检索结果-南通市图书馆

基于改进YOLO-ResNet混合神经网络的配网杆塔倾倒实时智能检测

在线全文

学校读者我要写书评

暂无评论

南方电网技术 2022年第8期16卷 133-141页

作者：张宝星莫一夫潘岐深谢锐彪广东电网有限责任公司广州510623 华北电力大学控制与计算机工程学院北京102206

针对配网勘灾中人工勘灾效率低下和机巡勘灾需后端分析导致灾情信息反馈不及时的问题,立足于前端实时智能检测模式,提出了基于改进YOLO-ResNet混合神经网络的配网杆塔倾倒实时检测模型。首先,改进传统YOLO-V3的损失函数,利用广义交并比(... 详细信息

针对配网勘灾中人工勘灾效率低下和机巡勘灾需后端分析导致灾情信息反馈不及时的问题,立足于前端实时智能检测模式,提出了基于改进YOLO-ResNet混合神经网络的配网杆塔倾倒实时检测模型。首先,改进传统YOLO-V3的损失函数,利用广义交并比(generalized intersection over union,GIoU)计算目标检测框损失,有效提升杆塔主体检测的准确性。其次,采用ResNet-50定位杆塔端点和中心线,提出一种杆塔姿态判断方法以快速计算杆塔倾斜角度。最后,研发了一种便携式设备并部署了所提模型,以实地采集的数据对模型和设备进行测试,结果表明该设备对杆塔姿态判断的整体准确率达93.48%,设备平均功耗9 W,可用于前端实时智能分析、汇总杆塔受灾情况,验证了模型和设备的有效性。

关键词：杆塔检测姿态判断配网勘灾便携式设备广义交并比

基于改进YOLOv3的桥梁底部裂缝目标检测方法

在线全文

学校读者我要写书评

暂无评论

中国科技论文 2022年第3期17卷 252-259页

作者：杨富强余波赵嘉彬闫涛唐伟西安科技大学理学院西安710054 西安科技大学机械工程学院西安710054

为实现桥梁裂缝的快速、准确定位,考虑光照变化、污渍阴影等干扰因素的影响,提出一种结合桥梁检测机和改进单阶段目标检测(you only look once version 3,YOLOv3)算法的桥梁裂缝检测方法。首先,在预处理阶段,采用改进自适应Mask匀光算... 详细信息

为实现桥梁裂缝的快速、准确定位,考虑光照变化、污渍阴影等干扰因素的影响,提出一种结合桥梁检测机和改进单阶段目标检测(you only look once version 3,YOLOv3)算法的桥梁裂缝检测方法。首先,在预处理阶段,采用改进自适应Mask匀光算法对数据集进行处理,矫正阴影和光照不均等问题,提高算法环境适应能力;其次,在目标检测阶段,针对桥梁裂缝的特点,对数据集使用k-means++算法聚类先验框以适应裂缝的不同尺寸,采用广义交并比对YOLOv3损失函数进行改进以提高定位精度;最后,采用迁移学习对YOLOv3进行训练。实验结果表明,在迭代140个epoch后,检测速度可达到31帧/s,平均精度(average precision,AP)达到94.88%,相比于采用原始数据集的原始YOLOv3网络AP值提高了13.16%,能够满足实时性和高精度的检测要求。

关键词：计算机技术应用桥梁裂缝目标检测 Mask匀光算法 k-means++聚类广义交并比

在线全文

学校读者我要写书评

暂无评论

基于轮廓点预测的图像实例分割算法研究

基于轮廓点预测的图像实例分割算法研究

作者：谷文超北京交通大学

学位级别：硕士

实例分割任务旨在检测图像中的目标物体并在像素层面对目标物体进行语义分割,这是自然场景理解的关键技术之一。为了实现实例分割任务,基于轮廓点预测的方法通过预测实例轮廓点集合以得到闭合实例掩膜。然而,现阶段基于轮廓点预测的实... 详细信息

