检索结果-南通市图书馆

使用GIoU改进非极大值抑制的目标检测算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2021年第4期49卷 696-705页

作者：侯志强刘晓义余旺盛蒲磊马素刚范九伦西安邮电大学计算机学院陕西西安710121 空军工程大学信息与导航学院陕西西安710077 西安邮电大学通信与信息工程学院陕西西安710121

针对单阈值-非极大值抑制算法中出现的目标漏检和重复检测问题,本文提出了一种使用全局交并比指标GIoU(Generalized Intersection over Union)衡量目标相似度的双阈值非极大值抑制算法GDT-NMS(Generalized Dual Threshold NMS,GDT-NMS)... 详细信息

针对单阈值-非极大值抑制算法中出现的目标漏检和重复检测问题,本文提出了一种使用全局交并比指标GIoU(Generalized Intersection over Union)衡量目标相似度的双阈值非极大值抑制算法GDT-NMS(Generalized Dual Threshold NMS,GDT-NMS).使用双阈值改进NMS算法和soft-NMS算法,抑制多余的检测框;在此基础上,使用GIoU替换传统的IoU计算目标间的相似度,使目标的定位更加准确;进一步,使用非线性函数赋予检测框不同比例的权值惩罚,使检测框的得分随距离呈非线性变化,目标区分度更高.改进算法在PASCAL VOC和MSCOCO上的检测精度分别为74.8%和25.9%,与使用NMS算法作为后处理的Faster R-CNN算法相比,性能分别提升了1.6%和1.5%.同时本文算法具有较快的检测速度.

关键词：双阈值非极大值抑制算法重复检测后处理

基于Transformer与重定位非极大值抑制的遥感目标检测算法

在线全文

学校读者我要写书评

暂无评论

基于Transformer与重定位非极大值抑制的遥感目标检测算法

作者：陈润斌安徽理工大学

学位级别：硕士

遥感图像目标检测作为遥感信息处理领域中的热点问题,在军事、航空等方面发挥着重要的作用。随着遥感图像采集技术的发展,大量清晰、高分辨率的遥感图像被用于目标检测。高分辨率遥感图像提供了目标的详细信息,可以帮助更好地对目标进... 详细信息

遥感图像目标检测作为遥感信息处理领域中的热点问题,在军事、航空等方面发挥着重要的作用。随着遥感图像采集技术的发展,大量清晰、高分辨率的遥感图像被用于目标检测。高分辨率遥感图像提供了目标的详细信息,可以帮助更好地对目标进行识别和定位。然而,遥感图像中复杂的背景以及尺度差异较大的目标使得各种目标检测算法无法准确地对不同尺度的遥感目标进行检测。针对上述问题,本文对特征提取、特征融合以及非极大值抑制算法进行了研究,主要研究内容如下:(1)针对遥感图像复杂的背景和多尺度目标,提出了一种基于Transformer的遥感目标检测算法。该算法采用Uniformer作为主干网络,利用其对全局信息建模的能力,以达到充分提取目标特征的目的。该算法进一步设计了一种自适应路径聚合网络,它利用卷积注意模块CBAM在不同层次特征图融合路径中对背景信息进行抑制,并引入新的路径用于融合同尺度的特征图,以增加特征图的特征信息,提高特征的表达能力。在模型训练过程中,使用了迁移学习的方法以提高模型的收敛速度。本文在RSOD、NWPU VHR-10以及DIOR数据集上对基于Transformer的遥感目标检测算法进行实验,并与当前流行的目标检测算法进行对比。实验结果表明,基于Transformer的遥感目标检测算法具有较好的检测性能。(2)针对传统NMS算法所选最优边界框定位准确性不高这一问题,提出一种面向遥感目标检测的重定位非极大值抑制(Relocation Non-Maximum Suppression,R-NMS)算法并且构建一种新的边界框距离度量方法替代交并比衡量边界框之间的距离。该算法选择类别置信度得分最高的候选框作为最优边界框,然后通过新的边界框距离度量方法获取最优边界框周围候选框的位置信息,接着利用位置信息对最优边界框执行重定位操作得到新的最优边界框。为了充分证明R-NMS算法的有效性,本文将R-NMS算法用于基于Transformer的遥感目标检测算法的后处理阶段,并与传统NMS算法以及Soft-NMS算法进行了实验对比。实验结果表明,基于Transformer的遥感目标检测算法结合R-NMS算法具有更好的检测性能。图[20]表[17]参[61]

