检索结果-南通市图书馆

基于感受野增强与并行坐标注意力的航拍小目标检测

在线全文

学校读者我要写书评

暂无评论

电子测量技术 2023年第7期46卷 138-143页

作者：章曙光邵政瑞鲍锐唐锐安徽建筑大学电子与信息工程学院合肥230601 安徽建筑大学信息网络中心合肥230601

针对航拍图像小目标占比多、背景复杂、存在检测精度低的问题。提出一种基于感受野增强与并行坐标注意力的航拍小目标检测算法,设计一种感受野增强模块,使用不同大小的空洞卷积扩大感受野范围并融合有效通道注意力机制来提高网络的特征... 详细信息

针对航拍图像小目标占比多、背景复杂、存在检测精度低的问题。提出一种基于感受野增强与并行坐标注意力的航拍小目标检测算法,设计一种感受野增强模块,使用不同大小的空洞卷积扩大感受野范围并融合有效通道注意力机制来提高网络的特征提取能力;改进特征融合结构来提高算法对小目标的检测能力;设计一种并行坐标注意力模块用以提高航拍密集小目标检测以及抗背景干扰能力。采用不同输入分辨率在VisDrone数据集上进行实验,实验结果表明,所提算法的mAP0.5相较于YOLOv5算法提高了5.4%,mAP0.5:0.95提高了4.2%,在输入分辨率1 536×1 536下的mAP0.5可达54.9%,可以实现较好的小目标检测效果。

关键词：小目标检测感受野增强并行坐标注意力航拍图像

在线全文

学校读者我要写书评

暂无评论

基于感受野和特征增强的遥感图像实时检测

激光与光电子学进展 2023年第2期60卷 321-330页

作者：张廓陈章进乔栋张岩上海大学微电子研究与开发中心上海200444 上海大学现代教育技术中心上海200444

遥感图像检测在计算机视觉领域中是一项具有挑战性的任务,目前的遥感图像检测方法在提升精度的基础上忽略了速度,而在资源勘测和海上救援等需要实时检测的场景中,提高检测速度也是必不可少的。基于此,提出了一种轻量化的目标检测网络,... 详细信息

遥感图像检测在计算机视觉领域中是一项具有挑战性的任务,目前的遥感图像检测方法在提升精度的基础上忽略了速度,而在资源勘测和海上救援等需要实时检测的场景中,提高检测速度也是必不可少的。基于此,提出了一种轻量化的目标检测网络,以实现检测精度和速度的权衡。基于YOLOv4进行设计,将原主干网络替换为剪枝后的MobileNetV2,将特征提取部分的普通卷积计算替换为深度可分离卷积以大幅度减小模型计算量,同时嵌入感受野增强模块和注意力机制模块以提升模型检测精度。在遥感图像数据集上的实验结果表明:所提网络的平均准确率达到了89.80%,检测速度达到33.4 frame/s;与YOLOv4相比,平均准确率仅下降了1.48个百分点,但检测速度提升了近1.5倍;与YOLOv4-Tiny相比,平均准确率提升了9.05个百分点。所提模型实现了速度和精度的权衡,权重仅为44 MB,易于部署,且能满足实时检测场景需要。

关键词：遥感目标检测遥感图像轻量化网络感受野增强注意力机制

增强小目标特征的多尺度光学遥感图像目标检测

在线全文

学校读者我要写书评

暂无评论

光学学报 2024年第6期44卷 374-386页

作者：单慧琳王硕洋童俊毅胡宇翔张雁皓张银胜南京信息工程大学电子与信息工程学院江苏南京210044 无锡学院电子信息工程学院江苏无锡214105

针对光学遥感图像目标分布密集、尺度变化范围较大及小目标特征信息过少等造成目标检测精度不高、泛化能力差等问题,本文提出了一种增强小目标特征的多尺度神经网络(ESF-MNet)。首先在骨干网络中引入注意力模块构建出高效层注意力聚合结... 详细信息

