检索结果-南通市图书馆

基于改进faster r-cnn模型的草莓果实识别算法

在线全文

学校读者我要写书评

暂无评论

湖北农业科学 2023年第11期62卷 183-190页

作者：李佳俊朱子峰刘洪鑫苏昱荣温传闻张原升张慧敏邓立苗青岛农业大学理学与信息科学学院山东青岛266109

针对faster r-cnn模型对自然状态下草莓(Fragaria ananassa Duch.)识别准确率不高的问题,以地垄种植草莓的实拍图片为数据源,采用改进rPN结构和更换主干特征提取网络的方法对faster rcnn模型进行了改进。结果表明,改进faster r-cnn模型... 详细信息

针对faster r-cnn模型对自然状态下草莓(Fragaria ananassa Duch.)识别准确率不高的问题,以地垄种植草莓的实拍图片为数据源,采用改进rPN结构和更换主干特征提取网络的方法对faster rcnn模型进行了改进。结果表明,改进faster r-cnn模型识别成熟草莓平均精度(AP)为0.893 0,识别未成熟草莓平均精度(AP)为0.820 7,草莓识别准确率达到较高水平,解决了未成熟草莓识别困难的问题。同时,为了检验模型的自动计数性能,依据模型的识别结果建立了自动计数与人工计数的线性回归,成熟草莓、未成熟草莓的相关系数分别为0.973 7、0.944 7,自动计数与人工计数拥有较高的相关性,表明改进faster r-cnn模型具有较高的识别性能与计数能力。

关键词：草莓(Fragaria ananassa Duch.) 识别 faster r-cnn模型 resNet50

基于CNKI数据库的faster r-cnn模型应用可视化分析

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

智能计算机与应用 2024年第4期14卷 113-117页

作者：丁士宁信阳农林学院信息工程学院河南信阳464000

为了解faster r-cnn模型在国内的研究现状和研究热点,基于在CNKI数据库中检索的248篇核心期刊文献,使用Excel和VOSviewer软件对年度发文量、作者、关键词进行分析并进行可视化。结果表明:国内关于faster r-cnn模型的研究最早出现在2017... 详细信息

为了解faster r-cnn模型在国内的研究现状和研究热点,基于在CNKI数据库中检索的248篇核心期刊文献,使用Excel和VOSviewer软件对年度发文量、作者、关键词进行分析并进行可视化。结果表明:国内关于faster r-cnn模型的研究最早出现在2017年,且在2017-2021年度发文量逐年递增,2021年年度发文量达到73篇的峰值,并在2022年回落到43篇;超过95%的作者仅发表1篇文献,发表文献不少于3篇的作者仅9位,且作者之间的合作松散;faster r-cnn模型的应用领域主要集中于交通标志检测、车辆检测、杂草识别、遥感图像等方面,模型的改进方法包括Soft NMS、注意力机制、K-means聚类等。

关键词： faster r-cnn模型 Excel VOSviewer 核心期刊可视化

基于注意力机制和faster r-cnn深度学习的海洋目标识别模型

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

大连海洋大学学报 2021年第5期36卷 859-865页

作者：文莉莉孙苗邬满广西壮族自治区药用植物园信息产业办公室广西南宁530023 自然资源部海洋信息技术创新中心天津300171 国家海洋信息中心天津300171 广西壮族自治区海洋研究院广西南宁530022 广西大学电气工程学院广西南宁530004 南宁师范大学北部湾人工智能应技术研究院广西南宁530001

为进一步提升对复杂海洋目标的检测能力,引入自适应尺度的注意力机制,提出一种适应多尺度复杂海洋目标的改进faster r-cnn模型,该模型通过将卷积网络与SKNet网络相结合,增强模型的特征提取能力与特征有效性,并针对船舶、蚝排、红树林、... 详细信息

为进一步提升对复杂海洋目标的检测能力,引入自适应尺度的注意力机制,提出一种适应多尺度复杂海洋目标的改进faster r-cnn模型,该模型通过将卷积网络与SKNet网络相结合,增强模型的特征提取能力与特征有效性,并针对船舶、蚝排、红树林、海岸线4类典型海洋目标,利用91卫图助手与无人机高清影像建立了12000张样本库,分别基于改进的faster r-cnn模型与原模型进行对比测试试验。结果表明:改进的模型虽然略微增加了计算量,但其特征提取能力与目标检测能力明显强于原模型,整体识别准确率为87.1%;在4类典型海洋目标中,船舶的识别准确率最高,可达94.4%,而红树林由于其特征比较复杂,边界不明显,其整体识别准确率为75.1%。研究表明,引入SKNet网络的faster r-cnn网络模型,不仅增强了模型对多尺度复杂目标的特征提取能力,更适用于对复杂海洋目标的检测与识别。