实例分割任务旨在检测图像中的目标物体并在像素层面对目标物体进行语义分割,这是自然场景理解的关键技术之一。为了实现实例分割任务,基于轮廓点预测的方法通过预测实例轮廓点集合以得到闭合实例掩膜。然而,现阶段基于轮廓点预测的实例分割方法均存在轮廓泄露和掩膜泄露问题,导致了该类方法的性能与基于掩膜预测的实例分割方法存在着差距。为了缓解这两种泄露问题,本文提出了一种统一的细化模块,并基于该细化模块设计了一种高性能的基于轮廓点预测的实例分割框架,在COCO数据集上取得了优异的性能表现。本文的主要工作如下:(1)本文以经典的实例分割框架Polar Mask为基本框架,提出了内部中心点和难例中心度,有效地缓解了Polar Mask存在的过度筛除候选实例的问题,构成了基于轮廓点预测的实例分割基准网络。(2)为了缓解基于轮廓点预测的实例分割方法存在的轮廓泄露和掩膜泄露问题,本文提出了轮廓点细化和内部区域细化两个子模块。在轮廓点细化子模块中,原始轮廓点被建模为卫星图结构,利用Star Transformer网络来动态更新原始轮廓点对应的特征。基于更新后的轮廓点特征,预测了原始轮廓点对应的偏移量以实现轮廓点细化。在内部区域细化子模块中,一个基于原型网络的模块被用于实例热力图的生成,用以缓解掩膜泄露问题。通过将两个子模块进行集成,得到了一个系统的轮廓和内部区域细化模块(Contour and Enclosed Region Refining Module,CORE),该模块可以提升任意基于轮廓点预测的实例分割方法性能。(3)根据基于轮廓点预测的实例分割方法掩膜建模特点,本文结合广义交并比(Generalized Intersection over Union,GIo U)损失函数的定义,设计了极坐标系下的广义交并比Polar GIo U损失函数,实现了更优的轮廓点回归监督。(4)为了增强基于轮廓点预测的实例分割方法中实例特征的表征能力,本文设计了一个可有效融合深度神经网络中高层语义信息和底层空间信息的特征交织网络。该交织网络中设计了三个子模块,分别可用于增强不同尺度特征间的互补性、增强实例特征中图像全局信息、融合高层特征和底层特征以产生具有更强表征能力的实例特征。实验结果表明,将CORE中特征提取部分替换为提出的特征交织网络可以有效地提升实例分割任务的性能。最终,基于实例分割基准网络和上述四个方面的改进,本文提出了性能更优的基于轮廓点预测的实例分割框架。通过实验表明,该实例分割框架在COCO 2017数据集上取得了38.2AP的性能,优于当前大多数基于轮廓点预测的实例分割方法。

关键词：实例分割 Star Transformer 广义交并比特征交织

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

EAST改进的任意方向场景文本检测

重庆邮电大学学报(自然科学版) 2021年

作者：庞宇张焱杰林金朝蔡元奇重庆邮电大学光电信息感测与传输技术重庆市重点实验室

EAST检测算法速度快且结构简单，但是由于文本结构的特殊性，导致在检测中尺寸较小的文本会被遗漏，而较长的文本则完整性较差。针对EAST算法存在的问题提出一种新的自然场景文本检测模型。该方法利用自动架构搜索的全卷积网络(Neural A... 详细信息

EAST检测算法速度快且结构简单，但是由于文本结构的特殊性，导致在检测中尺寸较小的文本会被遗漏，而较长的文本则完整性较差。针对EAST算法存在的问题提出一种新的自然场景文本检测模型。该方法利用自动架构搜索的全卷积网络(Neural Architecture Search Feature Pyramid Network， NAS-FPN)设计搜索空间，覆盖所有可能的跨尺度连接提取自然场景图像特征。针对输出层进行修改，一方面通过广义交并比(Generalized Intersection over Union， GIOU)作为指标提升边界框的回归效果，另一方面通过对损失函数进行修改解决类别失衡问题。最后，输出场景图像中任意方向的文本区域检测框。该方法在ICDAR2013和ICDAR2015数据集上都取得了较好的检测结果，与其它文本检测方法相比检测效果也得到了明显提升。

