检索结果-南通市图书馆

基于多尺度可分离蒸馏网络的列车轮对踏面缺陷检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

铁道科学与工程学报 2024年

作者：程翔朱禹熹贾林湖南铁道职业技术学院人工智能学院重庆理工大学材料科学与工程学院湖南工业大学轨道交通学院

作为列车安全维护的重点问题，列车轮对表面缺陷检测性能易受低算力、多尺度和复杂背景等因素的制约。这使得许多基于深度学习的目标检测算法难以完全发挥其性能。针对以上问题，提出了一种基于多尺度可分离蒸馏网络的列车轮对踏面缺陷... 详细信息

作为列车安全维护的重点问题，列车轮对表面缺陷检测性能易受低算力、多尺度和复杂背景等因素的制约。这使得许多基于深度学习的目标检测算法难以完全发挥其性能。针对以上问题，提出了一种基于多尺度可分离蒸馏网络的列车轮对踏面缺陷检测算法(D-MSCNet)。在该方法中，首先设计一种由跨层可分离特征提取模块(CSEM)和多尺度可分离下采样模块(MSDM)组成的主干网络(MSA-ResNet)。其中，CSEM模块通过在残差架构中引入深度可分离卷积、扩展卷积、通道压缩和跨层连接机制来保证它能在不显著增加计算量的同时丰富特征信息、扩大感受野。多尺度可分离下采样模块(MSDM)通过引入多尺度特征融合机制和注意力模块以在下采样任务过程中提高多尺度特征信息、弱化背景信息。其次，设计了一种新的主从区域知识蒸馏策略来有效地压缩和简化模型。它首先根据标签中的Ground Truth划分主要和次要蒸馏区域，然后将两者作用于各个回归分支之间以执行知识蒸馏任务。最后，在实际列车轮对踏面数据集上进行了实验分析，对比实验表明当所提方法 D-MSCNet在加载小参数网络(MSA-ResNet18)时，其MAP=64.9%、FPS=85优于大多数对比方法，表明了该方法能够有效地平衡检测速度和检测精度。此外，通过消融实验、模块对比实验以及可视化分析进一步验证了所提方法的有效性和优越性。

关键词：轮对踏面缺陷知识蒸馏无锚检测器多尺度特征模块深度学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于无锚检测框架的服装属性识别与应用研究

基于无锚检测框架的服装属性识别与应用研究

作者：曾凡楷东华大学

学位级别：硕士

在过去的几十年中,由于电子商务平台的快速发展,互联网或移动应用程序等社交媒体上出现了大量服装数据。而由于服装的颜色、纹理、样式和类别的多样化,人们在线上购物时选择合适服装的难度将大大增加。服装属性识别作为用户描述服装特... 详细信息

在过去的几十年中,由于电子商务平台的快速发展,互联网或移动应用程序等社交媒体上出现了大量服装数据。而由于服装的颜色、纹理、样式和类别的多样化,人们在线上购物时选择合适服装的难度将大大增加。服装属性识别作为用户描述服装特征的关键技术,将有助于解决这一问题。目前大多数方法都是先检测多件衣服,然后裁剪出衣服,并反馈到一个额外的网络进行衣服属性识别。这种两阶段的方法比较耗费时间和资源。另一方面,通过将服装检测和属性识别集成到端到端框架中,单阶段方法可以提供有效和高效的解决方案。但单阶段方法倾向于使用基于锚框的检测器,这将导致对超参数的高灵敏度和对密集锚框的高计算复杂性。此外,由于服装检测分支和属性识别分支需要不同的优化特征,因此在训练过程中也可能面临优化矛盾问题。为了解决上述问题,本文旨在开发一种新的且有效的服装属性识别方法。本文完成的主要工作内容如下:1.为了解决两阶段方法的问题和基于锚框的方法的局限性,本文开发了基于无锚检测框架的服装属性识别网络。它是一个单阶段的端到端无锚框架,包含一个额外的分支,用于联合服装检测和属性识别任务。网络中两个任务分支共享骨干网络特征,以并行的方式进行计算,大大提高了识别速率。2.为了进一步提高预测精度,本文在识别分支中引入了属性分组注意力模块。它可以自适应地将属性类型间的互斥与关联关系集成到特征学习中,其在网络中的有效性也通过大量实验进行了相应的验证。此外,在识别分支的学习过程中,本文采用了适合于多标签分类任务的损失函数,进一步提高网络学习效果。3.为了处理两个任务分支中的优化矛盾,本文提出了一个骨干特征解耦模块。它将骨干特征编码为像素级密集Query特征,并通过可变形Transformer将其解码为输出特征,分别输入服装检测和属性识别分支。这样,检测和识别分支的特征可以解耦,优化矛盾可以自然得到解决。4.最后,本文探索了服装属性文本与图像的相似度匹配问题。本文基于CLIP模型搭建了一个图文匹配网络。该网络涉及图像与文本两个模态,它将图像编码为特征向量,将文本描述编码为句向量。本文采用对比学习方法进行训练,将图像与文本映射到同一语义空间,最后将其应用到基于属性文本的服装图像检索任务中。相关实验表明,本文构建的图文匹配网络对相关属性文本具备一定匹配和判别能力。

