检索结果-南通市图书馆

华南理工大学学报（自然科学版） 2024年第8期52卷 45-55页

作者：岳永恒宁睿厚东北林业大学土木与交通学院黑龙江哈尔滨150040

针对当前目标检测算法参数较多,计算量较大,导致响应速度较慢,难以推广应用于智能车辆系统的问题,提出一种改进的CenterNet目标检测算法。即应用轻量化MobileNetV3网络替换原ResNet-50网络,降低计算量;应用深度可分离的PANet替换特征增... 详细信息

针对当前目标检测算法参数较多,计算量较大,导致响应速度较慢,难以推广应用于智能车辆系统的问题,提出一种改进的CenterNet目标检测算法。即应用轻量化MobileNetV3网络替换原ResNet-50网络,降低计算量;应用深度可分离的PANet替换特征增强网络,获得多尺度特征信息融合后的特征,并引入SimAM注意力机制在特征融合前强化目标特征关注度,再用SiLU激活函数替换原目标检测网络中的ReLU激活函数,增强网络学习能力。最后提出CPAN-ASFF模块对深度可分离的PANet输出多尺度特征图进行融合,提高目标检测精度。应用优化后的KITTI数据集对改进后的CenterNet目标检测算法进行训练及检测验证,结果表明:其平均准确率为80.7%,比原始Center⁃Net目标检测算法提高了12个百分点,其检测速度为65 f/s,其参数量为8.91 M,较原算法减少72.73%,改进后的算法在遮挡目标、重叠目标以及与背景相似目标的检测效果上表现更优。且在SODA10M数据集中,文中提出的算法的检测精度与速度也都优于当前主流算法。该研究对算法的优化及实验为智能车辆在实际工程中的应用奠定了技术支撑。

关键词：智能车辆目标检测无先验框 CenterNet 轻量化深度可分离卷积

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于anchor free的多尺度目标检测方法研究

基于anchor free的多尺度目标检测方法研究

引用

作者：贾帅帅西安电子科技大学

学位级别：硕士

随着人们生活水平的日益提高和生活节奏的加快,人们对省时省力和体验舒适的人工智能技术的需求越来越多,而基于计算机视觉的目标检测任务则是人工智能领域的重要组成部分,智慧城市、自动驾驶、电力巡检以及人脸解锁等应用都用到了目标... 详细信息

随着人们生活水平的日益提高和生活节奏的加快,人们对省时省力和体验舒适的人工智能技术的需求越来越多,而基于计算机视觉的目标检测任务则是人工智能领域的重要组成部分,智慧城市、自动驾驶、电力巡检以及人脸解锁等应用都用到了目标检测技术。早期的基于深度学习的目标检测模型大多数都利用了先验框（anchor）来降低模型的学习难度,但由于超参数较多、检测器泛化能力受限,近几年,学者们开始重点研究基于anchor-free的目标检测模型,这类模型抛弃了先验框,网络结构优雅且模型的泛化性更强。本文正是以基于anchor-free的FCOS模型为基础,围绕目标检测中的多尺度问题进行展开,主要针对FCOS正样本分配的问题和目标检测模型多尺度推理时受到极大极小目标干扰的问题进行研究和改进,并在病害数据集和COCO数据集上进行实验验证改进算法的可行性和有效性。本文主要创新内容如下:（1）针对FCOS中正样本分配对细长目标采样不均匀的问题,提出了高宽比自适应的正样本中心采样算法,同时针对原中心度真值的长边下降快、短边下降慢的问题,提出高宽比自适应的中心度真值定义,该算法改善了细长目标中心度下降过快导致FCOS的中心度分支训练不充分的问题,通过结合以上两个改进策略,提高了模型对高宽比较大的目标的鲁棒性。（2）FCOS模型训练时,大目标由于面积大往往分配到的正样本较多,而小目标的正样本数量较少,这会导致模型更加重视大目标的学习,对小目标的检测效果不好,针对FCOS的不同尺度目标分配的正样本不均衡的问题,本文在原正样本分配算法的基础上提出固定数量的random-k正样本分配算法,提高了模型对多尺度目标的检测精度。（3）目前的目标检测模型多尺度推理时,由于受到极大极小目标的干扰,容易出现误检和虚检,针对这一问题,本文提出基于多尺度推理的相对注意力模块,通过在训练时将两张不同分辨率的输入图像同时进行训练,同时将不同分辨率的两个分类分支乘以注意力模块输出的掩膜权重并求和一起计算损失,这样可以让模型自己学习如何更好地结合不同尺度下模型的预测结果,最后将该模块与基于逐像素预测的FCOS模型相结合,并在隧道病害数据集和COCO数据集上进行实验验证,改进的网络不仅总体精度有所提升,而且提高了模型对不同尺度目标的鲁棒性。

关键词：目标检测无先验框 FCOS 正样本分配多尺度推理

来源：

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

基于改进CenterNet网络的绝缘子检测方法

引用

计算机技术与发展 2023年第3期33卷 57-62页

作者：孙晗邹宽胜江苏师范大学电气工程及自动化学院江苏徐州221116

针对输电线路中绝缘子检测准确率不足以及检测时间长的问题,提出一种基于Anchor free(无先验框)的绝缘子检测算法;以CenterNet网络模型为基础,使用Resnet50网络作为特征提取网络,在保证速度的前提下加深网络增强特征提取能力;引入金字... 详细信息

针对输电线路中绝缘子检测准确率不足以及检测时间长的问题,提出一种基于Anchor free(无先验框)的绝缘子检测算法;以CenterNet网络模型为基础,使用Resnet50网络作为特征提取网络,在保证速度的前提下加深网络增强特征提取能力;引入金字塔池化模块,通过局部多尺度的特征融合提取更加丰富的绝缘子特征信息,避免对绝缘子的漏判从而提升检测精度;对收集的航拍绝缘子图像进行数据增强,建立实验数据集;在网络训练中使用迁移学习的思想,对主干网络进行冻结的方式提高训练效率。通过实验发现,相比较原网络模型,绝缘子检测的平均精度与召回率分别提升16.34%、36.06%,与其他六种网络模型相比较,检测精度与速度均有所提升,具有良好的检测性能及实时性。

关键词：绝缘子目标检测无先验框金字塔池化特征融合

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：