检索结果-南通市图书馆

基于改进 centernet 的柑橘叶片病害检测

在线全文

学校读者我要写书评

暂无评论

光电子·激光 2024年

作者：李栋仲婷王笋李大华于晓天津理工大学电气工程与自动化学院天津市复杂系统控制理论与应用重点实验室天津同实智研科技有限公司

针对柑橘叶片病害表现大小不一，解决检测过程中出现的漏检、误检、准确率不高问题，提出了改进centernet模型。在特征提取网络RestNet50的前两个残差层的一系列残差结构中引入特征增强IASPP模块，扩大浅层感受野，获取更多小目标叶片... 详细信息

针对柑橘叶片病害表现大小不一，解决检测过程中出现的漏检、误检、准确率不高问题，提出了改进centernet模型。在特征提取网络RestNet50的前两个残差层的一系列残差结构中引入特征增强IASPP模块，扩大浅层感受野，获取更多小目标叶片病害的细节信息，增强浅层特征的显著性；引入双向加权特征融合模块BiFPN，有效融合特征提取网络浅层和深层叶片病害信息；为提高整体检测效果，引入多尺度注意力机制MS-CAM。训练后的模型对柑橘病害叶片进行检测，实验结果表明，相比于原模型centernet，所提模型R 值提高了 8.32%，mAP 提高了 4.53%，AP0.5:0.95上升了 27.3%，可实现柑橘种植中对叶片小目标、中目标、大目标病害的精准检测。

关键词：柑橘叶片病害 centernet 多尺度特征融合特征增强

轻量化特征融合的centernet输电线路绝缘子自爆缺陷检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年第7期50卷 2161-2171页

作者：苟军年杜愫愫王世铎张昕悦兰州交通大学自动化与电气工程学院兰州730070

输电线路智能化巡检是新一代电力系统建设的必然要求。当前,基于深度学习的检测模型由于参数量过大,使得利用无人机(UAV)进行边缘部署较困难。为使无人机可搭载轻量级模型实现输电线路中具有自爆缺陷绝缘子的识别,提出了一种轻量级Cente... 详细信息

输电线路智能化巡检是新一代电力系统建设的必然要求。当前,基于深度学习的检测模型由于参数量过大,使得利用无人机(UAV)进行边缘部署较困难。为使无人机可搭载轻量级模型实现输电线路中具有自爆缺陷绝缘子的识别,提出了一种轻量级centernet-GhostNet的目标检测网络。对模型主干特征提取网络进行轻量化处理,利用计算成本较低的GhostNet提取自爆缺陷绝缘子的多层次特征,降低模型复杂度;引入增强感受野模块(RFB)增强特征表达能力,提升模型对小目标特征信息的注意力;构建特征融合模块,将低层特征信息和高层特征信息有效融合以输出更完整的特征图,提高缺陷识别精度。利用迁移学习参数共享,结合冻结与解冻训练相结合的模型训练策略,缓解网络因小样本数据集而产生的泛化能力不足问题。基于构建的输电线路自爆缺陷绝缘子数据集对所提方法进行验证,实验结果表明:相比原始centernet,所提方法的AP50、AP75和AP50:95分别提升至0.86、0.74和0.63,模型参数量由124.61×10~6减少至64.2×10~6,可实现复杂环境下的自爆缺陷绝缘子检测,提高了基于无人机的输电线路巡检精度与速度。

关键词：深度学习绝缘子自爆缺陷轻量级网络 centernet 小目标检测

基于改进的centernet变电站设备红外温度检测方法

在线全文

学校读者我要写书评

暂无评论

计算机测量与控制 2024年

作者：张佳钰蔡泽烽冯杰浙江理工大学信息科学与工程学院浙江理工大学计算机科学与技术学院(人工智能学院)

红外检测能够检测变电站电力设备温度异常，降低安全事故发生的概率，因此，提出一种基于改进的centernet目标检测算法模型centernet＿PRO。该算法采用了ShuffleNet V1/V2作为骨干网络、引入了FPN来提取多尺度特征，为了克服不同尺度目... 详细信息

红外检测能够检测变电站电力设备温度异常，降低安全事故发生的概率，因此，提出一种基于改进的centernet目标检测算法模型centernet＿PRO。该算法采用了ShuffleNet V1/V2作为骨干网络、引入了FPN来提取多尺度特征，为了克服不同尺度目标检测的难点、增加旋转角度回归分支，用于预测目标的旋转角度以及改进的IoU Loss进行优化，进一步提高模型检测速度和准确率。通过阈值分割法提取电力设备表面温度并分析计算，设计制定电力设备温度缺陷判断规范、温度警告阈值，根据该规范即可判断电力设备的相关缺陷。实验结果表明，改进的centernet模型平均精度达到了90%，相比于传统的centernet模型，平均精度提高了1.3个百分点，可以满足实际变电站场景下对电力设备红外检测的高要求。

