吕进长安大学信息工程学院西安710000

为了解决真实交通场景下交通标志因目标较小而导致检测精度低的问题,提出了一种改进SSD的交通标志检测算法。首先使用更深层次的ResNest网络替换原始SSD算法的主干网络VGG16来增强弱目标特征的强表征能力,然后在SSD的额外添加层使用RFB... 详细信息

为了解决真实交通场景下交通标志因目标较小而导致检测精度低的问题,提出了一种改进SSD的交通标志检测算法。首先使用更深层次的ResNest网络替换原始SSD算法的主干网络VGG16来增强弱目标特征的强表征能力,然后在SSD的额外添加层使用RFB模块来增加小目标的感受野。其次使用Bi-FPN加权双向特征金字塔网络有效结合深层与浅层的特征信息,改善小目标的检测性能。最后使用K-means++聚类算法调整默认窗口的大小,有效避免因原始默认窗口太大但交通标志较小而无法匹配的问题,以改善检测效率。实验结果表明,本文提出的模型在中国交通标志数据集(CCTSDB)上获得了95.33%的mAP,与原始SSD模型相比,本文所构建的模型能更好的适应自然背景下的交通标志检测。

关键词：交通标志检测 SSD ResNest K-means++ RFB模块加权特征融合