关键词：遥感图像目标检测非极大值抑制算法 Transformer

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F1值的非极大值抑制阈值自动选取方法

智能系统学报 2020年第5期15卷 1006-1012页

作者：王照国张红云苗夺谦同济大学电子与信息工程学院上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

传统的NMS算法的过滤阈值是人为设定的,由于阈值的选取不当可能会造成漏检和误检。在应用NMS算法时,所有图像的最佳阈值不是完全相同的,根据图像自身信息的不同而发生变化。针对上述问题,提出基于F1值的非极大值抑制阈值自动选取方法,... 详细信息

传统的NMS算法的过滤阈值是人为设定的,由于阈值的选取不当可能会造成漏检和误检。在应用NMS算法时,所有图像的最佳阈值不是完全相同的,根据图像自身信息的不同而发生变化。针对上述问题,提出基于F1值的非极大值抑制阈值自动选取方法,综合考虑检测算法的准确率与召回率,选取使F1值最高的最佳过滤阈值,构建映射关系。测试阶段,利用映射关系和图像信息自动选取对应的过滤阈值。实验结果表明,本文提出的改进版本NMS算法将检测精度mAP值提高了1.1%。与现有的先进算法做对比,证明了本文算法的有效性。

关键词：计算机视觉目标检测非极大值抑制算法卷积神经网络深度学习检测框 F1值自适应算法

基于改进的Faster RCNN的仪表自动识别方法

在线全文

学校读者我要写书评

暂无评论

机电工程 2024年第3期41卷 532-539页

作者：王欣然张斌湛敏赵成龙中国计量大学计量测试工程学院浙江杭州310018 杭州莱霆科技有限公司浙江杭州310009

在环境复杂的工业场景中,仪表盘存在类别多、相似性高等问题,导致检测的识别效果较差、准确率不高。针对这一问题,提出了一种基于改进的更快速的区域卷积神经网络(Faster RCNN)的仪表自动识别方法。首先,采用残差网络(Resnet)101代替视... 详细信息

在环境复杂的工业场景中,仪表盘存在类别多、相似性高等问题,导致检测的识别效果较差、准确率不高。针对这一问题,提出了一种基于改进的更快速的区域卷积神经网络(Faster RCNN)的仪表自动识别方法。首先,采用残差网络(Resnet)101代替视觉几何群网络(VGG)16,进行了网络结构简化;然后,引入了特征金字塔网络(FPN),并将其改进为递归特征金字塔网络后进行了迭代融合,输出了特征图;接着,引入了注意力机制模块,根据特征的重要程度,完成了对输出通道权值的重新分配,增强了Faster RCNN对目标的运算能力;提出了改进非极大值抑制算法(Softer-NMS),通过降低置信度来确定准确的目标候选框;最后,采用Mosaic数据增强技术对可视对象类(VOC)2007数据集进行了扩充,对改进后的Faster RCNN模型进行了仪表自动识别的实验。研究结果表明:在相同工业环境下,与传统的Faster RCNN算法模型相比,改进后的Faster RCNN模型准确率为93.5%,较原模型提高了3.8%,mAP值为92.6%,较原模型提高了3.7%,可见该方法在实际生产中具有较强的鲁棒性与泛化能力,可满足工业上对智能检测的要求。