关键词： centernet ShuffleNet 电力设备红外图像温度缺陷检测提取多尺度特征

面向小目标检测的轻量化改进centernet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

湖北汽车工业学院学报 2024年第2期38卷 57-63,70页

作者：张伟丰湖北汽车工业学院经济管理学院湖北十堰442002

为提高传统目标检测算法的实时性,并解决小目标检测效果不佳及漏检率高的问题,提出了改进centernet算法。首先将特征提取网络由ResNet50改为SqueezeNet,卷积计算的部分用深度可分离卷积代替;接着使用双阈值改进NMS算法替代单阈值-非极... 详细信息

为提高传统目标检测算法的实时性,并解决小目标检测效果不佳及漏检率高的问题,提出了改进centernet算法。首先将特征提取网络由ResNet50改为SqueezeNet,卷积计算的部分用深度可分离卷积代替;接着使用双阈值改进NMS算法替代单阈值-非极大值抑制算法,通过DIoU计算损失函数。结果表明:改进算法在安全帽和口罩检测数据集的检测精度分别为91.3%和85.5%,与centernet算法相比,性能分别提升了2.35%和3.76%,同时具有更快的检测速度。

关键词：目标检测 SqueezeNet 深度可分离卷积 centernet

基于centernet的跑步姿态鉴别系统的设计

在线全文

学校读者我要写书评

暂无评论

河北工业科技 2024年第1期41卷 10-16页

作者：周万珍袁志鑫王建霞河北科技大学信息科学与工程学院河北石家庄050018

为了改善目前大众跑步姿势普遍不规范的现状,提出了一种基于centernet的跑步姿态鉴别系统。首先,通过截图、拍照的方式自制数据集,并对数据集进行清洗、标注和分析,消除数据无关信息与简化数据。其次,引入多尺度通道注意力机制与添加十... 详细信息

为了改善目前大众跑步姿势普遍不规范的现状,提出了一种基于centernet的跑步姿态鉴别系统。首先,通过截图、拍照的方式自制数据集,并对数据集进行清洗、标注和分析,消除数据无关信息与简化数据。其次,引入多尺度通道注意力机制与添加十字星变形卷积2种方式改进centernet算法模型,将动作图像转化为数字信息和特征向量,并以此为基础,利用KNN(K-nearest neighbors)算法对跑步姿态类型进行分类。最后,与经典模型方案进行对比,验证改进centernet算法鉴别系统的有效性。结果表明:改进的centernet模型的精确率与召回率都有所提升,其参数量与计算量降低。所提算法模型能够对大多数不良姿势作出及时、准确反馈,有效帮助跑步爱好者发现问题,从而改善跑步姿态、提高运动效率、预防伤病。

关键词：计算机图像处理人体行为识别跑步姿态 centernet 人体关节注意力机制

基于centernet编码优化的车辆目标检测模型

在线全文

学校读者我要写书评

暂无评论

长江信息通信 2024年第5期37卷 73-77页

作者：邢雪王彬王馨田吉林化工学院信息与控制工程学院吉林吉林132000 中央民族大学信息工程学院北京100074

为解决车辆识别系统中车辆类型识别率低的问题,文章提出了一种优化centernet编码的车辆目标检测模型。本模型为保证实时性采用ResNet18作为基础网络,针对原模型中检测与分类同时进行的目标检测可能会导致车辆目标信息的混淆和互相干扰... 详细信息

为解决车辆识别系统中车辆类型识别率低的问题,文章提出了一种优化centernet编码的车辆目标检测模型。本模型为保证实时性采用ResNet18作为基础网络,针对原模型中检测与分类同时进行的目标检测可能会导致车辆目标信息的混淆和互相干扰的问题,本模型将检测与分类进行解耦,着重关注车辆固有特征和车型间的特有特征,有效提高分类的准确率;针对特殊车型识别不准确的问题,模型将车辆目标的宽高,形状等特征信息加入分类中进行特征学习,提高特殊车型分类的准确性。实验结果表明:在UA-DETRAC数据集上,本模型的平均精度均值提升了0.5个百分点,F1-Score提升了1.1个百分点。