针对光学遥感图像目标分布密集、尺度变化范围较大及小目标特征信息过少等造成目标检测精度不高、泛化能力差等问题,本文提出了一种增强小目标特征的多尺度神经网络(ESF-MNet)。首先在骨干网络中引入注意力模块构建出高效层注意力聚合结构,以增强特征提取能力;此外,在浅层特征图与颈部网络融合之前加入感受野增强模块,以捕获不同尺度的上下文信息。其次,使用GSConv构成颈部网络,减少网络层参数量,保持网络的特征提取能力,并通过基于内容感知的特征重组模块提高识别精度。最后,采用下采样率分别为4、8和16倍的三个下采样模块作为头部网络输入,来提高小目标的检测效果。为了证明该方法的有效性,在DOTA数据集和NWPU NHR-10数据集上进行实验,平均检测精度分别达78.6%和94.3%,计算复杂度为94.7 G,整体模型大小为26.2 M。该方法具备检测精度高、计算复杂度低、模型权重小等特点,能有效提高小目标的检测精度,进一步改善光学遥感图像小目标检测性能。

关键词：光学遥感图像目标检测感受野增强特征融合注意力机制

在线全文

学校读者我要写书评

暂无评论

改进SSD的飞机遥感图像目标检测

液晶与显示 2022年第1期37卷 116-127页

作者：王浩桐郭中华宁夏大学物理与电子电气工程学院宁夏银川750021 宁夏沙漠信息智能感知重点实验室宁夏银川750021

针对当前飞机遥感图像目标检测算法的精度和实时性不能兼顾的问题,提出了基于SSD(Single Shot MultiBox Detector)的飞机遥感图像目标检测算法。首先使用经过改进后的深度残差网络替换SSD的骨架网络,对于特征图之间缺少特征信息关联和... 详细信息

针对当前飞机遥感图像目标检测算法的精度和实时性不能兼顾的问题,提出了基于SSD(Single Shot MultiBox Detector)的飞机遥感图像目标检测算法。首先使用经过改进后的深度残差网络替换SSD的骨架网络,对于特征图之间缺少特征信息关联和特征通道间缺少差异性权重值的问题,设计了一种含有特征感受野增强模块与注意力机制模块的新型特征金字塔网络。该网络用以融合不同层级的特征信息和训练特征通道间的权重系数,使得深层网络和浅层网络都得到结构层次丰富的融合特征,为后续网络的分类与定位提供了良好的前提。另外,在改进后的SSD算法中还使用了聚焦分类损失函数来解决正负样本不平衡的问题。在飞机遥感数据集上进行相关实验,精度均值达到92.45%,每秒帧率为35.6。结果表明,改进后的SSD算法能够同时兼顾高检测精度和实时性。

关键词：目标检测遥感图像特征融合感受野增强注意力机制

在线全文

学校读者我要写书评

暂无评论

基于无锚框的多尺度目标检测算法研究

基于无锚框的多尺度目标检测算法研究

作者：卢皓西安建筑科技大学

学位级别：硕士

在人工智能不断发展的时代下,计算机视觉成为不可缺少的一部分,尤其是多尺度目标检测,它在智慧城市、智能监控等领域中发挥着重要作用。然而,机场环境下的多尺度目标检测过程中,现有目标检测算法仍存在小目标和密集目标的漏检、误检等... 详细信息

