检索结果-南通市图书馆

基于软标签和样本权重优化的anchor free目标检测算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2022年第8期49卷 157-164页

作者：王灿刘永坚解庆马艳春武汉理工大学计算机科学与技术学院武汉430070 青海武汉理工大学文化科技融合产业技术研究院青海海东810600

与anchor Based目标检测算法类似,基于特征点的anchor free目标检测算法也面临着在正负样本划分中存在模糊样本的问题,即根据特定阈值和特征点位置划分非正即负的训练样本,网络在对特征点位置处在临界值附近的样本进行训练时会产生较大... 详细信息

与anchor Based目标检测算法类似,基于特征点的anchor free目标检测算法也面临着在正负样本划分中存在模糊样本的问题,即根据特定阈值和特征点位置划分非正即负的训练样本,网络在对特征点位置处在临界值附近的样本进行训练时会产生较大的损失,使得网络将注意力过于集中在这些模糊样本上,降低了网络的整体检测性能。针对此情况,提出从软标签、损失函数和权重优化3个方面对基于特征点的anchor free目标检测算法进行改进,通过充分利用Center Ness参数来缓解模糊样本对网络性能的影响,提高目标检测的准确率。为证明所提方法的有效性,分别在经典的Pascal VOC数据集和MS COCO数据集上使用FCOS目标检测器进行对比实验,最终将检测器在Pascal VOC数据集上的mAP提升至82.16%(提升约1.31%),在MS COCO数据集上的AP_(50-95)提升至35.8%(提升约1.3%)。

关键词：目标检测模糊样本 anchor free Center Ness 样本权重优化

基于anchor free模型和Attention机制的车辆多目标跟踪检测研究

在线全文

学校读者我要写书评

暂无评论

基于Anchor Free模型和Attention机制的车辆多目标跟踪检测研究

作者：陈诗煊辽宁大学

学位级别：硕士

多目标跟踪是发展智能交通,智慧驾驶的关键技术。分析跟踪获得的车辆目标数量,车辆行进轨迹,能够有效提高道路监控、车流量统计、辅助驾驶和驾驶习惯分析等方面的综合管理水平。近年来,深度学习推动了计算机视觉领域的发展,学者们提出... 详细信息

多目标跟踪是发展智能交通,智慧驾驶的关键技术。分析跟踪获得的车辆目标数量,车辆行进轨迹,能够有效提高道路监控、车流量统计、辅助驾驶和驾驶习惯分析等方面的综合管理水平。近年来,深度学习推动了计算机视觉领域的发展,学者们提出了大量基于深度神经网络的多目标跟踪方法。这类方法将网络获取的目标检测结果进行逐帧关联,以检测为基础实现多目标跟踪,提高了跟踪方法的性能。然而,车辆目标形态各异,移动速度高,且存在严重的相互遮挡,导致车辆跟踪的检测过程存在特征提取困难,检测计算量增大等问题。本文从跟踪的检测过程入手,以新的目标检测形式和特征提取过程处理多目标跟踪任务,既提高了跟踪方法效率,又增强了跟踪方法的准确性。首先,本文对anchor free的检测网络及联合学习模型的原理进行分析研究,提出了一种anchor free的联合模型车辆多目标跟踪方法。该方法通过将单网络多任务学习的联合模型引入车辆多目标跟踪,以单网络多分支结构实现目标检测和重识别特征提取。应用可变形卷积改进的深层特征聚合网络作为模型的特征提取网络,获取视频帧的特征图,提升网络对于车辆目标的适应能力。利用并行的分支结构实现anchor free的目标检测和重识别特征学习,减少重复计算同时保证模型的检测水平。由于方法仅使用一个密集计算网络完成跟踪任务的主要计算过程,提高了车辆多目标跟踪的效率。其次,本文对车辆多目标跟踪的特征提取网络进行分析,并对Attention机制进行研究。发现可以通过Attention机制加强网络模型对车辆目标的特征获取能力。因此本文提出了一种结合Attention机制的车辆多目标跟踪方法。该方法把结合Attention机制的特征强化网络与原有特征提取网络相结合,在保证跟踪检测效率的前提下,提高车辆目标在特征图上的特征表现,使特征图具有与目标的强相关性,减少车辆多目标跟踪中不同车辆间的ID换,跟踪轨迹丢失等情况的出现,提高车辆多目标跟踪的准确性。最后,本文对所提出的基于跟踪检测改进的两种车辆多目标跟踪方法进行实验,并与现有的方法进行了比较。使用KITTI-Tracking数据集、UA-DETRAC数据集对本文方法进行训练和测试,实验结果表明,本文提出的车辆多目标跟踪方法在保证推理效率的前提下,跟踪准确性优于现有的方法,有效减少了车辆目标误漏检及ID切换问题的出现,在一定程度上提升了车辆多目标跟踪方法的鲁棒性。

