检索结果-南通市图书馆

基于改进Yolov3-Tiny的加油站目标检测算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

吉林大学学报（信息科学版） 2024年第3期42卷 559-566页

作者：张利巍杨万帅东北石油大学物理与电子工程学院黑龙江大庆163318

针对加油站场景中的目标检测算法存在检测精度低的问题,提出一种基于Yolov3-Tiny的加油站场景目标检测改进算法。该算法以Yolov3-Tiny模型为基础网络,引入Yolov4算法提出的Mosaic图像增强方式进行数据预处理,采用密集连接模块重构特征... 详细信息

针对加油站场景中的目标检测算法存在检测精度低的问题,提出一种基于Yolov3-Tiny的加油站场景目标检测改进算法。该算法以Yolov3-Tiny模型为基础网络,引入Yolov4算法提出的Mosaic图像增强方式进行数据预处理,采用密集连接模块重构特征提取网络,并将CBAM(Convolutional Block Attention Module)注意力模块与金字塔池化模块(Pyramid Pooling Module)加入到网络中,最终实现了加油站场景下的目标检测。实验结果表明,改进的算法相比于原算法的总体mAP提升了8.2%,能更有效地应用于加油站目标检测中。

关键词：目标检测密集连接模块注意力机制金字塔池化模块图像增强

基于无人机航拍与改进YOLOv3模型的云杉计数

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2020年第22期36卷 22-30页

作者：陈锋军朱学岩周文静顾梦梦赵燕东北京林业大学工学院北京100083 城乡生态环境北京实验室北京100083 德州农工大学园艺系大学城77843 林业装备与自动化国家林业局重点实验室北京100083

为解决目前苗木计数由人工完成而导致的成本高,效率低,计数精度不能得到保障的问题,该研究以自然环境下的云杉为研究对象,以无人机航拍云杉图像和拼接后完整地块云杉图像为数据源,根据云杉尺寸差异大和训练样本小的特点提出一种基于改进... 详细信息

为解决目前苗木计数由人工完成而导致的成本高,效率低,计数精度不能得到保障的问题,该研究以自然环境下的云杉为研究对象,以无人机航拍云杉图像和拼接后完整地块云杉图像为数据源,根据云杉尺寸差异大和训练样本小的特点提出一种基于改进YOLOv3模型的云杉计数模型。该模型将密集连接模块和过渡模块引入特征提取过程,形成Darknet-61-Dense特征提取网络。通过694幅无人机航拍云杉图像测试表明,密集连接模块和过渡模块可解决YOLOv3模型小样本训练过拟合问题和云杉特征丢失问题,改进YOLOv3模型可以快速准确实现云杉计数,在精确率P、召回率R、平均精度AP、平均计数准确率MCA和平均检测时间ADT这5个评价指标上达到96.81%、93.53%、94.26%、98.49%和0.351 s;对比原有YOLOv3模型、SSD模型和Faster R-CNN模型,精确率P分别高2.44、4.13和0.84个百分点。对于拼接后完整地块云杉图像,改进YOLOv3模型的5个评价指标的结果分别为91.48%、89.46%、89.27%、93.38%和1.847 s;对比原有YOLOv3模型、SSD模型和Faster R-CNN模型,精确率P分别高2.54、9.33和0.74个百分点。该研究为利用无人机快速准确统计苗木数量的关键步骤做出有益的探索。

关键词：模型无人机计数密集连接模块过渡模块特征提取

在线全文

学校读者我要写书评

暂无评论

结合图像特征迁移的光场深度估计方法

计算机工程 2023年第4期49卷 206-216页

作者：罗少聪张旭东万乐谢林芳黎书玉合肥工业大学计算机与信息学院合肥230601 工业安全与应急技术安徽省重点实验室合肥230009

光场相机可以通过单次曝光同时采集空间中光线的位置信息和角度信息,在深度估计领域具有独特优势。目前光场真实场景数据集的深度标签难以获取且准确度不高,因此现有的多数光场深度估计方法依赖光场合成场景数据集进行训练,但合成数据... 详细信息

