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

复杂背景下人体轮廓及其参数提取

纺织学报 2023年第3期44卷 168-175页

作者：顾冰菲张健徐凯忆赵崧灵叶凡侯珏浙江理工大学服装学院浙江杭州310018 浙江省服装工程技术研究中心浙江杭州310018 丝绸文化传承与产品设计数字化技术文化和旅游部重点实验室浙江杭州310018

针对基于人体照片的尺寸提取技术对照片拍摄场景限制的问题,提出利用整体嵌套边缘检测深度学习模型实现复杂背景下人体轮廓的提取并进行参数提取分析。以450张不同背景人体照片为原始图像数据集,通过人体轮廓标签图制作与数据增强手段... 详细信息

针对基于人体照片的尺寸提取技术对照片拍摄场景限制的问题,提出利用整体嵌套边缘检测深度学习模型实现复杂背景下人体轮廓的提取并进行参数提取分析。以450张不同背景人体照片为原始图像数据集,通过人体轮廓标签图制作与数据增强手段建立了43200张图片训练集,利用深度学习网络模型进行训练学习并构建最优边缘检测模型;最后选取40名样本作为验证对象,以13个人体比例、角度等参数作为验证参数,对人体轮廓提取值与三维点云测量值进行误差分析。结果表明,本文研究成果能够快速实现复杂背景下人体轮廓的自动提取,且人体轮廓提取值与三维点云测量值的角度参数误差小于2°,比例参数误差小于0.09,为非接触式二维测量技术的进一步研究提供理论依据和技术支撑。

关键词：复杂背景深度学习人体轮廓提取整体嵌套边缘检测网络二维照片

在线全文

学校读者我要写书评

暂无评论

复杂背景下的反无人机系统目标检测算法

吉林大学学报（工学版） 2023年第3期53卷 891-901页

作者：薛珊张亚亮吕琼莹曹国华长春理工大学机电工程学院长春130022 长春理工大学重庆研究院重庆401135

针对在公园、游乐场、体育场等具有复杂飞行背景的公共安全区域对无人机进行实时检测困难的问题,提出了一种基于注意力机制和尺度自适应特征融合的YOLOv5-UAV反无人机系统目标检测算法。首先,运用自拍图片和公共数据集DUT-Anti-UAV融合... 详细信息

针对在公园、游乐场、体育场等具有复杂飞行背景的公共安全区域对无人机进行实时检测困难的问题,提出了一种基于注意力机制和尺度自适应特征融合的YOLOv5-UAV反无人机系统目标检测算法。首先,运用自拍图片和公共数据集DUT-Anti-UAV融合,构建了无人机数据集;其次,使用k-means方法重新设计先验框;再次,设计了尺度自适应特征融合模块;然后,采用CIoU损失函数作为算法的定位损失函数;最后,在主干网络引入协调注意力机制。在无人机航拍数据集VisDrone2019上进行对比实验,改进算法YOLOv5-UAV对所有类别的平均准确率(mAP@0.5)均高于原始算法YOLOv5s,且对复杂背景下的小目标检测效果较好,表明了改进算法的普适性。将改进的算法YOLOv5-UAV与基线算法YOLOv5s在建立的数据集上进行对比实验,实验结果表明,YOLOv5-UAV与YOLOv5s相比,在准确率、召回率、平均准确率(mAP@0.5)上分别提高了6.1%、5.8%、5.2%,检测速度为39帧/s;在建立的数据集上,与YOLOv5m、YOLOv5l、YOLOX目标检测算法进行对比实验,改进算法的平均准确率(mAP@0.5)分别高于对比算法4.4%、3.6%、1.3%,表明了改进算法的有效性。