关键词：车辆跟踪多目标检测 anchor free 注意力机制联合模型

基于关键点的anchor free目标检测模型综述

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机系统应用 2020年第8期29卷 1-8页

作者：郑婷婷杨雪戴阳长安大学信息工程学院西安710064

目标检测是计算机视觉应用的基础,基于锚框的一些目标检测算法已难以满足目标检测中对目标处理的效率、性能等诸多方面的要求,而anchor free方法逐渐广泛应用于目标检测.本文首先重点介绍了CornerNet、CenterNet、FCOS模型的一系列基于... 详细信息

目标检测是计算机视觉应用的基础,基于锚框的一些目标检测算法已难以满足目标检测中对目标处理的效率、性能等诸多方面的要求,而anchor free方法逐渐广泛应用于目标检测.本文首先重点介绍了CornerNet、CenterNet、FCOS模型的一系列基于关键点的anchor free目标检测方法,综述了算法思路及其优缺点;然后分别对基于锚框和基于关键点的目标检测算法在同一个数据集上作了性能比较和分析;最后对基于关键点的目标检测进行了总结,并展望了目标检测的未来发展方向.

关键词：目标检测关键点 anchor free CornerNet CenterNet FCOS 锚框

一种anchor free的无人机检测方法

在线全文

学校读者我要写书评

暂无评论

计算机技术与发展 2021年第1期31卷 54-60页

作者：耿文孙涵南京航空航天大学计算机科学与技术学院/人工智能学院江苏南京211106 南京航空航天大学模式分析与机器智能工信部重点实验室江苏南京211106

目前几乎所有最先进的目标检测方法都依赖于预先定义的anchor,但是由于anchor的存在,网络会增加与anchor相关的计算开销,而且在现实世界中,目标尺度多种多样,比如地对空拍摄的无人机目标,预先定义的anchor不可能穷举所有的无人机尺度。... 详细信息

目前几乎所有最先进的目标检测方法都依赖于预先定义的anchor,但是由于anchor的存在,网络会增加与anchor相关的计算开销,而且在现实世界中,目标尺度多种多样,比如地对空拍摄的无人机目标,预先定义的anchor不可能穷举所有的无人机尺度。因此,该文抛弃预先定义的anchor,采用anchor free的方法来检测无人机。该anchor free方法以目标中心区域的像素为训练样本来逐像素预测边界框的偏移量。针对地对空拍摄的无人机目标大部分都是小尺度的情况,采用高分辨率网络HRNet作为主干网络来提取小目标细粒度的特征,从而提高小目标检测的精度。相对于基于anchor的目标检测方法,该网络框架简单、灵活,并且可以自适应地预测无人机目标的边界框。在自己设计的无人机数据集上,该方法获得了更高的召回率和精确率。

关键词：目标检测 anchor free 无人机检测小目标检测逐像素预测 HRNet

A Polyp Detection Method Based on FBnet

在线全文

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2020年第6期63卷 1263-1272页

作者： Jingjing Wan Taiyue Chen Bolun Chen Yongtao Yu Yiyun Sheng Xinggang Ma Department of Gastroenterology Affiliated Huaian Hospital of Xuzhou Medical UniversityThe Second People’s Hospital of HuaianHuaian223002China College of Computer Engineering Huaiyin Institute of TechnologyHuaian223003China University of Fribourg Fribourg1700Switzerland

The incidence of colorectal cancer(CRC)in China has increased in recent *** mortality rate of CRC has become one of the highest among all cancers;CRC increasingly affects the health and quality of people’s ***,due to the insufficiency of medical resources in China,the workload on medical doctors has further *** the past few decades,the adult CRC mortality and morbidity rate dropped sharply,mainly because of CRC screening and removal of adenomatous ***,due to the differences in polyp itself and the skills of endoscopists,the detection rate of polyps varies *** this paper,we adopt an anchor-free mechanism and introduce a better method to factorize the process of bounding box ***,we regress the shape of object by the variant of Faster ***,we re-define the target function of the location of *** experimental result shows that our method achieves a mAP of 55.8%,which outperforms other state-of-the-art methods by at least 11.9%.This will greatly help to reduce the missed diagnosis of clinicians during endoscopy and treatment,and provide effective help for early diagnosis,early treatment and prevention of CRC.

