检索结果-南通市图书馆

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度学习的水面小物体检测算法研究

基于深度学习的水面小物体检测算法研究

作者：李科西南大学

学位级别：硕士

随着人们对美好生活的追求,水资源的健康状况受到越来越多的关注。在湖泊和河道中,存在危害水体健康的漂浮物。为了避免这些漂浮物进一步威胁水资源,及时清理漂浮物变得尤为关键。尽管现有的自动化打捞设备对于大型漂浮物的收集有着不... 详细信息

随着人们对美好生活的追求,水资源的健康状况受到越来越多的关注。在湖泊和河道中,存在危害水体健康的漂浮物。为了避免这些漂浮物进一步威胁水资源,及时清理漂浮物变得尤为关键。尽管现有的自动化打捞设备对于大型漂浮物的收集有着不错的效果,但是对于小型漂浮物并不适用。在危害水资源的漂浮物中,瓶装漂浮物占据了绝大多数,这些瓶装漂浮物由于目标尺寸较小并且分布较为分散,因此给水资源的管理和监测造成了困难。虽然数据量和硬件计算能力的提高促进了以深度学习为基础的目标检测算法的飞速发展。然而,不同于普通的目标检测任务,水面小型漂浮物由于自身尺寸小(约占图像的1%～2%)并且分布很分散,导致对于水面小型漂浮物的检测仍然是一项重要且具有挑战的任务。因此,本文围绕水面小物体的检测难点,具体工作与研究内容如下:(1)构建水面小物体漂浮物检测数据集。由于目前无人船视角拍摄的数据集的样本量有限,模型可能会过度依赖于训练数据,从而导致模型会发生过拟合的情况。为了解决这一问题,首先对现有的水面小漂浮物数据集进行详细的分析和介绍,包括数据集的标注以及标注文件格式。其次,采用随机亮度、水平翻转和随机对比度三种数据增强方式对数据集中的训练集进行数据增广。最后,对数据增强后的数据集进行可视化对比和统计分析,为后面的水面小物体漂浮物检测算法提供数据基础。(2)提出一种融合特征增强和注意力机制的目标检测模型。小目标通常只占图像中少量的像素,这使得目标的细节信息很难被捕捉。同时,由于小目标周围的上下文信息相对较少,模型难以准确地判断目标的位置和类别。为了解决这一问题,首先详细介绍和分析了YOLOv7目标检测模型结构。其次,提出了一种特征增强模块,用于获取小目标多尺度上下文信息和底层特征。在特征融合过程中,不同层级的特征图可能会发生语义级别的冲突和冗余信息,导致小目标的特征被淹没在冲突信息中。因此,在模型中引入了卷积块注意力模块,以避免小目标特征淹没在冲突信息中。最后,通过实验验证本文提出的算法提高了水面小目标漂浮物的检测性能。(3)提出了一种基于尺度惩罚交并比的目标检测模型。由于小目标的边界框尺寸相对较小,在计算交并比时可能会受到细微误差的影响,导致重叠面积低于阈值,从而漏检目标。因此,常规尺寸物体通常能匹配到更多的正样本,在训练过程中能提供更丰富的梯度信息。为了解决这一问题,首先详细介绍和分析了交并比的计算方式。其次,提出了一种基于尺度惩罚交并比的计算方式,用于对不同尺寸的小目标进行相应的惩罚,以增加小目标在训练阶段的梯度信息,提高其检测性能。最后,使用PPQ量化工具对模型进行INT8量化,结果表明,量化后的模型性能没有显著下降,同时在速度和显存占用方面都有了显著的改善。

关键词：水面漂浮物小物体目标检测模型量化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征融合的小物体目标检测研究与应用

基于特征融合的小物体目标检测研究与应用

作者：王海屹北京邮电大学

学位级别：硕士

目标检测是指给定图像或者视频帧,找出其中特定物体的位置,并给出物体的类别。目标检测广泛应用于人脸检测、行人检测以及车辆检测等任务中,具有重要的应用价值。得益于卷积神经网络等模型的发展,基于深度学习的目标检测算法在各种大规... 详细信息

