检索结果-南通市图书馆

基于锚框自适应和多尺度增强的SAR舰船检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

系统工程与电子技术 2024年第4期46卷 1204-1211页

作者：邵子康张晓玲张天文曾天娇电子科技大学信息与通信工程学院四川成都611731 电子科技大学航空航天学院四川成都611731

针对目前基于深度学习的合成孔径雷达(synthetic aperture radar, SAR)舰船检测锚框尺度固定、多尺度检测性能较差的问题,提出了一种基于锚框自适应和多尺度增强网络(adaptive anchor multi-scale enhancement network, AA-MSE-Net)的SA... 详细信息

针对目前基于深度学习的合成孔径雷达(synthetic aperture radar, SAR)舰船检测锚框尺度固定、多尺度检测性能较差的问题,提出了一种基于锚框自适应和多尺度增强网络(adaptive anchor multi-scale enhancement network, AA-MSE-Net)的SAR舰船检测方法。首先,AA-MSE-Net引入了锚框自适应机制,来生成适应目标形态的高质量锚框,增强了舰船形态描述能力。其次,AA-MSE-Net提出了多尺度增强金字塔网络,来融合增强多尺度特征,增强了多尺度描述能力。最后,AA-MSE-Net在骨干网络中引入了可变形卷积,来提取舰船形变特征,进一步提高检测精度。实验证明,AA-MSE-Net在公开SAR舰船检测数据集上的平均精度高于8种对比方法。

关键词：合成孔径雷达舰船检测自适应锚框尺度增强

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

基于视频结构化的变电站违章识别研究

基于视频结构化的变电站违章识别研究

作者：高振东河南工业大学

学位级别：硕士

视频结构化是计算机视觉和安防领域研究的重点和热点之一,其能够从海量视频中快速提取目标信息,在实际任务中得到广泛应用。目前视频结构化技术在电力行业安全生产领域违章识别任务中初露锋芒,有效解决了变电站作业违章人工检测困难的问... 详细信息

视频结构化是计算机视觉和安防领域研究的重点和热点之一,其能够从海量视频中快速提取目标信息,在实际任务中得到广泛应用。目前视频结构化技术在电力行业安全生产领域违章识别任务中初露锋芒,有效解决了变电站作业违章人工检测困难的问题,进一步加速推进电力行业走向智能化时代。因此,本文旨在利用基于视频结构化的目标识别方法基本理论,搭建快速、高效的识别网络,以实现对变电站场景下多发常规违章的高效识别,进而保证变电站作业安全。由于变电站场景视野较广,待检测目标体积较小且尺度不均,同时根据其业务需求特点,要求检测系统具有一定的实时性。针对这些问题,本文基于轻量级目标检测模型,重点研究变电站场景较大视野范围下尺度分布不均的目标检测问题。在此基础上,进一步对所提出模型进行压缩,以满足实际业务中实时识别的需求。本文主要工作内容如下:(1)提出一种基于改进差分进化的自适应锚框优化方法,以解决由于数据尺度不均而导致锚框定位不准确,进而造成网络识别精度下降的问题。该方法为了更好地捕获目标物体比例和数量之间的关系,选择边界框的宽高比作为变量,计算Anchor与真实边界框的最近距离的总和作为适应性函数。另外,为了避免Anchor定向朝向具有某种真实框样本的类别,将权重值添加到距离计算中。通过损失函数和可视化散点图对比实验,证实了该方法的有效性。(2)提出一种基于多尺度注意力的目标检测方法,解决由于变电站场景视野范围过大或待检测目标本身尺寸过小造成的网络误检和漏检问题。原始网络为浅层网络结构,对小目标极为不友好。在网络中增加一层检测层,可以有效减小网络输出特征映射在输入图像上的面积,从而增强网络对于目标特征的提取能力,提高目标被检测到的概率。引入注意力机制以增强网络对于小目标的关注度,减少网络对于目标的误检,通过对比不同注意力模型及其在网络中不同位置对于网络整体性能的影响,选择效果最好的注意力模型添加至网络中。最后将两部分改进内容进行融合,利用归一化权重思想适度调整注意力模型相关参数,使整体网络达到了最优的识别效果。(3)利用结构化剪枝方法对内容二中提出的模型进行压缩,以满足变电站场景下实时检测的需求。通过深入研究模型压缩方法特点,使用结构化剪枝方法对复杂的网络模型进行结构化剪枝,以消除冗余通道,降低网络整体计算复杂度。在保证模型识别精度的同时,提高模型的运行速度,使模型具备实时检测的能力。综上所述,本文为实现变电站场景下多发违章的高效检测,提出一种自适应锚框优化方法以及基于多尺度注意力的目标检测方法。此外,为满足其业务需求,通过结构化剪枝,在保证网络识别精度的同时,使其具备了实时检测的能力。