关键词：计算机应用技术反无人机系统目标检测 YOLOv5s算法复杂背景

复杂背景下显著度表征的车辆伪装效果动态评估

在线全文

学校读者我要写书评

暂无评论

兵工学报 2023年第6期44卷 1620-1631页

作者：王冬高钦和黄通刘志浩高蕾火箭军工程大学导弹工程学院陕西西安710025

针对作战流程中车辆目标在复杂地貌背景下的伪装效果动态评估需求,提出一种复杂地貌背景超像素分割和综合显著度表征的车辆伪装效果评估方法。基于目标在背景中的显著度与伪装效果的负相关性,方法采用超像素邻接模型,引入本地显著度和... 详细信息

针对作战流程中车辆目标在复杂地貌背景下的伪装效果动态评估需求,提出一种复杂地貌背景超像素分割和综合显著度表征的车辆伪装效果评估方法。基于目标在背景中的显著度与伪装效果的负相关性,方法采用超像素邻接模型,引入本地显著度和目标显著度进行伪装效果综合表征;选取车辆和背景多尺度图像的视觉特征,构建多维显著度矩阵;通过复相关系数法和变异系数法进行有效特征筛选;采用熵权法计算综合显著度对伪装效果进行评估。通过算例验证分析,方法能综合复杂地貌背景、车辆伪装状态和经典显著度视觉特征等多种因素进行伪装效果评估,量化分析车辆伪装状态的显著特征和优势应用环境,为车辆的伪装设计、状态运用和隐蔽区域选择提供建议。

关键词：复杂背景车辆目标显著度表征伪装评估

在线全文

学校读者我要写书评

暂无评论

复杂背景下机场道面细带状结构病害检测算法

北京航空航天大学学报 2022年第1期48卷 36-44页

作者：李海丰韩红阳中国民航大学计算机科学与技术学院天津300300

机场道面裂缝、角隅断裂、接缝破碎、修补等病害宽度狭小、长短不一、图像中像素占比少,呈细带状结构,且与复杂背景对比度低,现有检测算法效果不佳。针对以上问题,提出了一种基于注意力机制与特征融合的深度神经网络模型DetMSPNet。首先... 详细信息

机场道面裂缝、角隅断裂、接缝破碎、修补等病害宽度狭小、长短不一、图像中像素占比少,呈细带状结构,且与复杂背景对比度低,现有检测算法效果不佳。针对以上问题,提出了一种基于注意力机制与特征融合的深度神经网络模型DetMSPNet。首先,利用注意力机制模块CBAM,使得特征学习更加专注于细带状结构病害区域,抑制干扰信息;其次,构建残差空洞金字塔模块,提取不同尺度空间下的特征信息;然后,设计最大池化支路,便于之后浅、深层不同层次特征进行融合,加强模型对于病害的定位能力,并且将深层特征输入3种不同扩张率的扩张卷积和金字塔池化模块,使得病害特征包含更多全局上下文信息;最后,对所有层输出的病害特征信息进行融合,实现不同尺度、不同层次特征的信息互补。与目前3种经典的目标检测算法在机场道面病害图像数据集APD上做了对比实验,结果表明:所提算法的mAP达到78.51%,优于对比算法。所提DetMSPNet模型,提高了算法对机场道面细带状结构病害检测中宽度狭小、长短不一、图像中像素占比少、与复杂背景对比度低等情况的适应能力。

关键词：机场道面细带状结构病害 DetMSPNet 注意力机制特征融合复杂背景

在线全文

学校读者我要写书评

暂无评论

复杂背景下遥感图像密集目标检测

计算机工程与应用 2023年第8期59卷 247-253页

作者：李阿标郭浩戚畅安居白大连海事大学信息科学技术学院辽宁大连116026

遥感图像中的目标排列密集,常见的检测算法难以较好地区分密集目标,同时目标所处背景复杂,导致在模型生成的特征图中,存在高响应的背景噪声,容易带来错误的检测结果。针对上述问题,在CenterNet算法基础上,提出一种改进权重分配的目标检... 详细信息