关键词：服装属性识别端到端学习无锚检测器时尚分析图文检索

边缘场景下基于多维损失优化超分辨率网络的天气图像检测算法

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

河南科学 2023年第6期41卷 781-792页

作者：王瑞祥王敏秦乐河南省气象探测数据中心郑州450003 河南省气象服务中心郑州450003 中国气象局·河南省农业气象保障与应用技术重点实验室郑州450003

在边缘场景下,气象图像采集模型大多部署在算力较低的移动端或边缘设备上,造成观测图像分辨率较低,给天气现象检测带来困难,且传统FSRNet生成的图像存在伪影、模糊等问题,因此需要优化天气图像超分辨率网络,提高图像的分辨率.基于无锚... 详细信息

在边缘场景下,气象图像采集模型大多部署在算力较低的移动端或边缘设备上,造成观测图像分辨率较低,给天气现象检测带来困难,且传统FSRNet生成的图像存在伪影、模糊等问题,因此需要优化天气图像超分辨率网络,提高图像的分辨率.基于无锚检测器,提出以观测要素为点的检测方案,不需要手动设置锚框,使检测模型轻量且高效.通过引入热图损失、目标注意力损失和对抗性损失等多维损失函数,对粗糙SR网络进行优化,使低分辨率图像完成递进式训练.优化骨干网络ShuffleNetV2,使检测模型更加轻量化,提高超分辨率天气图像检测的性能.实验结果证明,此天气图像超分辨率重建模型可以生成质量更高、细节更加清晰的目标观测图像,更加轻量的检测模型适用于非约束场景,在FDDB上的平均精度值(AverP)达到97.7%,优于其他先进模型.

关键词：超分辨率无锚检测器先验信息神经网络天气图像检测

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

非约束环境下的实时人脸检测方法

应用科技 2021年第3期48卷 21-26页

作者：段燕飞刘胤田王瑞祥咬登国张航成都信息工程大学软件工程学院四川成都610225

在不受限制的场景下,人脸检测大多部署在移动端或者边缘设备上,这些设备计算能力低且内存较小。使用无锚检测思想,基于CenterNet无锚检测器,提出以人脸为点的检测方法。不需要人工预先设置锚框,也不需要使用非极大值抑制来后处理,模型... 详细信息

在不受限制的场景下,人脸检测大多部署在移动端或者边缘设备上,这些设备计算能力低且内存较小。使用无锚检测思想,基于CenterNet无锚检测器,提出以人脸为点的检测方法。不需要人工预先设置锚框,也不需要使用非极大值抑制来后处理,模型变得简单且高效。模型的骨干网络使用改进的ShuffleNetV2,轻量级网络保证了模型参数少,性能高效,可以部署在边缘设备或者移动设备上。使用人脸检测数据集WIDERFACE来训练网络模型,这个是数据集包含了多种环境下的不同尺度大小的人脸,适用于非约束环境下人脸检测。此方法在FDDB上实现了超高精度(平均精度值(AP)为97.6%),实现了速度和精度的平衡。

关键词：人脸检测无锚检测器实时检测神经网络轻量级网络非约束环境关键点检测多任务

维普期刊数据库