目标检测是指给定图像或者视频帧,找出其中特定物体的位置,并给出物体的类别。目标检测广泛应用于人脸检测、行人检测以及车辆检测等任务中,具有重要的应用价值。得益于卷积神经网络等模型的发展,基于深度学习的目标检测算法在各种大规模目标检测数据集上的性能都取得了显著的提高。虽然目标检测已取得了很多重要进展,但是对于小物体的检测性能仍存在不足。本文研究如何有效地提升小物体的目标检测性能,同时不降低或较少降低其他物体的检测性能。为此,开展了如下的研究工作:提出了使用“目标-图像比”来定义和区分不同大小的待检测物体,进而在不同的物体大小范围内分别进行实验并分析了不同特征层以及多层特征融合对于不同大小范围的物体检测的贡献程度。基于上述实验结论,设计了一个特征选择融合网络模型,应用于基于候选区域的目标检测框架Faster R-CNN(Faster Region-based Convolutional Neural Networks)模型中,该模型显著提升了针对小物体的目标检测性能。设计并实现了一个目标检测演示系统,可以对比展示本文小物体目标检测方法的检测效果。

关键词：目标检测小物体候选区域算法多层特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

物体密度测量探微

农村青少年科学探究 2007年第8期 21-22页

作者：李莉河北省宁晋县职教中心

一、固体密度测量的常用方法1.基本方法:用天平测质量,用量筒(或量杯)测体积。说明:(1)物体体积较小,能够放入量简(或量杯)。如测马铃薯密度时要注意切块。(2)当物体密度小于液体(一般是水)密度时,可用大头针等体积可忽略的小物体压至... 详细信息

一、固体密度测量的常用方法1.基本方法:用天平测质量,用量筒(或量杯)测体积。说明:(1)物体体积较小,能够放入量简(或量杯)。如测马铃薯密度时要注意切块。(2)当物体密度小于液体(一般是水)密度时,可用大头针等体积可忽略的小物体压至液而以下,也可用下挂小金属块的方法拉入液面下。2.

关键词：测力计固体密度密度测量基本方法金属块常用方法表达式小物体天平液体密度

在线全文

学校读者我要写书评

暂无评论

物体机械能变化的判定方法点击

中学生数理化（高一使用） 2007年第5期 37-38页

作者：杜占英

机械能变化的判定和计算是学习中的重点、难点,且高考出现频率较高,就此作一归纳总结.1.观察除重力外的合外力F做的功.因为只有重力做功机械能守恒,即重力做功不改变机械能。

关键词：机械能小物体解题策略重力势能合外力做功判定方法能量转化打点计时器计数

在线全文

学校读者我要写书评

暂无评论

用普通单反相机镜头倒置拍摄微小物体

教学仪器与实验 1995年第Z1期15卷 64-64页

作者：王中新江西省安义中学

用普通单反相机镜头倒置拍摄微小物体王中新（江西省安义中学）平时实验需要拍摄微小物体，如小昆虫，小植物，或翻拍珍贵的资料或相片，如果没有专用相机，没有近摄接圈或专用的近摄镜，常会放弃一些好机会．我们可将普通单反相机镜头... 详细信息

用普通单反相机镜头倒置拍摄微小物体王中新（江西省安义中学）平时实验需要拍摄微小物体，如小昆虫，小植物，或翻拍珍贵的资料或相片，如果没有专用相机，没有近摄接圈或专用的近摄镜，常会放弃一些好机会．我们可将普通单反相机镜头卸下，再倒装在单反机机身上，可使该...

关键词：小物体标准镜头江西省影像放大率物方焦点正确曝光联接卡近摄镜幻灯片黑胶布

在线全文

学校读者我要写书评

暂无评论

斜面下滑物体的力学分析

数理天地（高中版） 2008年第5期 25-26页

作者：张万军新疆乌鲁木齐市教研中心 830049

如图1所示,倾角为θ、质量为M的斜面放在光滑水平面上,一小物体(质量m,看做质点)从斜面顶端自由下滑.设斜面高为A,不计一切摩擦.