关键词：注意力机制 SENet模型 SKNet模型区域候选网络 faster r-cnn模型目标检测深度学习

基于faster r-cnn图像处理的变电站异常设备红外检测方法

在线全文

学校读者我要写书评

暂无评论

沈阳工业大学学报 2024年第2期46卷 157-164页

作者：蒋健刘年孙超广东省电力公司电力科学研究院变电管理一所广东广州510000

针对智能变电站内一次设备红外监测图像分析与处理智能化较低的问题,提出了一种基于faster r-cnn的变电站异常设备红外检测图谱分析方法,并实现了变电站故障设备的智能识别和原因分析。将远程终端单元所采集到的红外图像进行预处理,并... 详细信息

针对智能变电站内一次设备红外监测图像分析与处理智能化较低的问题,提出了一种基于faster r-cnn的变电站异常设备红外检测图谱分析方法,并实现了变电站故障设备的智能识别和原因分析。将远程终端单元所采集到的红外图像进行预处理,并对图中的变电站设备进行识别;采用大津算法结合图像灰度值的特殊性对图像进行分割与图像配准;faster r-cnn则用于对比判断设备是否处于故障状态并分析原因。实验测试结果表明,所提方法对于多种故障设备的识别准确率均在90%以上,具有较优的鲁棒性。

关键词：智能变电站一次设备故障检测红外图谱图像处理 OSTU算法图像灰度值 faster r-cnn模型

融合注意力机制和faster r-cnn的织物疵点检测算法

在线全文

学校读者我要写书评

暂无评论

纺织高校基础科学学报 2021年第4期34卷 46-52页

作者：陈梦琦余灵婕支超祝双武郜仲元西安工程大学纺织科学与工程学院陕西西安710084

针对织物疵点纹理多变、类型多样和尺度不一的特点,提出了优化faster r-cnn疵点检测模型。将基于卷积模块的注意力机制(convolutional block attention module,CBAM)引入经典faster r-cnn模型中,对建立的6317张包含污渍、破洞、跳花、... 详细信息

针对织物疵点纹理多变、类型多样和尺度不一的特点,提出了优化faster r-cnn疵点检测模型。将基于卷积模块的注意力机制(convolutional block attention module,CBAM)引入经典faster r-cnn模型中,对建立的6317张包含污渍、破洞、跳花、断经、断纬、缺经、缺纬和并纬等疵点的织物图片样本库进行CBAM的改进模型与原模型对比实验。结果表明:优化后的网络模型能有效提高织物疵点识别的精度和检测速度,模型的平均精度均值和准确率均值分别从77.01%、61.55%提升到78.81%、64.37%;同时,单张图像的平均检测时间也明显缩短。

关键词：织物疵点检测注意力机制 faster r-cnn模型精度准确率

在线全文

学校读者我要写书评

暂无评论

基于残差101的车辆目标检测

基于残差101的车辆目标检测

作者：贾衡桂林电子科技大学

学位级别：硕士

随着我国经济的快速发展,汽车总量急剧增加,原有的交通监管系统相对滞后。如何建设一套适合新形势的、完善的、智能和精确的交通监管系统,成了亟待解决的问题。交通监管系统综合应用了各种重要的技术,其中车辆目标检测是非常关键的一项... 详细信息

随着我国经济的快速发展,汽车总量急剧增加,原有的交通监管系统相对滞后。如何建设一套适合新形势的、完善的、智能和精确的交通监管系统,成了亟待解决的问题。交通监管系统综合应用了各种重要的技术,其中车辆目标检测是非常关键的一项。因此,车辆目标检测成了近年来的研究热点,受到图像处理与识别、人工智能等相关领域学者的广泛关注。目前主要有两种车辆目标检测方法。第一种方法是使用人工提取特征结合机器学习分类来检测车辆目标,第二种方法是使用深度学习方法来检测车辆目标。由于第一种方法存在检测精度较差、提取目标特征慢、鲁棒性和通用性较差等弱点。近几年来,深度学习方法在车辆目标检测中得到广泛应用。这种方法可以自动提取图片数据特征,对于各种变换、形变和复杂环境具有不变性,检测精度高和速度快。但是,在需要检测较小车辆目标和阴雨天、下雪天、有遮挡的车辆目标时,这种方法仍存在不足。有鉴于此,本文依次将深度学习方法中的faster r-cnn(faster region Convolution Neural Network,faster r-cnn)和Mask r-cnn(Mask region Based Convolution Neural Network,Mask r-cnn)模型应用到车辆目标检测中,并对模型进行了改进,同时研究了训练模型的学习率策略。方法改进后,检测较小车辆目标和各种复杂场景的车辆目标的能力有了较大提升。论文主要工作如下:1.对MS COCO数据集、Kitti数据集、Pascal VOC 2007/2012数据集进行了分析,在进行对比实验后,选择MS COCO数据集为本论文的模型训练数据集。2.为了提升车辆目标的检测能力,首先对基于区域建议的网络模型与基于回归和分类的网络模型进行了研究,选择faster r-cnn模型作为本文的一种车辆目标检测模型;然后对Inception V2、res Net50、res Net101三种特征提取网络进行研究,选择res Net101作为faster r-cnn的特征提取网络;最后对训练模型时的学习率策略进行了大量的实验,经过精度对比找到实验精度最高的学习率策略。3.对faster r-cnn模型的区域建议网络的锚框尺寸进行了调整,从而提高了检测较小车辆目标的能力,同时对复杂环境的车辆也有一定的检测能力。4.对faster r-cnn的两种改进模型进行了研究,决定采用特征提取网络为res Net101的Mask r-cnn网络模型进行车辆目标检测,并对区域建议网络的锚框尺寸进行了调整,从而进一步提高了对较小车辆目标的检测能力,模型的鲁棒性也较强。