在人工智能不断发展的时代下,计算机视觉成为不可缺少的一部分,尤其是多尺度目标检测,它在智慧城市、智能监控等领域中发挥着重要作用。然而,机场环境下的多尺度目标检测过程中,现有目标检测算法仍存在小目标和密集目标的漏检、误检等问题。为实现机场的高效管理,提升智能化水平,针对鸟瞰视角下的飞机目标和X光危险品目标,通过设计和构造两种无锚框的目标检测算法,提升改进算法对机场环境中鸟瞰视角下的小目标、密集目标和重叠目标的检测性能,加速智能化机场的建设。本文主要贡献如下:(1)针对机场密集多尺度飞机目标的漏检、误检等问题,提出一种感受野增强和记忆型特征融合的Center Net算法。首先,引入多尺度感受野模块和残差注意力模块对Res Net50改进,并将其作为新的特征提取网络。感受野增强模块拓宽网络宽度,增强多尺度特征提取能力,残差注意力模型加强网络末端定位目标的能力。其次,用记忆型特征融合模块代替三次反卷积,消除反卷积产生的棋盘效应。同时,浅层细节信息和深层语义信息能通过该融合网络充分融合,输出特征图中的关键信息也进一步增强。实验结果表明,改进算法检测机场停泊飞机目标的准确率为88.46%,与Center Net算法相比提升18.21%,并且检测速度也得到保证。(2)针对X光危险品的背景与目标类似而导致的多尺度重叠危险品检测性能不足的问题,提出一种特征重计算和通道洗牌的目标检测算法。首先,采用改进的解耦式检测头作为该算法检测头,在该检测头中通过重新计算不同通道的特征权重,减少重要特征的丢失,同时加强对多尺度目标的定位能力。其次,引入一种以幽灵模块为导向的空洞空间卷积金字塔模型,扩大对多尺度目标的感知范围,并抑制背景信息的干扰。最后,引入通道洗牌的融合方法改进融合方式,该融合方法将不同通道的特征重新排列,丰富上下文信息,同时也增强语义信息。在多尺度X光危险品数据集上的实验结果表明,改进算法检测危险品的平均准确率达到92.35%,与基础算法相比提升5.48%,且保证了实时性。(3)引入Pascal VOC数据集作为感受野增强和记忆型特征融合算法的交叉验证数据集,同时引入CVC-09夜间行人数据集作为特征重计算和通道洗牌算法的交叉验证数据集,通过不同数据集以及不同种类的目标进一步说明改进算法的鲁棒性和普适性。

关键词：多尺度机场目标无锚框算法感受野增强注意力机制特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的航拍图像小目标检测算法研究

基于深度学习的航拍图像小目标检测算法研究

作者：邵政瑞安徽建筑大学

学位级别：硕士

随着计算机视觉技术的飞速发展,目标检测的应用领域及需求变得越来越高。现如今,伴随着无人机的普及,无人机与目标检测技术的结合应用也越来越广泛,如交通监控、农业植保、野外监测、电力巡检、灾难救援等,但是将通用的目标检测算法应... 详细信息

随着计算机视觉技术的飞速发展,目标检测的应用领域及需求变得越来越高。现如今,伴随着无人机的普及,无人机与目标检测技术的结合应用也越来越广泛,如交通监控、农业植保、野外监测、电力巡检、灾难救援等,但是将通用的目标检测算法应用于航拍图像小目标检测领域时,存在小目标漏检、误检以及小目标检测精度低的问题。故针对上述问题,本文作如下研究:(1)针对航拍图像小目标占比多、背景复杂、存在检测精度低的问题,本文选取Anchor-Based目标检测算法模型YOLOv5作为模型基准,提出一种基于感受野增强与并行坐标注意力的航拍小目标检测算法。该算法提出一种感受野增强模块,使用不同大小的空洞卷积扩大感受野范围并融合有效通道注意力机制来提高网络的特征提取能力;提出一种并行坐标注意力模块,加强网络模型对深层次小目标特征的挖掘能力,解决航拍小目标遮挡和漏检问题;改进特征融合结构来提高算法模型对小目标的检测能力。在航拍数据集Vis Drone2019上进行实验,本文所提算法的m AP0.5相较于YOLOv5算法提高了5.4%,m AP0.5:0.95提高了4.2%,在输入分辨率1536×1536下的m AP0.5可达54.9%,实验结果表明,本文所提算法可以较好的提高航拍图像小目标检测效果。(2)基于上述Anchor-Based目标检测算法在处理航拍密集小目标存在锚点框空间分布密集导致计算资源增加、检测效果不佳等问题,本文在Anchor-Free目标检测算法模型YOLOx的基础上提出一种改进YOLOx的航拍图像密集小目标检测算法。该算法利用可变形卷积自适应卷积核的特性来学习航拍密集小目标特征,提高对航拍密集小目标特征的学习能力;其次通过将Swin Transformer融入到YOLOx的特征融合当中去,设计了融合Swin Transformer Block的C3Swin TR模块,借助Swin Transformer的全局注意力机制,增强算法模型对航拍密集小目标的关注度以及对密集小目标的特征表达能力;最后改进边框回归损失函数,使用α-CIOU损失函数提高密集小目标边框回归的准确度来提高算法模型精度。在DenseVis Drone2019上进行实验,本文所提算法与原始YOLOx相比,m AP0.5指标上提升了3.7%,m AP0.5:0.95指标上提升了3.6%。图[36]表[7]参[74]