光场相机可以通过单次曝光同时采集空间中光线的位置信息和角度信息,在深度估计领域具有独特优势。目前光场真实场景数据集的深度标签难以获取且准确度不高,因此现有的多数光场深度估计方法依赖光场合成场景数据集进行训练,但合成数据集与真实数据集在图像特征分布上的差异,导致网络在将子孔径图像与深度图之间的映射关系应用于真实数据集时容易出现偏差。提出一种新的光场深度估计方法,利用基于对抗学习的图像翻译网络,使合成场景子孔径图像逼近真实场景子孔径图像的特征分布。在图像翻译网络中实施多视图角度一致性约束,保证图像翻译前后不同视角子孔径图像之间的视差关系保持不变。设计一种多通道密集连接深度估计网络,利用多通道输入模块充分提取不同方向子孔径图像堆栈特征,并通过密集连接模块进行特征融合,提升网络特征提取和特征传递的效率。在光场合成数据集4D Light Field Benchmark和光场真实数据集Stanford Lytro Light Field上的实验结果表明:与Baseline网络相比,该网络的均方误差和坏像素率平均降低23.3%和8.6%;与EPINET、EPI_ORM、EPN+OS+GC等方法相比,基于该网络的估计方法有效提升了深度估计的准确度,具有良好的鲁棒性和泛化能力。

关键词：光场深度估计对抗学习特征迁移角度一致性密集连接模块

在线全文

学校读者我要写书评

暂无评论

基于深度学习的卫星图像道路分割算法

计算机工程 2021年第10期47卷 306-313页

作者：张新华黄梦醒张雨李玉春单怡晴冯思玲海南大学计算机与网络空间安全学院海口570228 海南大学信息与通信工程学院海口570228

针对道路分割时存在的梯度消失问题,构建基于U-Net的卫星道路图像语义分割模型。通过密集连接模块减少梯度消失,并引入空间空洞金字塔结构保留更多的图像特征,在学习深层次特征信息时采用注意力监督机制,提取道路要素的特征信息。在卫... 详细信息

针对道路分割时存在的梯度消失问题,构建基于U-Net的卫星道路图像语义分割模型。通过密集连接模块减少梯度消失,并引入空间空洞金字塔结构保留更多的图像特征,在学习深层次特征信息时采用注意力监督机制,提取道路要素的特征信息。在卫星图像道路数据集上的测试结果表明,与FCN、SegNet、U_Net算法相比,该算法模型的准确率、召回率和精确率指标分别达到96.3%、96.9%和96.6%,能够有效地对道路元素进行准确分割。

关键词：深度学习道路分割密集连接模块空间空洞金字塔结构注意力监督机制

在线全文

学校读者我要写书评

暂无评论

结合高效特征融合的可变尺寸图像隐写分析

计算机工程与应用 2021年第24期57卷 126-134页

作者：肖瑞雪冯英伟屈建萍河北建筑工程学院信息工程学院河北张家口075000 河北建筑工程学院电气工程学院河北张家口075000 河北建筑工程学院教务处河北张家口075000

为提升隐写分析的效率和准确率,并适应多尺寸输入图像,提出一个基于高效特征融合的可变尺寸图像隐写分析模型。在预处理层中,将经空域富模型的多阶高通滤波器初始化的多尺寸卷积核加入网络学习中,以提升模型的收敛效率和检测性能;在特... 详细信息

为提升隐写分析的效率和准确率,并适应多尺寸输入图像,提出一个基于高效特征融合的可变尺寸图像隐写分析模型。在预处理层中,将经空域富模型的多阶高通滤波器初始化的多尺寸卷积核加入网络学习中,以提升模型的收敛效率和检测性能;在特征提取层中,采用特征融合思想,设计两个由Ghost瓶颈层、残差模块、密集连接模块组成的子网络,并融合输出的抽象隐写语义特征和非线性的高维隐写特征,以获得隐写特征的依赖性信息,增强模型的特征表达能力;采用改良版空间金字塔池化以自适应可变尺寸的图像样本,并丰富隐写特征的多样性。经仿真分析可知,模型能正确捕获关键的隐写信号,具备较高的收敛效率,在嵌入率为0.2、0.4的WOW隐写算法的检测准确率分别为82.6%和96.5%,在嵌入率为0.2、0.4的S-UNIWARD隐写算法的检测准确率分别为81.4%和95.2%,显著高于SRM和YedroudjNet隐写分析模型。

