检索结果-南通市图书馆

一种改进的多任务级联卷积神经网络人脸检测算法

维普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

科学技术创新 2024年第16期 106-110页

作者：刘亮酒泉职业技术学院甘肃酒泉

基于卷积神经网络的人脸检测方法检测准确率高,应用广泛,但卷积神经网络一般结构复杂,运算量大,在边缘计算设备运行时实效性不高,为提高实效性,本文提出一种改进的多任务卷积神经网络人脸检测算法。该检测方法基于MTCNN实现,使用Mobile... 详细信息

基于卷积神经网络的人脸检测方法检测准确率高,应用广泛,但卷积神经网络一般结构复杂,运算量大,在边缘计算设备运行时实效性不高,为提高实效性,本文提出一种改进的多任务卷积神经网络人脸检测算法。该检测方法基于MTCNN实现,使用MobileNet替换MTCNN三层子网络中的大部分卷积核,并减少R-Net、O-Net网络中的卷积核数量;改进nms算法,降低被抑制候选框的置信度,在最后时统一删除,并抑制同一人脸周围分数最高候选框之外的其他候选框。选用Celeb A和WIDER FACE数据集按照7:3划分进行训练和验证,准确率达到了98.03%,实时性较好。该改进策略大幅降低了原网络的参数量,实现了轻量化改进,保留精度更高的回归窗口,缓解了漏检问题,检测率高,能满足边缘算力设备人脸实时检测的需求。

关键词： MTCNN 边缘计算设备 MobileNet nms

在线全文

学校读者我要写书评

暂无评论

数据“说”癌症

实用心脑肺血管病杂志 2024年第5期32卷 M0003-M0003页

由世界卫生组织(WHO)国际癌症研究机构(IARC)Freddie Bray领衔的研究团队在顶级期刊CA:A Cancer Journal for Clinicians上发布了最新数据报告,其统计结果表明,2022年有近2000万例新发癌症病例〔包括非黑色素瘤皮肤癌(nmsC)〕,同时有97... 详细信息

由世界卫生组织(WHO)国际癌症研究机构(IARC)Freddie Bray领衔的研究团队在顶级期刊CA:A Cancer Journal for Clinicians上发布了最新数据报告,其统计结果表明,2022年有近2000万例新发癌症病例〔包括非黑色素瘤皮肤癌(nmsC)〕,同时有970万人死于癌症(包括nmsC)。

关键词：癌症研究机构数据报告非黑色素瘤皮肤癌研究团队 nms IARC

The Design, Performance Analysis and Implementation of VCAT in Backbone Networks for Software Radio System

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

China Communications 2009年第1期6卷 85-91页

作者： Wang Peng1, JiaDong1, Jin Depeng2 , Zeng Lieguang2 1JiangNan Institute of Computer Technology, Wuxi, Jiangsu, 214083, P. R. China 2Department of Electronic Engineering, Tsinghua University, Beijing, 100084, P.R. China JiangNan Institute of Computer Technology Wuxi Jiangsu 214083 China Department of Electronic Engineering Tsinghua University Beijing 100084 China

Software Radio is a kind of promising technology in today and future’s communication systems. To share the resources of software radio systems to a large extent, we need to connect the instruments through backbone networks, such as the Multi-Service Transport Platform (MSTP), which is a dominating network technology that adopts both telecom and datacom traffic into existing transport infrastructures — Synchronous Digital Hierarchy (SDH). Virtual concatenation (VCAT) is one of the key technologies in MSTP. Compared with traditional contiguous concatenation, VCAT reduces transmission granularities, provides more flexibility to Network Management System (nms) and as a result, improves the network efficiency greatly. In this paper, we introduce our design and implementation of VCAT module for a MSTP ASIC. The procedure of theoretical analysis to determine several important performance related parameters is also discussed in detail. The over- all design has been thoroughly simulated and verified through our self-made FPGA board, and has been successfully applied in our MSTP ASICs. We believe our work is significant for future development of software radio technology.