关键词：车辆检测 faster r-cnn模型 resNet101网络 rPN网络 Mask r-cnn模型

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快速检测方法研究

基于深度学习的目标快速检测方法研究

作者：林封笑杭州电子科技大学

学位级别：硕士

在计算机视觉领域中,目标检测包含两个主要过程:图像信息的特征提取,目标的定位与识别。常采用机器学习相关算法进行目标检测任务。深度学习（DL）作为机器学习的热门领域,其具有强大的深度特征信息生成的能力,因此结合深度学习的目标... 详细信息

在计算机视觉领域中,目标检测包含两个主要过程:图像信息的特征提取,目标的定位与识别。常采用机器学习相关算法进行目标检测任务。深度学习（DL）作为机器学习的热门领域,其具有强大的深度特征信息生成的能力,因此结合深度学习的目标检测成为了新的研究方向。但是其优异的检测性能背后是对计算资源的极大消耗,这很容易导致结合深度学习的目标检测方法难以实施和部署在低延迟需求的场景中,因此对目标快速检测方法进行研究具有重要意义。针对基于深度学习的目标检测方法,提出了基于混合结构cnn的目标快速检测网络和基于特征复用cnn的目标快速检测网络。本文的主要研究内容如下:（1）针对基于深度学习的目标检测方法,重点研究faster r-cnn模型以及cnn模型,在网络结构层面分析两者对于检测速度的影响程度,并通过自建数据集进行实验验证。（2）提出了一种基于混合结构cnn的目标快速检测网络。在典型cnn模型的基础上,设计一种多结构混合的cnn模型,并将其融入faster r-cnn模型中,构成目标快速检测网络。基于自建数据集的实验结果证明,基于混合结构cnn的目标快速检测网络模型在降低模型的参数规模,提高模型的实时性的同时,也减轻了模型的内存消耗。（3）提出了一种基于特征复用cnn的目标快速检测网络。融合cnn模型中各卷积层的层级特征,这对于cnn模型的性能提升是有效的。将其与特征重标定技术结合,提出了特征复用策略。将该策略应用于混合结构cnn模型中,并结合faster r-cnn模型,得到目标快速检测网络。通过实验验证,该策略改善了检测模型的检测精度,并对小目标的检测具有较好的改善。

关键词：深度学习目标检测 faster r-cnn模型卷积神经网络

基于深度学习的高铁接触网关键部件状态检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的高铁接触网关键部件状态检测算法研究

作者：张冰华石家庄铁道大学

学位级别：硕士

接触网是高速铁路牵引供电系统的重要一环,其安全状态检测问题是铁路行车安全的重中之重。为此我国特地制定了《铁路供电安全检测监测系统（6C系统）总体技术规范》,该系统负责对高速铁路的牵引供电系统进行全方位、全覆盖的综合检测监... 详细信息