关键词：仪表识别更快速的区域卷积神经网络递归特征金字塔网络注意力机制非极大值抑制算法 Mosaic数据增强技术

基于Mediapipe的幻影成像装置自然手势交互系统设计

在线全文

学校读者我要写书评

暂无评论

国外电子测量技术 2023年第3期42卷 116-122页

作者：孟杰杨鹏程杨朝李小成西安工程大学机电工程学院西安710048

针对博物馆中幻影成像虚拟展示装置的交互需求,设计了一种自然手势的计算机视觉交互系统。利用单目相机对自然手势进行动作采集,针对不同身高人群手部活动范围,计算了单目相机最优捕获位置,实现了140~190 cm人群高度的手势识别。采用Med... 详细信息

针对博物馆中幻影成像虚拟展示装置的交互需求,设计了一种自然手势的计算机视觉交互系统。利用单目相机对自然手势进行动作采集,针对不同身高人群手部活动范围,计算了单目相机最优捕获位置,实现了140~190 cm人群高度的手势识别。采用Mediapipe机器学习框架对捕获的手势图像实时遍历,获得单帧手掌的标定位置。结合21个特征关节点的手掌模型,使用非极大值抑制算法对自遮挡的手掌进行识别,根据欧氏空间距离判别阈值和单个手指曲率对指间动作做出分类,定义幻影成像常用5种交互动作,通过坐标关系建立了指尖和模型特征点之间的实时映射。实验结果表明,所设计的交互系统,系统识别准确率达到98%,满足幻影成像系统中手势控制虚拟模型的要求。

关键词：幻影成像人机交互手势识别 Mediapipe 非极大值抑制算法

基于深度学习的甲骨文偏旁与合体字的识别研究

在线全文

学校读者我要写书评

暂无评论

南京师大学报（自然科学版） 2021年第2期44卷 104-116页

作者：林小渝陈善雄高未泽莫伯峰焦清局西南大学计算机与信息科学学院重庆400715 首都师范大学甲骨文研究中心北京100048 安阳师范学院计算机与信息工程学院河南安阳455000

由于甲骨文字形结构多样,异体字较多,其识别一直是甲骨文领域研究的重要问题.本文首次提出以甲骨文偏旁为识别的基本构件,建立单偏旁和合体结构的甲骨文字符识别方法,提升甲骨文识别的精度.方法一:根据甲骨文偏旁字形特点,对甲骨文拓片... 详细信息

由于甲骨文字形结构多样,异体字较多,其识别一直是甲骨文领域研究的重要问题.本文首次提出以甲骨文偏旁为识别的基本构件,建立单偏旁和合体结构的甲骨文字符识别方法,提升甲骨文识别的精度.方法一:根据甲骨文偏旁字形特点,对甲骨文拓片上的合体字进行甲骨文单偏旁最大极值稳定区域的选取,然后,通过改进的BN-LeNet模型识别甲骨文各个偏旁;方法二:针对甲骨文合体字拓片稀缺的问题,本文提出一种直接对甲骨文合体字进行整体识别的OraNet模型,该模型采用迁移学习的训练策略,对在脱机手写汉字HCL2000数据集预训练的卷积神经网络模型进行参数和结构上的微调,实现迁移得到低层表示和甲骨文合体字集上高层表示的特征融合,以此来提取甲骨文合体字的高级特征.实验结果表明,BN-LeNet网络对甲骨文单偏旁识别率为96.24%,微调的OraNet模型对甲骨文合体字识别率为98.58%,从而表明从甲骨文单偏旁的角度进行甲骨文字形识别,可以获得较高的识别精度.同时本文将甲骨文视为偏旁组合而非整字识别,这使得算法能够识别从未见过的甲骨文新字,即零样本学习,对甲骨文研究有着重要的应用意义.