关键词：文本检测全卷积网络搜索空间广义交并比类别失衡

基于YOLO v3算法改进的交通标志识别算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用 2020年第8期40卷 2472-2478页

作者：江金洪鲍胜利史文旭韦振坤中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对目前交通标志识别任务在使用深度学习算法时存在模型参数量大、实时性较差和准确率较低的问题,提出了基于YOLO v3改进的交通标志识别算法。该算法首先将深度可分离卷积引入YOLO v3算法的特征提取层,将卷积过程分解为深度卷积、逐点... 详细信息

针对目前交通标志识别任务在使用深度学习算法时存在模型参数量大、实时性较差和准确率较低的问题,提出了基于YOLO v3改进的交通标志识别算法。该算法首先将深度可分离卷积引入YOLO v3算法的特征提取层,将卷积过程分解为深度卷积、逐点卷积两部分,实现通道内卷积与通道间卷积之间的分离,从而保证了在较高识别准确率的基础上极大地减少了算法模型参数数量以及计算量。其次,在损失函数设计上使用广义交并比(GIoU)损失替换均方误差(MSE)损失,将评测标准量化为损失,解决了MSE损失存在的优化不一致和尺度敏感的问题,同时将Focal损失加入到损失函数以解决正负样本严重不均衡的问题,通过降低大量简单背景类的权重使得算法更专注于检测前景类。将该算法应用于交通标志任务中的结果表明,在TT100K数据集上,该算法的平均精度均值(mAP)指标达到了89%,相较于YOLO v3算法提升了6.6个百分点,且其参数量仅为原始YOLO v3算法的1/5左右,每秒帧数(FPS)亦比YOLO v3算法提升了60%。该算法在极大地减少模型参数量和计算量的同时,提高了检测速度和检测精度。

关键词：交通标志识别 YOLO v3算法广义交并比深度可分离卷积损失函数 Focal损失

在线全文

学校读者我要写书评

暂无评论

基于EAST改进的任意方向场景文本检测

重庆邮电大学学报（自然科学版） 2021年第5期33卷 868-876页

作者：庞宇张焱杰林金朝蔡元奇重庆邮电大学光电信息感测与传输技术重庆市重点实验室重庆400065

高效和准确的场景文本(efficient and accuracy scene text,EAST)检测算法速度快且结构简单,但是由于文本结构的特殊性,导致在检测中尺寸较小的文本会被遗漏,而较长的文本则完整性较差。针对EAST算法存在的问题提出一种新的自然场景文... 详细信息

高效和准确的场景文本(efficient and accuracy scene text,EAST)检测算法速度快且结构简单,但是由于文本结构的特殊性,导致在检测中尺寸较小的文本会被遗漏,而较长的文本则完整性较差。针对EAST算法存在的问题提出一种新的自然场景文本检测模型。该方法利用自动架构搜索的特征金字塔网络(neural architecture search feature pyramid network,NAS-FPN)设计搜索空间,覆盖所有可能的跨尺度连接提取自然场景图像特征。针对输出层进行修改,一方面通过广义交并比(generalized intersection over union,GIOU)作为指标提升边界框的回归效果;另一方面通过对损失函数进行修改解决类别失衡问题。输出场景图像中任意方向的文本区域检测框。该方法在ICDAR2013和ICDAR2015数据集上都取得了较好的检测结果,与其他文本检测方法相比,检测效果也得到了明显提升。

关键词：文本检测全卷积网络搜索空间广义交并比类别失衡

基于EL-YOLO的虹膜图像人眼定位及分类算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2021年第17期57卷 217-223页

作者：陈金鑫沈文忠上海电力大学电子与信息工程学院上海201306

针对当前的人眼定位算法应对复杂环境的抗干扰能力不强、定位准确度较差以及无左右眼分类的问题,提出了一种基于轻量级网络的虹膜图像人眼定位及左右眼分类算法。利用YOLO算法结合高性能的轻量级网络模型设计EL-YOLO模型,损失函数引入... 详细信息