关键词：视频结构化目标识别自适应锚框多尺度融合结构化剪枝

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：王毅腾大连海事大学

学位级别：硕士

水下目标检测技术是水下视觉感知系统中关键的组成部分。由于水介质对光的衰减、吸收、散射等作用,水下光学图像存在色彩失真、成像模糊、亮度较低、噪声严重等问题,导致了水下目标检测精度较低,因此与一般的目标检测任务相比水下目标... 详细信息

水下目标检测技术是水下视觉感知系统中关键的组成部分。由于水介质对光的衰减、吸收、散射等作用,水下光学图像存在色彩失真、成像模糊、亮度较低、噪声严重等问题,导致了水下目标检测精度较低,因此与一般的目标检测任务相比水下目标检测任务需要更具有针对性的处理方法。传统的水下目标检测算法主要依赖于人工设计的特征和机器学习分类器,人工特征难以准确描述目标,对背景和目标形态的改变较敏感,且存在通用性较差的缺点。近年来基于深度学习的图像处理方法发展迅速,与传统方法相比,深度学习方法通过对大量样本的学习自主获取更准确更全面的目标特征。因此,深度学习方法在目标检测领域越来越受重视。然而对于水下目标检测任务,深度学习方法依然存在特征获取不足、难以适应多尺度目标等问题。针对以上问题,本文主要研究工作如下:首先,针对水下图像噪声严重、图像模糊导致目标特征不明显的问题,基于SSD搭建了特征提取能力更强的主干网络,引入残差结构改善网络训练效果,为了保持网络的高效性,在检测前使用结构重参数化技术调整网络结构。其中结构重参数化技术通过参数融合的方法,将不同分支上的参数等价融合到主干,因此使用结构重参数化技术简化网络结构时不影响网络检测效果。然后,针对水下目标尺寸形态多变的问题,基于K-means算法设计了一种锚框自动选取方法。为了将不同尺寸的锚框分配到合适的网络结构中,设计了分区域分析方法,不仅方便了锚框与网络匹配,同时降低了分析过程中的计算量;设计了一种自动确定锚框数量的方法,避免了冗余锚框和冗余结构,同时加强了锚框对目标的针对性。实验结果表明,本文提出的方法可以有效提高水下环境中的目标检测精度,同时,通过与其他方法对比,本文方法依然具有一定优势。最后,为了进一步提高网络的检测精度,基于以上方法进一步提出了一种多尺度特征融合结构,融合结构引入相邻尺度的特征图为检测提供更充足的细节信息和语义信息,并在融合过程中使用了通道和空间注意力机制模块。其中空间注意力模块用于在融合前获取不同尺度特征图中存在的感兴趣区域,而通道注意力模块用于在通道方向叠加的多尺度特征图中挑选有价值的通道。实验结果表明,所提出的多尺度特征融合结构可以使网络充分利用特征,检测精度得到进一步提高。

关键词：水下目标检测 SSD 结构重参数化自适应锚框多尺度特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

印刷电路板焊点缺陷深度学习检测算法

印刷电路板焊点缺陷深度学习检测算法

作者：王佳宏常州大学

学位级别：硕士

印刷电路板(Printed Circuit Borad,PCB)作为电子产品的关键元器件,被广泛应用于生活各个领域,然而,PCB焊点缺陷是影响电子产品关键因素之一。为提高电子产品生产速度和质量,PCB焊点缺陷的智能检测技术研究亟需进一步提高。卷积神经网... 详细信息

印刷电路板(Printed Circuit Borad,PCB)作为电子产品的关键元器件,被广泛应用于生活各个领域,然而,PCB焊点缺陷是影响电子产品关键因素之一。为提高电子产品生产速度和质量,PCB焊点缺陷的智能检测技术研究亟需进一步提高。卷积神经网络的出现,为深度学习网络的发展建立了基础。因此,本文立足于几类常见PCB焊点缺陷的检测,研究基于深度学习目标检测算法,包括以下方面:(1)针对常见的PCB焊点缺陷,收集了6类(漏孔、鼠咬、短路、短路、毛刺和余铜)PCB缺陷图像。针对PCB缺陷目标小的特征,分别采取基于深度学习的单阶段和两阶段算法进行研究。(2)对单阶段算法YOLOV5s进行分析,针对自适应锚框的K-Means算法对初始质心的选择非常敏感,可能会导致最优解收敛到局部而不是全局,因此在自适应锚框的基础上添加一种锚框缩放公式,使得生成锚框更加接近全局最优解;针对PCB焊点缺陷都是小目标类型,小目标信息多包含在浅层特征图上,随着网络深度加深,区域特征信息越容易丢失,因此减少一次下采样过程,保留浅层160×160特征图,采用FPN+PAN结构对输出特征图特征融合;为了进一步提升算法检测精度,在下采样前添加注意力机制,增强缺陷特征信息。将改进算法在PCB焊接缺陷数据集上进行实验,平均精度达到了98.3%。(3)对两阶段算法Faster R-CNN进行分析,考虑网络深度带来的网络复杂度变化因素,通过对比实验,选取Res Net 101作为特征提取网络。针对PCB焊点缺陷都是小目标,原算法进行目标检测仅利用最后层特征图作为输出而忽略浅层特征图包含的更多信息,因此借鉴了单阶段的特征金字塔结构并采取四尺度融合特征图。由于采取四尺度特征图作为输出,增加了需要锚框标记的特征图,导致预设锚框尺寸与边界框的宽高存在误差,因此在对Faster R-CNN的锚框设计参考了YOLOV5s中自适应锚框的生成,采取了基于1-IOU的K-Means聚类算法。将改进算法在PCB焊接缺陷数据集上进行实验,实验结果表示对PCB焊点缺陷检测有较好效果。