关键词：隐写分析特征融合空间金字塔 Ghost 残差模块密集连接模块

在线全文

学校读者我要写书评

暂无评论

基于大数据的工业园区塑料废气预测模型

塑料科技 2021年第1期49卷 117-119页

作者：张清倩邱智铖洛阳铁路信息工程学校河南洛阳471002

为更好地监控工业园区塑料废气排放量,采用深度学习大数据技术提出一个工业园区塑料废气预测模型。在塑料废气预测模型的特征提取层,设计了一个由两个分支网络组成的残差模块和一个三层密集连接模块,期望提取抽象、高维的塑料废气语义信... 详细信息

为更好地监控工业园区塑料废气排放量,采用深度学习大数据技术提出一个工业园区塑料废气预测模型。在塑料废气预测模型的特征提取层,设计了一个由两个分支网络组成的残差模块和一个三层密集连接模块,期望提取抽象、高维的塑料废气语义信息;在塑料废气预测模型的分类层,采用一个全连接层来汇聚数据并进行统计。经仿真分析,获取训练至800代的塑料废气预测模型,当批次样本量为16时,它的塑料废气误差百分比最小,为0.0429,预测性能较优。研究结果可为当前工业园区塑料废气预测、监控工作提供一定的参考。

关键词：塑料废气大数据残差模块密集连接模块

在线全文

学校读者我要写书评

暂无评论

基于改进U-Net网络的遥感图像云检测

测绘通报 2020年第3期 17-20,34页

作者：张永宏蔡朋艳陶润喆王剑庚田伟南京信息工程大学自动化学院江苏南京210044 南京信息工程大学大气物理学院江苏南京210044 南京信息工程大学计算机与软件学院江苏南京210044

为了解决U-Net模型应用于云检测时对碎云和薄云存在漏检的问题,本文提出了一种改进的U-Net网络模型,并应用于FY-4A数据进行云检测。首先,利用国家气象卫星中心提供的云检测产品生成二分类云标签;其次,将U-Net模型的编码器与残差模块相结... 详细信息

为了解决U-Net模型应用于云检测时对碎云和薄云存在漏检的问题,本文提出了一种改进的U-Net网络模型,并应用于FY-4A数据进行云检测。首先,利用国家气象卫星中心提供的云检测产品生成二分类云标签;其次,将U-Net模型的编码器与残差模块相结合,使得网络参数共享,并避免深层网络的退化问题;最后,在解码器中融入密集连接模块,将浅层特征与深层特征进行连接,便于获取新的特征,并提高特征使用率。试验结果表明,模型在测试集上的IOU值和Dice系数分别为91.5%和95.2%,可以很好地检测出薄云及大量碎云,效果明显优于U-Net模型。

关键词：云检测 U-Net 残差模块密集连接模块 FY-4A

深度学习在变电站电力设备缺陷检测中的应用研究

在线全文

学校读者我要写书评

暂无评论

深度学习在变电站电力设备缺陷检测中的应用研究

作者：尹思宇电子科技大学

学位级别：硕士

现如今,我国智能电网建设进入全面快速发展的新阶段,在变电网领域,根据国家电网公司制定的发展规划要求,在传统变电站的运行模式满足不了当前发展需求的情况下,智能变电站的应用势在必行。在智能变电站的建设中,为解决海量电力设备红外... 详细信息