关键词：航拍图像小目标检测感受野增强并行坐标注意力 Anchor-Free

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YOLOv7改进的人脸检测算法

基于YOLOv7改进的人脸检测算法

作者：臧露奇南昌大学

学位级别：硕士

近年来,基于深度学习的人脸检测算法取得了很大的进展,研究者们从模型架构、数据增强、标签分配等不同的角度提出了很多人脸检测算法,虽然达到了很高的准确率,但是其设计过于复杂,导致不能在工业界广泛应用。而YOLO系列算法因其较好的... 详细信息

近年来,基于深度学习的人脸检测算法取得了很大的进展,研究者们从模型架构、数据增强、标签分配等不同的角度提出了很多人脸检测算法,虽然达到了很高的准确率,但是其设计过于复杂,导致不能在工业界广泛应用。而YOLO系列算法因其较好的综合性能,逐渐成为大多数工业应用的首选算法。本文基于当前最新的YOLOv7算法并借鉴了业界已有的先进技术,提出两种基于YOLOv7改进的人脸检测算法。(1)为解决当前人脸检测领域存在的人脸尺度变化较大,人脸遮挡等问题,在原始模型上进行了多项改进和优化,主要包括以下几个方面:1)增加两个预测特征层,分别用来进行大脸和小脸的预测;2)在骨干网络末端加入多分支的感受野增强模块,让模型自适应地学习最合适的感受野;3)使用复制、缩小和粘贴的数据增强策略来增加小脸的训练样本数量;4)使用排斥损失和注意力模块缓解人脸遮挡问题;5)加入人脸关键点损失,使模型对人脸的定位更加精准,方便与人脸检测的后续任务进行对接。(2)为了使模型在嵌入式设备和移动设备上能有较高的准确率和较快的推理速度,设计了更轻量化的人脸检测算法,主要的改进包括以下几个方面:1)使用改进后的Shuffle Net V2替换原始模型的骨干网络;2)为了缓解替换骨干网络后准确率降低的问题,使用更加精细的特征融合模块替换原始的特征融合模块;3)探索了边界框回归损失的最优组合策略。最后在公开的人脸检测数据集WIDER FACE上进行实验,并与目前一些先进的人脸检测算法进行对比,验证了本文所提算法的有效性。

关键词：人脸检测 YOLOv7 感受野增强人脸遮挡特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的水下目标检测算法研究

基于深度学习的水下目标检测算法研究

作者：李伟燕山大学

学位级别：硕士

水下目标检测是自主水下机器人视觉感知系统中关键性技术之一,其利用传感器采集的图像信息快速准确的识别目标,为后续目标跟踪和定位提供必要依据。本文以水下的海参、海胆等目标为研究对象,首先介绍了水下目标检测研究的现状、意义以... 详细信息