关键词：小物体斜面加速度下滑水平方向物体运动力学分析动量守恒定律几何关系速度分量

在线全文

学校读者我要写书评

暂无评论

苏联基础教学物理课程实验教学大纲(二)

课程．教材．教法 1991年第Z1期11卷 107-108页

作者：汪震球

物理(六一九年级,基本方案) 七年级(68学时) 导论(5学时) 物理研究什么;微观世界,宏观世界,宇观世界;有关大千世界典型的时空范畴概念。研究物理的方法:观察,实验,理论;物理量,测量物理量的单位,测量的仪器。物理与其它科学的联系;物... 详细信息

物理(六一九年级,基本方案) 七年级(68学时) 导论(5学时) 物理研究什么;微观世界,宏观世界,宇观世界;有关大千世界典型的时空范畴概念。研究物理的方法:观察,实验,理论;物理量,测量物理量的单位,测量的仪器。物理与其它科学的联系;物理与技术。总实验任务:用量杯测量液体的体积;借助量杯测量不规则形状物体的体积;测定小物体的面积;测量水的温度;测量时间间隔。固体,液体和气体的结构和特点(63学时)

关键词：物理量宇观世界物理研究物理课程不规则形状宏观世界小物体微观世界时间间隔基础教学

基于改进SSD和FPN算法的目标检测算法研究

在线全文

学校读者我要写书评

暂无评论

基于改进SSD和FPN算法的目标检测算法研究

作者：董晟西南大学

学位级别：硕士

在计算机视觉领域,目标检测是一个基础的应用方向,物体追踪,关键点检测都需要以目标检测为基础。目标检测也可应用于无人驾驶、智能安防等领域。然而,现阶段的目标检测技术常常由于难以处理好小物体和各种尺度的物体,因此本文针对当前... 详细信息

在计算机视觉领域,目标检测是一个基础的应用方向,物体追踪,关键点检测都需要以目标检测为基础。目标检测也可应用于无人驾驶、智能安防等领域。然而,现阶段的目标检测技术常常由于难以处理好小物体和各种尺度的物体,因此本文针对当前目标检测方法存在的中小物体漏检误检问题、多尺度问题和非极大值抑制过程中的问题,在现有目标检测方法的基础上,依次对骨干网络、多尺度特征融合、和非极大值抑制的方向进行改进,从而提高目标检测的精度。本文的主要工作和创新点如下:(1)针对小物体难以检测的问题,对目标检测算法中的骨干网络进行了改进。现阶段大多数目标检测器使用常见的骨干网络来进行特征提取,但是浅层的特征图对小物体的检测精度仍然有限,所以本文提出了改进的骨干网络,网络主要由两个部分组成,一个是普通骨干网络输出的特征金字塔,另一个是丰富了小物体特征的图像金字塔,使得融合后的特征图既有良好的定位信息又有丰富的语义信息。(2)针对多尺度特征提取问题,对目标检测算法中的特征融合层进行了改进。目标检测中的多尺度特征提取问题主要表现为对浅层的特征图的语义信息较弱,因此对小物体的检测效果不如中大型物体,本文不同于前人工作中自上而下的融合方式,设计了全新的特征融合架构,具体地,叠加了数量递减的自底向上的支路来充分融合上下层的特征来增强特征表达能力,使得融合后的特征图同时具有高语义信息和高定位信息。通过论文的实验数据,在多尺度问题上取得良好的表现。(3)针对传统非极大值抑制算法流程中会抑制掉定位更精准的边界框的问题,对目标检测技术中的非极大值抑制算法进行了改进。传统的非极大值抑制会直接将大于阈值的预测框删除掉,这样会导致误检,而且在实际情况下拥有最高分类得分的边界框,它的定位得分不一定是最高的。本文将分类得分和定位得分的乘积作为非极大值抑制算法中删除冗余框的标准,经过实验结果验证,提升了目标检测精度。为了证明我们模型的有效性,使用多个常用数据集进行消融实验,在多个评价指标中均取得良好性能,最后整合这些工作,与当前流行的各种目标检测方法在多个常用数据集上的检测精度进行了比较,本文提出的方法在一定程度上提升了目标检测的精度。