关键词：甲骨文识别甲骨文偏旁迁移学习偏旁分析非极大值抑制算法

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv4的安全帽佩戴检测方法

计算机工程与设计 2023年第2期44卷 518-525页

作者：石家玮杨莉琼方艳红杜义祥李明骏西南科技大学信息工程学院四川绵阳621002 西南科技大学土木工程与建筑学院四川绵阳621002 四川振通检测股份有限公司研发部四川绵阳621002

针对建筑施工场地场景下远距离小目标安全帽佩戴检测问题,提出的一种改进YOLOv4的安全帽检测方法。将BN层和卷积层合并减少修改后的网络前向推理计算量,利用K-means聚类算法改进先验框维度,采用柔性NMS算法进行置信度权重修改解决标签... 详细信息

针对建筑施工场地场景下远距离小目标安全帽佩戴检测问题,提出的一种改进YOLOv4的安全帽检测方法。将BN层和卷积层合并减少修改后的网络前向推理计算量,利用K-means聚类算法改进先验框维度,采用柔性NMS算法进行置信度权重修改解决标签重写问题,应用多尺度特征融合提升模型识别准确率。实验结果表明,该方法在安全帽数据集的检测任务中mAP提升2.91%;对低于32*32尺寸目标AP值相较于原算法提升6.02%,能够有效提升安全帽佩戴检测范围和准确率。

关键词：安全帽佩戴检测多尺度特征融合卷积神经网络 YOLOv4算法 k均值聚类算法非极大值抑制算法目标检测

在线全文

学校读者我要写书评

暂无评论

基于主成分分析网络的车牌检测方法

计算机科学 2018年第3期45卷 268-273页

作者：钟菲杨斌南华大学电气工程学院湖南衡阳421001

车牌识别是智能交通系统的核心技术,车牌检测是车牌识别技术中至关重要的一步。传统的车牌检测方法多利用浅层的人工特征,在复杂场景下的车牌检测率不高。基于主成分分析网络的车牌检测算法,能够无监督地逐级提取车牌深层特征,可有效提... 详细信息

车牌识别是智能交通系统的核心技术,车牌检测是车牌识别技术中至关重要的一步。传统的车牌检测方法多利用浅层的人工特征,在复杂场景下的车牌检测率不高。基于主成分分析网络的车牌检测算法,能够无监督地逐级提取车牌深层特征,可有效提高算法的鲁棒性。算法首先采用Sobel算子边缘检测和边缘对称性分析获取车牌候选区域;然后将候选区域输入到主成分分析网络中进行车牌深度特征提取,并利用支持向量机实现对车牌区域的判别;最后采用非极大值抑制算法标记最佳车牌检测区域。利用收集的复杂场景下的车辆图像对所提方法的参数进行分析,并将其与传统方法进行比较。实验结果表明,所提算法的鲁棒性高,性能优于传统的车牌检测方法。

关键词：车牌检测主成分分析网络特征提取非极大值抑制算法

基于SVM-LeNet模型融合的行人检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2017年第5期34卷 169-173页

作者：邹冲蔡敦波赵娜刘莹赵彤洲武汉工程大学计算机科学与工程学院武汉430074 武汉工程大学智能机器人湖北省重点实验室武汉430205 华中科技大学自动化学院武汉430074

在方向梯度直方图(HOG)联合支持向量机(SVM)算法(HOG-SVM)和Le Net网络模型基础上,提出了HOG与卷积神经网络(CNN)融合的行人检测算法(SVM-Le Net)。采用多尺度滑动窗口提取HOG特征并送入SVM分类器,根据后验概率判断候选区,随后运用CNN... 详细信息

在方向梯度直方图(HOG)联合支持向量机(SVM)算法(HOG-SVM)和Le Net网络模型基础上,提出了HOG与卷积神经网络(CNN)融合的行人检测算法(SVM-Le Net)。采用多尺度滑动窗口提取HOG特征并送入SVM分类器,根据后验概率判断候选区,随后运用CNN算法剔除误检窗口。为解决单个目标被多个候选区域框定的问题,使用非极大值抑制算法(NMS)进行多矩形融合,保留检测区域中后验概率最大的窗口抑制与其重叠的检测窗口。分类过程中,以候选区域在SVM和Le Net中后验概率为依据判断行人区域。实验结果表明,与HOGSVM和Le Net行人检测算法相比,该算法在准确率和召回率上有明显优势。

关键词：行人检测权重模板支持向量机非极大值抑制算法卷积神经网络