关键词：车辆目标检测编码 centernet 特征融合深度学习

维普期刊数据库博看期刊

基于centernet算法的带式输送机输送带破损检测方法与应用

在线全文

学校读者我要写书评

暂无评论

建井技术 2024年第3期45卷 85-89页

作者：王振珺大同煤矿集团同地益晟煤业有限公司山西大同037103

针对煤矿井下带式输送机出现输送带破损现象,提出一种基于centernet算法的输送带破损检测方法。介绍了目标检测算法,在此基础上,研究基于centernet算法的检测方法,阐明其工作模型流程,并针对节点数量多、计算量大的问题针对性地提出负... 详细信息

针对煤矿井下带式输送机出现输送带破损现象,提出一种基于centernet算法的输送带破损检测方法。介绍了目标检测算法,在此基础上,研究基于centernet算法的检测方法,阐明其工作模型流程,并针对节点数量多、计算量大的问题针对性地提出负载均衡方法,并应用于实际煤矿验证其应用效果。应用效果表明:带式输送机传输速度为2.8~3.6 m/s、曝光度为70%~100%时,其输送带破损检测准确率变化较小,准确率不低于95%,且具有较高的稳定性,同时负载均衡算法可以较高效率地解决负载堵塞现象。

关键词：带式输送机 centernet 输送带破损检测负载均衡算法

An Algorithm for Target Detection of Engineering Vehicles Based on Improved centernet

在线全文

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2022年第11期73卷 4261-4276页

作者： Pingping Yu Hongda Wang Xiaodong Zhao Guangchen Ruan School of Information Science and Engineering Hebei University of Science and TechnologyShijiazhuang050000China Indiana University at Bloomington Indiana47405USA

Aiming at the problems of low target image resolution,insufficient target feature extraction,low detection accuracy and poor real time in remote engineering vehicle detection,an improved centernet target detection model is proposed in this paper.Firstly,EfficientNet-B0 with Efficient Channel Attention(ECA)module is used as the basic network,which increases the quality and speed of feature extraction and reduces the number of model parameters.Then,the proposed Adaptive Fusion Bidirectional Feature Pyramid Network(AF-BiFPN)module is applied to fuse the features of different feature layers.Furthermore,the feature information of engineering vehicle targets is added by making full use of the high-level semantic and low-level fine-grained feature information of the target,which overcomes the problem that the original centernet network did not perform well in small target detection and improve the detection accuracy of the network.Finally,the tag coding strategy and bounding box regression method of centernet are optimized by introducing positioning quality loss.The accuracy of target prediction is increased by joint prediction of center position and target size.Experimental results show that the mean Average Precision(mAP)of the improved centernet model is 94.74%on the engineering vehicle dataset,and the detection rate is 29 FPS.Compared with the original centernet model based on ResNet-18,the detection accuracy of this model is improved by 16.29%,the detection speed is increased by 9 FPS,and the memory usage is reduced by 43 MB.Compared with YOLOv3 and YOLOv4,the mAP of this model is improved by 19.9%and 5.61%respectively.The proposed method can detect engineering vehicles more quickly and accurately in far distance.It has obvious advantages in target detection compared with traditional methods.

关键词： Engineering vehicle target detection centernet feature fusion

DM Code Key Point Detection Algorithm Based on centernet

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

Computers, Materials & Continua 2023年第11期77卷 1911-1928页

作者： Wei Wang Xinyao Tang Kai Zhou Chunhui Zhao Changfa Liu School of Information Engineering Chang’an UniversityXi’an710018China Algorithm Research and Development Department GRGBanking Equipment Co.Ltd.Guangzhou510663China Research and Development Department Xi’an Soar Electromechanical TechnologyLtd.Xi’an710043China

Data Matrix(DM)codes have been widely used in industrial production.The reading of DM code usually includes positioning and decoding.Accurate positioning is a prerequisite for successful decoding.Traditional image processing methods have poor adaptability to pollution and complex backgrounds.Although deep learning-based methods can automatically extract features,the bounding boxes cannot entirely fit the contour of the code.Further image processing methods are required for precise positioning,which will reduce efficiency.Because of the above problems,a centernet-based DM code key point detection network is proposed,which can directly obtain the four key points of the DM code.Compared with the existing methods,the degree of fitness is higher,which is conducive to direct decoding.To further improve the positioning accuracy,an enhanced loss function is designed,including DM code key point heatmap loss,standard DM code projection loss,and polygon Intersection-over-Union(IoU)loss,which is beneficial for the network to learn the spatial geometric characteristics of DM code.The experiment is carried out on the self-made DM code key point detection dataset,including pollution,complex background,small objects,etc.,which uses the Average Precision(AP)of the common object detection metric as the evaluation metric.AP reaches 95.80%,and Frames Per Second(FPS)gets 88.12 on the test set of the proposed dataset,which can achieve real-time performance in practical applications.

关键词： DM code key point detection centernet object detection enhanced loss function