关键词： Colorectal cancer polyp detection anchor free two step decomposition

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

复杂场景中的行人检测算法研究

复杂场景中的行人检测算法研究

作者：康斌昆明理工大学

学位级别：硕士

行人检测是计算机视觉领域的一个重要研究方向,它为行人再识别、行人跟踪、人体姿态分析等多个视觉领域的研究提供了基础和技术支撑,被广泛应用于无人驾驶、智慧交通等多个领域中。在过去十年中,由于深度学习在视觉检测任务中的不断发展... 详细信息

行人检测是计算机视觉领域的一个重要研究方向,它为行人再识别、行人跟踪、人体姿态分析等多个视觉领域的研究提供了基础和技术支撑,被广泛应用于无人驾驶、智慧交通等多个领域中。在过去十年中,由于深度学习在视觉检测任务中的不断发展,使得行人检测器的性能得到了极大提高。但在人群拥挤的复杂场景中,行人检测仍然是一个非常具有挑战性的任务。在商业街、机场、超市等人流密集的场景中,行人目标与非目标之间存在大量遮挡和粘附,导致目标实例边界难以区分,从而影响检测器的性能。此外,现有检测器中各种手工设计的组件极大地限制了检测模型在实际任务中的通用性,进一步降低了检测器的实际性能表现。为了解决上述复杂场景中的行人检测困难,本文提出了一种扩散式多级定位检测方法。该方法基于一个更专注于复杂场景检测任务的预训练基础模型,将anchor free算法与anchor base算法相结合,在完全舍弃手工设计组件的基础上,使得检测器能够更加准确地检测复杂场景中的行人目标,主要研究内容如下:(1)专注于复杂场景的预训练基础模型。为了适应复杂场景下的目标检测任务需求,集合四个包含多种场景和行人复杂情况的数据集,构建了一个标准的复杂场景预训练数据集,使得预训练模型能够学习到更具有鲁棒性的特征,以更好地适应人群拥挤的复杂场景。此外,在Image Net预训练模型的基础上,针对分类任务和检测任务的不同特点,提出了相应的权重优化策略,以进一步提升模型的准确性和泛化能力。最终,训练出一个专注于复杂场景中目标检测任务的预训练模型,提高了模型的实际性能。(2)扩散式多级定位检测网络。创新性地引入一个基于高斯核预测的anchor free检测器作为整个检测网络的第一阶段,利用该检测器的粗检测为后续检测网络提供了更准确的候选建议框与多种先验信息。同时,对一些遮挡较轻微以及无遮挡实例进行了有效预测,大幅减少了后续网络的计算开销。然后,基于R-CNN网络提出一个互监督检测头,以第一级网络得到的中心点为扩散基点,高斯核中心区域作为预测框是否被遮挡和抑制的监督线索,辅助第一级网络预测得到的高质量候选建议框,输出更准确的目标实例预测框。(3)基于置信度优化的自适应后处理算法。利用第一级子网络的预测结果逐步增强真实正例的置信度,削弱冗余框的置信度,从而得到分类置信度与定位精度保持较高一致性的高质量候选框。最终,根据预检测结果得到的人群密度信息,为非极大值抑制算法选择恰当的筛选阈值,通过这种动态的阈值自适应机制,在不同密度的人群中达到最佳的检测效果。最终,将本文所提出的方法在两个具有挑战性的行人检测基准数据集上进行了广泛的实验,包括City Persons和Crowd Human数据集。与其他最先进的方法相比,本文所提出的方法在具有挑战性的复杂场景数据集上取得了显著的性能,有力地验证了本文方法在密集场景中检测行人目标的有效性。

关键词：行人检测复杂场景预训练模型 anchor free 扩散式置信度优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的小目标检测算法研究与应用