现如今,我国智能电网建设进入全面快速发展的新阶段,在变电网领域,根据国家电网公司制定的发展规划要求,在传统变电站的运行模式满足不了当前发展需求的情况下,智能变电站的应用势在必行。在智能变电站的建设中,为解决海量电力设备红外图像数据的智能检测问题,本文首先对红外图像进行预处理,分离出存在缺陷的电力设备,其次提取缺陷区域以提高后续算法的准确率,最后以深度学习为理论基础,提出了一种基于深度学习的电力设备红外图像缺陷识别分类的算法。所做工作内容如下:1)根据电力设备红外图像的特点,本文提出了基于HSV颜色空间的电力设备是否存在缺陷的判断方法和一种基于SLIC图像分割算法的电力设备缺陷区域提取方法,通过上述两个方法,首先在海量红外图像数据中分离出存在缺陷的电力设备红外图像,然后在图像中提取出存在缺陷的设备区域,完成对图像的预处理。2)本文通过研究电力设备热缺陷类型和设备类型之间的关系,提出了将复杂的热缺陷分类问题转换成设备分类问题的新思路。根据深度学习理论,提出了一种基于卷积神经网络的缺陷电力设备红外图像分类方法,通过对VGGNet和密集连接模块的网络结构和工作原理的分析,构建了一个DV-CNN模型对缺陷电力设备红外图像进行分类,对该模型进行实验对比分析,该模型对本文数据集中的七类缺陷电力设备红外图像的TOP-3分类识别准确率达到了90.74%。根据电流互感器的热缺陷类型的特殊性质,提出了一个改进的CNN模型对电流互感器的热缺陷类型进行分类,对该模型进行实验对比分析,电流互感器的热缺陷分类识别准确率达到了85.84%。本文所提出的电力设备缺陷检测算法可以很好的对电力设备进行缺陷智能检测,在实际应用中可以大大提高检测效率,降低电力设备运维成本,为智能变电站的建设做出了积极的探索。

关键词：深度学习电力设备图像处理双线性池化密集连接模块

基于深度学习的肝脏肿瘤CT图像分割方法研究

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

基于深度学习的肝脏肿瘤CT图像分割方法研究

作者：曾翔南昌大学

学位级别：硕士

肝癌是常见疾病之一,从计算机断层扫描(Computed Tomography,CT)中提取的定量生物标志物可以为肝细胞癌诊断创造一个强有力的临床决策工具。目前主要通过临床医生进行手动分割肿瘤,通常需要花费大量的时间和资源,因此通过计算机辅助系... 详细信息

肝癌是常见疾病之一,从计算机断层扫描(Computed Tomography,CT)中提取的定量生物标志物可以为肝细胞癌诊断创造一个强有力的临床决策工具。目前主要通过临床医生进行手动分割肿瘤,通常需要花费大量的时间和资源,因此通过计算机辅助系统提取肝脏及肿瘤区域是十分必要的,针对上述问题,本文开展了基于U-Net网络的肝脏肿瘤分割方法研究,具体研究工作如下:(1)针对肝脏CT图像分割,本文提出了基于多尺度注意力网络的肝脏分割算法。以2D U-Net网络作为基础网络,首先为了学习图像更多的信息和防止出现过拟合,将U-Net编码器中传统的卷积块替换为残差块。其次,在解码器中引入挤压和注意模块,结合空间和通道两个方面自适应学习图像特征,提高肝脏分割精度。最后,为了解决卷积和下采样带来的特征信息丢失问题,利用多尺度空洞卷积模块替代过渡层和输出层,通过不同的接收域获取多尺度图像信息,从而进一步提升分割精度。(2)针对肿瘤CT图像分割,本文提出了基于改进3D U-Net网络的肝脏肿瘤分割算法。3D网络解决了2D网络没有学习到空间信息的问题,该网络将U-Net中的卷积结构替换成密集连接结构,同时引入注意力机制抑制无关区域,提高了模型的稳定性和精度。针对3D卷积带来计算大的问题,本文在编码层中将传统卷积替换深度可分卷积,深度可分卷积在一定程度降低了GPU对内存的需求和计算成本。(3)为了验证本文提出的肝脏肿瘤分割模型的性能,与合作医院建设肝脏肿瘤数据集,用于测试肿瘤分割效果,来验证提出的模型的泛化能力和稳健性,进一步分析本文方法对于肝脏肿瘤分割的有效性以及临床研究价值。实验结果表明,本文提出的两阶段分割模型,第一个网络提取肝脏的位置,第二个网络使用第一个网络的结果来进一步分割肿瘤,改进后的模型能够更加高效准确的完成肿瘤分割。

关键词：肝脏肿瘤分割残差模块注意力机制密集连接模块