关键词：目标检测特征融合图像金字塔小物体

基于改进YOLOv3模型的快速目标检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进YOLOv3模型的快速目标检测算法研究

作者：张陶宁郑州大学

学位级别：硕士

近年来,随着预测和分类精度不断提高的需求,相应的更深层次更复杂结构的深度神经网络模型逐渐被提出和应用。而网络精度性能提高的同时也带来了神经网络模型尺寸和运算量的增加,以及运行效率的降低。随着移动和嵌入式设备的大量普及和... 详细信息

近年来,随着预测和分类精度不断提高的需求,相应的更深层次更复杂结构的深度神经网络模型逐渐被提出和应用。而网络精度性能提高的同时也带来了神经网络模型尺寸和运算量的增加,以及运行效率的降低。随着移动和嵌入式设备的大量普及和边缘计算场景的增加,在实际应用中,往往要求深度神经网络模型既要保证较高的精度,又要具有良好的实时性。目前的嵌入式边缘计算设备在计算能力和存储资源方面难以满足实际需求,因此只有在精度、网络的参数规模及速度等方面进行很好的权衡和折中,即在有限的计算能力和资源之下实现最优的模型精度性能,这样才能将深度神经网络更好地应用于移动端的边缘计算。本文重点研究针对目标检测模型YOLOv3的轻量化改进问题,通过引入Mobile Net模型的思想和其它针对性措施,使改进的YOLOv3模型能够更好地在嵌入式终端设备上实现实时高效目标检测,从而为边缘计算场景下的应用提供可能的方案。主要工作包括:一、将Mobile Net与YOLOv3结合,提出一种轻量化神经网络结构Mobile Net＿YOLOv3,使所提模型可以部署在嵌入式移动终端平台上实时运行,且平均检测精度相对其他轻量化模型有所提高。Mobile Net模型是Google公司开发的一种轻量级深度学习分离模型,适用于移动嵌入式环境,在保证精度可以满足要求的前提下具有较低的延迟。YOLOv3则是YOLO模型的最新改进版本,该模型融合了YOLOv2和Faster R-CNN锚点(anchor)机制理论,兼具有这两种算法的优势,在运行速度方面继承了YOLO算法而且可以像Faster R-CNN一样精准。但YOLOv3模型对于很多嵌入式移动平台来说运算量还显偏大,因此本文利用Mobile Net的思想和深度可分离卷积结构对YOLOv3模型进行改进,提出Mobile Net＿YOLOv3网络模型。所提出的新模型充分发挥了这两种网络模型的优点,在模型识别精确度和运行效率方面实现较好的折中。在国际通用数据集上的测试结果表明,所提出的Mobile Net＿YOLOv3模型相比原YOLOv3模型性能相当但运算量有明显降低,相比其它轻量化模型性能和运算效率均有所提升。二、提出一种针对小目标及遮挡情况的改进YOLOv3模型。虽然Mobile Net＿YOLOv3相对原有YOLOv3模型在实时性上有所改善,但还存在检测小物体与遮挡物体检测精度不高的局限性。针对此问题,本文设计出一种多尺度特征融合注意力网络(MSFAN),能够有效减少图像卷积后对特征信息的丢失,提高检测精度。同时针对数据集中小目标样本少的问题提出了数据过采样和增强策略,进一步提升了模型对小目标的检测能力。实验结果表明,MSFAN模型的平均检测精度相比原模型YOLOv3在PASCAL VOC数据集上提升5.2%、MS COCO数据集上二者精度相当,而速度均提升近一倍。

关键词：目标检测卷积神经网络嵌入式轻量化实时检测小物体