关键词： SRT VCAT nms MSTP ASIC

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于改进YOLO及nms的水果目标检测

电子测量与仪器学报 2022年第4期36卷 114-123页

作者：徐印赟江明李云飞吴云飞卢桂馥安徽工程大学高端装备先进感知与智能控制教育部重点实验室芜湖241000 安徽工程大学电气工程学院芜湖241000 安徽工程大学计算机与信息学院芜湖241000

为使水果采摘机器人在复杂情况下如树叶遮挡、果实目标尺度变化大等情况能准确地检测出水果,提出一种YOLO(you only look once)改进模型与nms(non-maximum suppression)改进算法的目标检测方法。首先,对传统YOLO深度卷积神经网络架构进... 详细信息

为使水果采摘机器人在复杂情况下如树叶遮挡、果实目标尺度变化大等情况能准确地检测出水果,提出一种YOLO(you only look once)改进模型与nms(non-maximum suppression)改进算法的目标检测方法。首先,对传统YOLO深度卷积神经网络架构进行改进,设计一种更细化的SPP5(spatial pyramid pooling)特征融合网络模块,强化特征图多重感受野信息的融合,并基于此模块提出一种YOLOv4-SPP2-5模型,在标准YOLOv4网络中跨层添加并改进SPP层,重新分布池化核大小,增强感受野范围,从而降低目标误检率;其次,提出一种Greedy-Confluence的nms改进算法,通过对高度接近的检测框直接抑制和对重叠检测框综合考虑距离交并比DIOU(distance-intersection over union)和加权接近度WP(weighted proximity)的方法,均衡nms的计算消耗并减少检测框的错误抑制,从而提高遮挡、重叠物体的检测精度;最后,分别对改进方法进行性能测试,验证方法的可行性,随后制作水果检测数据集并进行格式转换和标签标注,然后采用数据增强技术对训练数据进行扩充,并使用K-means++聚类方法获取先验锚定框,在计算机上进行了水果检测实验。结果表明,基于改进YOLO网络及改进nms的水果检测方法在准确率方面有显著的提高,平均精度均值(mean average precision,MAP)在YOLOv4上达到了96.65%,较原网络提升1.70%,并且实时性也得到了保证,在测试设备上达到了39.26帧/s。

关键词：水果目标检测 YOLO网络 SPP模块 nms 信息熵

基于驾驶员nms特征的人机共驾HVSC模型及控制策略研究

在线全文

学校读者我要写书评

暂无评论

基于驾驶员NMS特征的人机共驾HVSC模型及控制策略研究

作者：吴化腾重庆交通大学

学位级别：硕士

L5级别的完全自动驾驶短时间内难以实现,人机协同驾驶即人机共驾成为不可替代的过渡方案。协同驾驶中驾驶员行为特性在人车路闭环中的作用不可忽视,因此针对驾驶员行为特性进行分析,建立合理、符合驾驶员实际操作特性的人机共驾系统动... 详细信息

L5级别的完全自动驾驶短时间内难以实现,人机协同驾驶即人机共驾成为不可替代的过渡方案。协同驾驶中驾驶员行为特性在人车路闭环中的作用不可忽视,因此针对驾驶员行为特性进行分析,建立合理、符合驾驶员实际操作特性的人机共驾系统动力学模型,对于车辆研发、测试、分析和验证具有重要意义。同时本文针对驾驶员误操作问题及接管辅助问题进行深入研究,并基于驾驶员的神经肌肉系统(Neuromuscular system,nms)特征设计H控制器和保性能控制器,主要内容如下:(1)基于驾驶员nms特征,推导包含手臂和小腿-足部的驾驶员转向-跟随统一人机共驾动力学模型。根据人-车-路位置关系,基于建立的驾驶员肌肉动力学传递函数,结合模型预测控制器(Model predictive controller,MPC)和车辆二自由度模型构建表征驾驶人nms特征参数的转向-跟随统一人机共驾动力学模型。(2)对建立的人机共驾模型进行降维简化,简化模型中的微小量和反馈作用不明显的状态量,基于实车实验数据采用(Adaptive genetic algorithm,AGA)算法对降维后的模型参数进行辨识,并将实车实验结果与模型输出结果进行对比以验证降维模型的精确性,最后使用李雅普诺夫定理证明降维模型的稳定性。(3)自动驾驶系统能够胜任驾驶任务时,针对驾驶员对周围环境的误判或对自动系统不信任而出现的误操作问题,建立转向系统模型,考虑驾驶员的nms特征,将期望横摆角速度和方向盘转角作为输入设计H控制器,并通过车道保持实验和换道实验验证控制器的有效性和鲁棒性。(4)针对人机共驾环境下自动驾驶系统无法胜任的场景,需要驾驶员及时接管问题。本文考虑驾驶员nms特征建立驾驶员横向手臂模型,同时考虑驾驶员nms参数摄动问题,以期望的方向盘转角作为输入,设计保性能控制器,使驾驶员存在nms参数摄动的情况下仍能追踪期望的轨迹,并通过仿真实验和实车实验验证提出策略的有效性。