基于深度学习的小目标检测算法研究与应用

作者：耿文南京航空航天大学

学位级别：硕士

在计算机视觉领域中,小目标检测一直都是一个十分具有挑战性的任务,主要原因在于小目标只包含有限的像素和极少的信息。目前基于深度学习的小目标检测算法已经有了很多初步的探索,但是如何利用小目标有限的像素和信息来获取小目标精确... 详细信息

在计算机视觉领域中,小目标检测一直都是一个十分具有挑战性的任务,主要原因在于小目标只包含有限的像素和极少的信息。目前基于深度学习的小目标检测算法已经有了很多初步的探索,但是如何利用小目标有限的像素和信息来获取小目标精确的定位和识别,这依旧是一个难题。然而,小目标检测的应用在民用、军事、安防等各个领域是十分常见的,比如无人机航拍时对地面的行人、车辆的检测,地面对空中监控时对无人机、飞鸟的检测等等。近些年来,随着无人机技术的急速发展,无人机已经被广泛应用于商业和娱乐等领域。无人机在带来极大便利的同时,也在侵犯着个人隐私,甚至会威胁到民航的安全。因此,无人机检测是小目标检测应用中一个非常值得研究和探讨的任务。目前对于小目标检测算法的研究大都是在目标检测算法基础之上开展的。因此,本文对已有的目标检测算法分析和探讨后,首先提出了一个新的网络Deeper SSD,利用同时上采样和下采样来提高小目标检测的精度。其次,本文考虑到anchor的限制,又提出了一种anchor free的方法来检测小目标。此外,本文还将提出的检测算法应用到了无人机检测上。本文的主要工作如下:(1)本文对经典的基于anchor和anchor free的目标检测算法分别进行了详细的探讨和实验对比分析。此外,本文还将这些经典算法应用到了无人机检测上,并对比分析了它们的实验结果。(2)本文提出了一个新的网络框架Deeper SSD来提高特定的小目标无人机的检测精度。此外,本文对Deeper SSD网络采用同时上采样和下采样的方法来进一步提高无人机的检测精度。在我们设计的无人机数据集上,本文对Deeper SSD和它的变种网络进行了定量定性的分析。(3)本文提出了一种anchor free的方法来检测无人机。针对目前的基于anchor的目标检测方法所遇到的问题,本文彻底抛弃anchor,采用逐像素预测的方式来预测无人机的边界框。相比较于基于anchor的目标检测器,本文提出的方法更加具有鲁棒性,可以自适应的预测目标边界框;相比较于其他的anchor free的目标检测器,本文提出的方法获得了更加好的精确率和召回率。

关键词：目标检测小目标检测无人机检测深度学习 anchor 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

港口环境下人员危险行为检测方法研究

港口环境下人员危险行为检测方法研究

作者：申燕隆燕山大学

学位级别：硕士

随着计算机视觉技术的快速发展,利用计算机视觉技术对视频中存在的危险行为进行检测的方法得到了广泛的应用。虽然YOLOv5目标检测算法与同期的其它目标检测算法相比具有很大的优势,但是YOLOv5目标检测算法在港口人员危险行为检测中还存... 详细信息

随着计算机视觉技术的快速发展,利用计算机视觉技术对视频中存在的危险行为进行检测的方法得到了广泛的应用。虽然YOLOv5目标检测算法与同期的其它目标检测算法相比具有很大的优势,但是YOLOv5目标检测算法在港口人员危险行为检测中还存在一定的不足。本文以YOLOv5目标检测算法为基础对戴口罩、打电话和吸烟这三种行为的检测进行深入研究。本文主要工作如下:首先,针对港口环境复杂存在难以提取到口罩和手机有效特征的问题,提出了一种基于区域最大扩张卷积的戴口罩和打电话检测算法。提出了区域最大扩张卷积,该卷积是一种新型的卷积方式,在很大程度上降低了复杂背景对目标物体的影响,加强了各个网络层之间特征信息的传递;引入anchor free替换原YOLOv5中的anchor Base,解决了预先设置初始框不能很好匹配目标物体的问题。初始框不再需要预先设定,而是通过网络模型的自主学习,为目标物体生成更加合适的锚框。实验结果表明本文提出的基于区域最大扩张卷积的戴口罩和打电话检测算法在检测效果上有了很大的提高。其次,针对烟属于小目标物体存在难以保留关键特征信息的问题,提出了一种基于加强多尺度特征融合与注意力机制的吸烟检测算法。虽然YOLOv5在中到大的目标物体检测中具有很好的检测效果,但是对小目标物体做检测在精度上还是存在一定的不足。由此,提出加强多尺度特征融合结构,使各层网络获得更加丰富的小目标物体特征信息。通过引入CA注意力机制,使网络用于预测的特征层可以自适应关注小目标物体。实验结果表明本文所提出的基于加强多尺度特征融合与注意力机制的吸烟检测算法,在对吸烟的检测效果上有了很大的进步。最后,将以上提出的两个检测算法在各自相关数据集上进行实验,并对实验结果进行详细分析。构建了一个港口人员危险行为检测系统,该系统实现了对港口人员进行实时的危险行为检测和报警。