遥感图像中的目标排列密集,常见的检测算法难以较好地区分密集目标,同时目标所处背景复杂,导致在模型生成的特征图中,存在高响应的背景噪声,容易带来错误的检测结果。针对上述问题,在CenterNet算法基础上,提出一种改进权重分配的目标检测算法。在计算热力图损失的过程中,设计一种改进权重分配策略,加大目标边缘区域回传的损失,促进网络对密集目标边缘的学习,减少算法将密集目标认定为单个目标的概率;在CenterNet网络结构中,添加语义分割模块,让网络模型学习每一个目标的分割图,通过分割图抑制特征图中高响应的背景噪声。在DOTA数据集上进行实验,改进算法均值平均精度(mAP)达到68.56%,优于其他方法,和原CenterNet算法相比,mAP提升了6.53个百分点。实验结果表明,改进的CenterNet算法能更好地适应复杂背景下的密集目标检测。

关键词：目标检测复杂背景密集目标语义分割改进权重分配策略

复杂背景下多种树形果树树冠的检测与识别方法研究

在线全文

学校读者我要写书评

暂无评论

河北农业大学学报 2022年第4期45卷 100-108页

作者：肖珂王文静高冠东么炜河北农业大学信息科学与技术学院河北保定071001 河北省农业大数据重点实验室河北保定071001 中央司法警官学院信息管理系河北保定071000

针对多种树形果园环境下,由于树冠背景复杂导致的树冠分割、检测及树形识别困难的问题,本研究提出了1种改进Mask R-CNN的B-Mask R-CNN检测模型,实现自然复杂环境下的果树树冠检测与树形识别。该模型引入了IoU(Intersection over Union)... 详细信息

针对多种树形果园环境下,由于树冠背景复杂导致的树冠分割、检测及树形识别困难的问题,本研究提出了1种改进Mask R-CNN的B-Mask R-CNN检测模型,实现自然复杂环境下的果树树冠检测与树形识别。该模型引入了IoU(Intersection over Union)平衡采样,提高了模型的训练效果;其次,在边界框损失中引入平衡L1损失,使得多分类损失与边界框损失更快地收敛;另外,在区域推荐网络中调整锚框比例适应数据集中的目标,提升了模型准确率。该研究搜集矮化密植形、小冠疏层形、自然开心形、自然圆头形以及Y形5种常见修剪树形制作数据集,应用5个检测模型进行对比试验。试验结果表明,B-Mask R-CNN检测模型平均检测精度达到98.7%,与Mask R-CNN、Faster R-CNN、U-Net以及K-means模型相比检测精度更高,对复杂背景下的树形识别具有更好的鲁棒性,能够为后续精准喷施中喷施模式和控制参数的分析及应用奠定基础。

关键词：果树树冠改进Mask R-CNN 多种树形复杂背景图像检测与识别

在线全文

学校读者我要写书评

暂无评论

复杂背景下航拍图像的电力线自动提取算法

测绘通报 2022年第4期 37-43页

作者：陈竹安邹梓龙徐志芳彭嘉琪施陈敬洪志强东华理工大学测绘工程学院江西南昌330013 自然资源部环鄱阳湖区域矿山环境监测与治理重点试验室江西南昌330013 广东国地资源与环境研究院广东广州510000 南昌工学院江西南昌330108

无人机对电力线巡检的关键问题是如何从复杂背景的航拍图像中准确地提取电力线。本文提出了一种基于二维变分模态分解(2D-VMD)提取电力线的新算法。首先对原始航拍图像进行预处理,加快数据处理速度;然后采用2D-VMD算法对预处理后的图像... 详细信息

无人机对电力线巡检的关键问题是如何从复杂背景的航拍图像中准确地提取电力线。本文提出了一种基于二维变分模态分解(2D-VMD)提取电力线的新算法。首先对原始航拍图像进行预处理,加快数据处理速度;然后采用2D-VMD算法对预处理后的图像进行分解,通过改进后的点锐度算法,选取带有电力线特征的IMF分量图,并利用Roberts算子进行边缘检测;最后利用形态学改进的Hough变换,完成对电力线的提取。试验结果表明,本文方法比传统的Canny算子结合Hough变换方法、LSD方法、Roberts算法结合形态学改进的Hough变换方法更具精确性、抗噪性、自动化。