水下目标检测是自主水下机器人视觉感知系统中关键性技术之一,其利用传感器采集的图像信息快速准确的识别目标,为后续目标跟踪和定位提供必要依据。本文以水下的海参、海胆等目标为研究对象,首先介绍了水下目标检测研究的现状、意义以及深度学习目标检测算法网络结构的构成,在此基础上分析了水下目标检测的难点,从骨干特征网络以及多尺度特征融合方面展开研究,提出并训练了一种基于深度学习的水下目标检测算法模型,提高了水下目标检测精度,为海洋目标捕捉提供新型解决方案,为海洋学目标研究提供新的技术辅助。本文主要工作如下:(1)首先针对ATSS(Adaptive Training Sample Selection)算法水下环境水质混浊、光线差等问题以及远景拍摄小尺度目标检测精度低的问题,对进行改进。首先改进原算法的骨干特征网络,设计了两个含有空洞卷积的模块,来插入到Res Net-50中的网络结构,来增强模型的感受野;其次对于特征金字塔网络C3、C4、C5三个特征图分别使用三个不同大小膨胀率的卷积进行处理,并进行自顶向下以及自下向上的特征融合,生成了细节信息丰富、强鲁棒性的特征。(2)针对上面改进算法中部分小目标检测失败的问题,提出了多尺度平衡特征融合模块以及在特征金字塔网络添加基于注意力的Conv2Former的模块。首先对于特征金字塔网络,对相邻层特征进行融合之前进行特征筛选,突出相关的特征信息,抑制无关的背景信息,从而能够更好的融合各个层的信息;其次在特征金字塔网络中加入Conv2Former的模块,经过反复计算和实验,最终选定了合适大小的大卷积核,其和其它卷积相乘构成的卷积调制模块的主体可以实现局部的信息交互,Transformer模块可以捕捉图像中的全局语义信息,卷积操作和Transformer模块相互配合,相互补充,共同实现信息交互,从而更好地检测小目标。

关键词：深度学习水下目标检测 ATSS检测模型特征融合感受野增强

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂环境下透明目标两阶段检测方法研究

复杂环境下透明目标两阶段检测方法研究

作者：刘星辰中南大学

学位级别：硕士

透明目标检测旨在从图像中检测出玻璃杯、玻璃门等透明物体,其在智能家居、无人物流等领域有着广泛的应用。然而,由于透明物体材质的特殊性,其成像特别容易受到背景、光照等环境因素的影响,这导致了现有的目标检测算法在复杂环境下检测... 详细信息

透明目标检测旨在从图像中检测出玻璃杯、玻璃门等透明物体,其在智能家居、无人物流等领域有着广泛的应用。然而,由于透明物体材质的特殊性,其成像特别容易受到背景、光照等环境因素的影响,这导致了现有的目标检测算法在复杂环境下检测透明目标容易出现漏检与误检。对于透明目标,人类视觉的感知过程可分为以下2个阶段:1)结合待检测对象的整体信息及四周局部细节信息,综合判断是否为透明目标;2)根据透明目标的特征判断透明目标的具体类别。基于上述人类视觉感知机制,本文设计了一种两阶段检测算法,以实现复杂环境下透明目标的高性能检测。本文的主要贡献如下:(1)本文分析影响透明目标检测模型效果的因素,并基于此建立自有透明目标检测数据集。(2)本文首先设计了一种主从二分网络结构以增强基干网络的特征提取能力。随后,参照人类视觉感知透明目标第一阶段,设计了一种基于细粒度特征增强与感受野增强的特征金字塔结构,并结合自注意力机制,进一步对基干网络所提取的特征进行增强与融合,用于扩大视野感受范围和增强目标细节。(3)参照人类视觉感知的第二阶段,本文设计一种基于可变形感兴趣区域池化的双分支检测网络结构,通过可变形感兴趣区域池化提升目标特征表达能力,并结合边框回归和目标识别双分支网络结构,提高透明目标在变形、遮挡或重叠等情况下边框的精准度。为了验证提出算法的有效性,本文基于自有透明目标检测数据集开展实验。实验结果表明相比基线模型,本文提出的两阶段透明目标检测方法获得了3.6%AP提升。与其他主流目标检测算法相比,本文方法也展现出更优的性能。图34幅,表8个,参考文献99篇。

关键词：复杂环境透明目标检测人类视觉感知感受野增强可变形感兴趣区域池化