关键词： YOLOv5 区域最大扩张卷积 anchor free 特征融合注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高速列车轨道入侵物自动识别技术研究

高速列车轨道入侵物自动识别技术研究

作者：赵川兰州交通大学

学位级别：硕士

随着我国高速铁路的迅猛发展,高铁已然成为我国人民日常生活重要的交通工具之一。为保障人们生命财产安全,降低国家财产的损失,高速列车的运营安全变得尤为重要。研究发现,轨道入侵物是影响高速列车行车安全的主要因素之一。因此,对轨... 详细信息

随着我国高速铁路的迅猛发展,高铁已然成为我国人民日常生活重要的交通工具之一。为保障人们生命财产安全,降低国家财产的损失,高速列车的运营安全变得尤为重要。研究发现,轨道入侵物是影响高速列车行车安全的主要因素之一。因此,对轨道入侵物进行及时、有效地检测与识别,具有十分重要的意义。目前,基于目标检测算法的轨道入侵物检测逐渐成为主流研究方向。本文主要研究了目标检测算法在轨道入侵物的检测与识别任务中的应用,并根据轨道入侵物的特性进行了相应的研究。论文主要研究内容如下:(1)建立轨道入侵物数据集。针对目标检测算法需要大量的图像数据进行训练,建立轨道入侵物数据集。数据集来源于自采集图像、网络以及公开数据集。为了丰富数据集,防止过拟合,提高模型的泛化性,对图像进行了裁剪、翻转、增加噪声以及调整亮度与对比度的操作。(2)划分轨道限界。经过研究发现,基于轨道划分轨道限界的方法不能成为判断高速列车轨道入侵物是否入侵轨道的依据,只要进入高速铁路沿线的防护网内,都会影响高速列车的行车安全,都应当被视为轨道入侵物。因此,本文以高速铁路沿线的防护网为轨道限界。(3)基于FCOS算法实现轨道入侵物检测。FCOS网络通过逐像素多尺度预测的方式对目标进行检测;通过ResNet网络提取特征,FPN网络进行特征融合,多尺度检测头对FPN每个输出计算分类损失、回归损失和中心度损失。通过实验验证,FCOS在COCO数据集上具有较好的检测效果。为提高对轨道入侵物的检测精度,本文做了如下改进:(1)引入在粒度级别表示多尺度特征的Res2Net50为骨干网络,丰富每个网络层的感受野;(2)改进FPN网络,引入Res2Net50的C2层输出作为FPN的一个输入,采用更多的特征融合,增加FPN网络的复杂程度以及每层输出特征图的感受野;(3)增加一个新的检测头,新检测头由FPN的P5层上采样得到;(4)引入DIoU loss作为回归损失函数。实验结果表明,改进的FCOS网络在自制VoC数据集上mAP达到93.71%,相较于原始FCOS网络有较大的提升。(4)搭建实时检测模型。通过OpenCV计算机开源视觉库对导入的视频流进行预处理:对比均值滤波、中值滤波、高斯滤波和双边滤波对图像的降噪效果,选用中值滤波算法作为去噪算法;选用自适应直方图均衡化算法调整图像的对比度。通过OpenCV加载预训练好的FCOS模型对轨道入侵物进行实时检测。实验结果表明,通过OpenCV搭建的实时检测模型能够实现对轨道入侵物自动识别的目的,具有一定的应用价值。

关键词：轨道入侵物目标检测 FCOS anchor free OpenCV