关键词：复杂背景二维变分模态分解 Roberts算法形态学 Hough变换

在线全文

学校读者我要写书评

暂无评论

复杂背景下深度学习方法的夜光船舶目标检测

航天返回与遥感 2022年第3期43卷 124-137页

作者：刘万涛聂云峰陈兴峰李家国赵利民郑逢杰韩昱刘述民南昌航空大学信息工程学院南昌330063 中国科学院空天信息创新研究院北京100094 航天工程大学航天信息学院北京101416 西安航天天绘数据技术有限公司西安710016 江西理工大学软件工程学院南昌330013

文章针对传统阈值方法难以适用复杂背景下夜光船舶目标检测的问题,提出一种尺寸扩张注意力特征融合的Faster R-CNN方法(Size Expansion Attention Fusion Faster R-CNN,SEAFF)。首先,在Faster R-CNN基础上加入图像尺寸扩张,提升夜光船... 详细信息

文章针对传统阈值方法难以适用复杂背景下夜光船舶目标检测的问题,提出一种尺寸扩张注意力特征融合的Faster R-CNN方法(Size Expansion Attention Fusion Faster R-CNN,SEAFF)。首先,在Faster R-CNN基础上加入图像尺寸扩张,提升夜光船舶目标空间特征;然后,在深层残差网络后加入注意力机制模块,从通道和空间维度上对夜光船舶目标特征筛选;最后,结合特征金字塔网络,弥补不同层次特征提取缺失现象。实验表明,图像尺寸扩张具有很强的不可替代性,特征金字塔特征融合在抑制夜光船舶目标检测漏检具有显著影响,注意力机制在降低虚警方面有一定影响,同时引入三部分使模型达到最优。此外,通过与主流目标检测模型SSD、YOLOv5、Faster R-CNN对比表明,分别提高11.4、7.1和5.6个百分点。SEAFF模型在复杂背景下船舶夜光目标检测中具有显著优势和潜力。

关键词：图像尺寸扩张注意力机制特征金字塔网络夜光船舶复杂背景遥感应用

在线全文

学校读者我要写书评

暂无评论

复杂背景下基于深度学习的手势识别

机器人 2019年第4期41卷 534-542页

作者：彭玉青赵晓松陶慧芳刘宪姿李铁军河北工业大学人工智能与数据科学学院天津300401 河北工业大学机械工程学院天津300401

在人机交互领域,针对复杂背景下手势识别率低、算法鲁棒性差的问题,基于深度学习提出一种手势识别算法HGDR-Net (hand gesture detection and recognition network).该算法由手势检测和识别2部分构成.在手势检测阶段,为解决复杂背景下... 详细信息

在人机交互领域,针对复杂背景下手势识别率低、算法鲁棒性差的问题,基于深度学习提出一种手势识别算法HGDR-Net (hand gesture detection and recognition network).该算法由手势检测和识别2部分构成.在手势检测阶段,为解决复杂背景下手势区域提取困难的问题,基于改进的YOLO (you only look once)算法进行手势检测.改进的YOLO算法结合了手势检测的特点,解决了原始YOLO对小物体检测效果差、定位准确度不高的问题.在识别阶段,利用卷积神经网络(CNN)进行识别,并针对手势区域的尺寸多样性引入了空间金字塔池化(SPP)来解决CNN的多尺度输入问题.最后在训练过程中联合线下和实时2种数据增强方法避免过拟合问题,提升HGDR-Net的泛化能力.在NUS-II和Marcel两个复杂背景的公共数据集上进行了验证实验,识别率分别达到98.65%和99.59%.结果表明本文算法能准确地从各种复杂背景中识别手势,相比于基于人工提取特征的传统算法和其他基于CNN的算法具有更高的识别准确率和更强的鲁棒性.

关键词：手势识别复杂背景手势检测深度学习人机交互