关键词： PCB焊点缺陷深度学习特征融合自适应锚框

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的目标检测算法研究

基于深度学习的目标检测算法研究

作者：杨卫中国民航大学

学位级别：硕士

目标检测旨在判别当前输入图像中目标的位置及所属类别,是计算机视觉领域的热门研究方向之一,被广泛应用在军事、交通、航空航天、工业、自动驾驶等领域。在小目标、弱特征等一系列的复杂场景下,检测任务常常存在很多挑战。因此,准确完... 详细信息

目标检测旨在判别当前输入图像中目标的位置及所属类别,是计算机视觉领域的热门研究方向之一,被广泛应用在军事、交通、航空航天、工业、自动驾驶等领域。在小目标、弱特征等一系列的复杂场景下,检测任务常常存在很多挑战。因此,准确完成各种目标检测任务,意义重大。根据YOLO系列模型快速高效,适用于实时目标检测,具有较高的准确率和较低的计算复杂度的特点,本文分别在YOLOv5、YOLOv7上针对多尺度特征提取和多维特征信息融合两个方向开展研究。第一,针对复杂场景下初始锚框难以匹配目标及多尺度检测能力不强的问题,提出基于YOLOv5的增强多尺度目标检测方法(EM-YOLOv5)。通过Kmeans++聚类算法,获得适应当前检测场景下的多尺度初始化锚框,使得网络更容易捕捉到不同尺度目标;在Bottleneck结构中增加多条不同尺度的并行卷积支路,在保留原有特征信息的同时融合多尺度的特征信息,增强模型的全局感知能力。第二,针对复杂场景下小目标聚集且可利用特征少的问题,提出基于YOLOv7的多维特征信息融合目标检测方法(Mdfif-YOLOv7)。通过增加小目标检测层,并利用Transformer全局感知能力,引入多头注意力机制,对检测层进行多维特征信息融合,增强模型对小目标感知能力;在高维卷积中,通过稀疏性惩罚策略,增强显著特征信息权重,提升模型对高级语义特征的辨知能力。最后,在Vis Drone2019、COCO2017、PASCAL VOC2012等多个数据集上对提出的改进模型进行验证。与原算法相比,m AP@0.5:0.95、m AP@0.5等关键指标均有一定提升。在PASCAL VOC2012上,相较于YOLOv5s,EM-YOLOv5s在m AP@0.5:0.95上提升5.2个百分点;在Vis Drone上,相比于YOLOv7,Mdfif-YOLOv7在m AP@0.5:0.95提升3.2个百分点。实验结果表明,改进策略可帮助模型在小目标、弱特征等一系列复杂场景下提取更具鉴别力的信息,从而帮助模型获得更好的检测性能。

关键词： YOLO 目标检测多尺度卷积多维特征融合自适应锚框稀疏性惩罚

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进YOLOv5s网络在缺陷检测中的应用

网络新媒体技术 2022年第2期11卷 58-65页

作者：王浩然李廷会曹玉军黄飞江李振彰广西师范大学电子工程学院桂林5410042 广州航海学院信息与通信工程学院广州510725 广东技术师范大学数学与系统科学学院广州510665

针对目前金属表面缺陷检测过程中小目标缺陷检测存在着检测精度低、漏检率高等问题,本文基于经典单阶段目标检测网络的5s版本(YOLOv5s)提出了一种改进方法,并将其应用于金属鼓形滚子表面缺陷检测。由于金属表面存在大量像素占比小、尺... 详细信息

针对目前金属表面缺陷检测过程中小目标缺陷检测存在着检测精度低、漏检率高等问题,本文基于经典单阶段目标检测网络的5s版本(YOLOv5s)提出了一种改进方法,并将其应用于金属鼓形滚子表面缺陷检测。由于金属表面存在大量像素占比小、尺度不规整、特征不明显的小目标缺陷,本方法通过自适应锚框计算出适合小目标尺寸的锚框值,并在原网络基础上构建了输出为8倍降采样的特征融合目标检测层,使之更匹配小目标检测任务,同时减小了模型体积,节约了计算时间。将高分辨率工业相机采集的金属鼓形滚子表面缺陷图像制作成数据集,用改进前后的YOLOv5s网络进行对比试验,实验结果表明改进后YOLOv5s网络对小目标缺陷检测的精度有明显提升,能有效检测小目标缺陷。

关键词：金属表面缺陷小目标检测 YOLOv5s 自适应锚框多尺度特征融合