针对当前的人眼定位算法应对复杂环境的抗干扰能力不强、定位准确度较差以及无左右眼分类的问题,提出了一种基于轻量级网络的虹膜图像人眼定位及左右眼分类算法。利用YOLO算法结合高性能的轻量级网络模型设计EL-YOLO模型,损失函数引入广义交并比(GIoU),使得网络训练可以快速收敛,且定位精度高。在CASIA-IrisV4、MIR2016以及本实验室采集的数据集SEPAD_V1和SEPAD_V2上的实验结果表明,EL-YOLO模型较小,运行速度快,且拥有较高的定位及分类准确率,具有较强的泛化能力。

关键词：虹膜识别人眼定位轻量级网络广义交并比

基于改进faster RCNN的木材运输车辆检测

在线全文

学校读者我要写书评

暂无评论

计算机应用 2020年第S1期40卷 209-214页

作者：徐义鎏贺鹏任东王慧董婷邵攀三峡大学计算机与信息学院湖北宜昌443000 湖北省农业环境安全遥感监测分析重点实验室湖北宜昌443000

针对目前森林资源受到盗砍盗伐威胁,相关木材运输车辆行为隐蔽,进而导致无法准确地在交通视频中被识别的问题,提出了一种基于改进fater区域卷积神经网络(faster RCNN)的木材运输车辆检测方法。首先,采用faster RCNN作为基础检测框架,使... 详细信息

针对目前森林资源受到盗砍盗伐威胁,相关木材运输车辆行为隐蔽,进而导致无法准确地在交通视频中被识别的问题,提出了一种基于改进fater区域卷积神经网络(faster RCNN)的木材运输车辆检测方法。首先,采用faster RCNN作为基础检测框架,使用金字塔特征网络(FPN)、多尺度训练、锚点框聚类作为基础改进措施;其次,以广义交并比(GIoU)损失函数替换原算法中的smoothL1损失函数作为边界框定位回归的损失函数;最后,计算出在多种实验条件下的模型平均精度均值(mAP),对各种算法进行了对比。实验结果表明,使用GIoU作为损失函数的faster RCNN相比原算法对木材运输车辆检测的平均精度(AP)上升了7.5%,模型平均精度均值(mAP)上升了4.3%;同时,在大型数据集PASCALVOC上,使用GIoU作为损失函数的faster RCNN的mAP达到73.4%,相比其他算法具有明显优势。

关键词：广义交并比目标检测损失函数金字塔特征网络 faster区域卷积神经网络车型检测

基于改进Faster R-CNN的钢轨踏面块状伤损检测方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2021年第3期41卷 904-910页

作者：罗晖贾晨芦春雨李健华东交通大学信息工程学院南昌330013

针对钢轨踏面块状伤损存在的尺度变化大、样本数据集小的问题,提出了基于改进Faster R-CNN的钢轨踏面块状伤损检测方法。首先,基于ResNet-101基础网络结构来构建多尺度特征金字塔(FPN),以实现深、浅层特征信息的融合,从而提高了小尺度... 详细信息

针对钢轨踏面块状伤损存在的尺度变化大、样本数据集小的问题,提出了基于改进Faster R-CNN的钢轨踏面块状伤损检测方法。首先,基于ResNet-101基础网络结构来构建多尺度特征金字塔(FPN),以实现深、浅层特征信息的融合,从而提高了小尺度伤损的检测精度;然后,采用广义交并比(GIoU)损失解决了Faster R-CNN中回归损失SmoothL1对预测边框位置不敏感问题;最后,提出引导锚定的区域提名网络(GA-RPN)方法,从而解决了区域生成网络(RPN)生成的锚点大量冗余而导致的检测网络训练中正负样本失衡问题。训练过程中,基于翻转、裁剪、噪声扰动等图像预处理方法对RSSDs数据集进行扩充,解决了钢轨踏面块状伤损训练样本不充足问题。实验结果表明,所提改进方法对钢轨踏面块状伤损检测的平均精度均值(mAP)可达到82.466%,相较于Faster R-CNN提高了13.201个百分点,能够更加准确地检测钢轨踏面块状伤损。

关键词：钢轨踏面块状伤损检测 Faster区域卷积神经网络特征金字塔广义交并比区域建议网络