接触网是高速铁路牵引供电系统的重要一环,其安全状态检测问题是铁路行车安全的重中之重。为此我国特地制定了《铁路供电安全检测监测系统（6C系统）总体技术规范》,该系统负责对高速铁路的牵引供电系统进行全方位、全覆盖的综合检测监测。其中C4接触网悬挂状态检测监测装置（4C系统）为6C系统的子系统,负责接触网悬挂系统的各零部件的高精度成像检测,指导接触网故障隐患的消缺。目前,4C系统具备初步识别接触网零部件的功能,但漏检和误检情况频发,因此往往作为接触网检测的辅助手段,其检测精度有待进一步提升。本文根据4C图像数据中各零部件往往较小、存在一定的旋转角度及数据样本极其不平衡（异常样本远远小于正常样本）的特点,将高速铁路接触网的关键零件的状态检测任务分为两部分研究:第一部分先定位待检测零件区域;第二步再对前一步定位出的零件区域部分进行零件异常状态检测。具体的研究主要分为以下几部分:（1）针对铁路4C图像的背景复杂多变、尺寸巨大和目标物体占比小且大多存在旋转角度等问题,本文提出一种改进的faster r-cnn检测算法,将基础的骨干网络VGG16更改为检测能力更强的res Net-50网络,同时添加多尺度检测方法提高对小物体的检测精度,最后根据物体具有旋转角度的特点,给目标检测框多增加一个角度参数,使得目标物体的位置识别更加精确,提高了检测精度。（2）针对接触网待检测目标物体在4C图像上占比过小的问题,本文提出利用三重注意力集中机制来显著增强目标物体在图像上的区域。人类在感知过程中往往会有选择性的专注于给定信息中的一部分感兴趣区域而忽略其他部分。这种注意力集中机制有助于改善感知信息,同时保留其上下文信息。因此,本文将三重注意力集中机制添加到通用的目标检测算法中,增强目标检测算法对物体的检测精度,解决了传统的注意力机制的通道注意和空间注意机制单独分开计算的缺点,提高了空间维度和通道维度的交互作用。（3）针对4C图像数据中异常样本少的特点,本文从实际工程的角度出发,采用基于对抗训练的半监督方法来进行异常检测。具体做法是采用改进的GANomaly网络进行对抗性训练,在训练阶段只需要输入正常样本数据图像,由生成器网络生成输入数据的重构图像和高层空间的潜在特征向量,让生成器网络模型学习正常样本的数据分布。当输入数据为异常样本图像时,由生成器网络生成的重构图像和高层空间的潜在特征向量会明显区别于正常样本输入时生成的重构图像和高层空间的潜在特征向量,此时给判别器网络设置合适的阈值,即可判别输入图像是否异常。本文中对原GANomaly算法的网络架构进行改进,增加跳层连接,使得网络的性能得到提升。基于上述研究,在实验室搭建了算法所需要的环境,全部采用铁路4C图像数据集进行本文算法的验证,并利用其他的先进算法进行对比实验,经过大量实测数据图像验证,本文设计的算法合理,符合工程实际应用,能够有效的检测出铁路接触网的异常零件。准确率能够基本达到人工检测的水平,可有效提升工作效率。

关键词：接触网目标检测 faster r-cnn模型注意力机制生成对抗网络异常检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于生成对抗网络的恶意代码检测研究

基于生成对抗网络的恶意代码检测研究

作者：梁镇沈阳理工大学

学位级别：硕士

当前,信息技术日新月异,互联网飞速发展,成为全球经济、社会等方面不可或缺的技术。同时,网络技术的发展也导致网络空间面临者更多的风险,针对网络空间进行攻击的恶意软件层出不穷,并且不断进行着更新迭代。为了进一步降低恶意软件对国... 详细信息

当前,信息技术日新月异,互联网飞速发展,成为全球经济、社会等方面不可或缺的技术。同时,网络技术的发展也导致网络空间面临者更多的风险,针对网络空间进行攻击的恶意软件层出不穷,并且不断进行着更新迭代。为了进一步降低恶意软件对国家、社会和公民造成的损失,对恶意代码的研究刻不容缓。传统恶意软件的研究多侧重于对恶意代码内部函数进行分析检测,伴随着人工智能的不断普及应用,网络安全的研究人员开始研究将深度学习应用于恶意代码的检测中,成为了现阶段对恶意软件进行研究的热门方向。本文对恶意代码进行可视化处理,将恶意代码转化成灰度图,在此基础上提出基于GAN的恶意代码检测方法,使用GAN对faster r-cnn模型进行改进,以增强对灰度图纹理细节的检测能力,利用生成器对灰度图的特征进行学习,并且使用残差结构改善梯度爆炸等问题;利用判别器对生成特征进行判断,在反向传播的过程中调整参数,通过生成对抗网络将灰度图表达为纹理细节更显著的特征后,送入rest Net50为主干提取网络的faster r-cnn模型中进行分类与回归操作。并进一步优化区域建议网络rPN,针对灰度图中.text段的所在位置,改进锚点参数,增加定位精确性。除此之外,就目前恶意代码数据样本较少、不同恶意代码种类分布不均匀等情况,使用改进后的ACGAN对恶意代码灰度图进行数据增强,进一步扩充恶意代码数据集。对扩充后的恶意代码灰度图样本,使用传统faster r-cnn模型和GAN+faster r-cnn模型进行实验对比,其中本文方法对恶意代码的识别准确率达到94.1%,误报率、检测率等方面也优于传统faster r-cnn模型,具有更好的分类检测效果,实现了对恶意代码的有效分类。

关键词：恶意代码检测 faster r-cnn模型生成对抗网络目标检测数据增强