关键词：人机共驾驾驶员模型 nms 模型降维参数辨识

一种改进的基于卷积神经网络的绝缘子检测算法研究

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

电测与仪表 2022年第5期59卷 116-122页

作者：吴君鹏唐少博李相磊张师东北电力大学吉林吉林132000

针对现场中采集的绝缘子图像存在目标图像大小尺度不一,以及拍摄角度所造成的目标图像相互遮挡等因素而导致误检或漏检等问题,提出了一种改进的基于卷积神经网络的绝缘子图像检测方法。采用轻量化的ZF网络实现特征提取;确定优化的锚窗... 详细信息

针对现场中采集的绝缘子图像存在目标图像大小尺度不一,以及拍摄角度所造成的目标图像相互遮挡等因素而导致误检或漏检等问题,提出了一种改进的基于卷积神经网络的绝缘子图像检测方法。采用轻量化的ZF网络实现特征提取;确定优化的锚窗比例提升目标图像的检测精度;对nms后处理算法进行了改进,提出多阶段的惩罚因子算法,适应于多尺度、多比例、绝缘子重叠遮挡等复杂情况。实验结果表明,改进后的Faster R-CNN的检测方法将AP由0.797 7提高到了0.905 8,显著地提升了绝缘子目标图像的检测精度,降低了绝缘子的漏检和误检的概率。

关键词：绝缘子卷积神经网络 Faster R-CNN 锚 nms 检测

在线全文

学校读者我要写书评

暂无评论

基于YOLOv5m改进模型的煤矸识别方法

煤炭技术 2023年第7期42卷 10-14页

作者：常枫懿赵国贞太原理工大学矿业工程学院太原030024 太原理工大学原位改性采矿教育部重点实验室太原030024

井下煤矸识别分选是煤矿智能化开采的重要环节。井下煤矸识别存在样本间相似度高、处于叠加状态难以识别及现有的图像识别方法鲁棒性差、精度低等问题。提出一种基于YOLOv5m改进模型的煤矸识别方法,通过增加SE模块调整网络架构、改进边... 详细信息

井下煤矸识别分选是煤矿智能化开采的重要环节。井下煤矸识别存在样本间相似度高、处于叠加状态难以识别及现有的图像识别方法鲁棒性差、精度低等问题。提出一种基于YOLOv5m改进模型的煤矸识别方法,通过增加SE模块调整网络架构、改进边界损失函数、采用DIOU-nms对YOLOv5m模型进行改进,并进行了模型的测试。测试结果表明:YOLOv5m改进模型识别精度达96.4%,描框准确度得到了提高,且能够有效识别叠加状态的煤与矸石,避免漏检现象,提高了模型的实用性。

关键词：煤矸识别 YOLOv5m 损失函数 nms 注意力机制

在线全文

学校读者我要写书评

暂无评论

轻量化YOLO网络设计及移动端实现

轻量化YOLO网络设计及移动端实现

作者：张裕北方民族大学

学位级别：硕士

轻量化作为一种大型网络缩减为可移植网络的方法,可通过网络结构设计和模型压缩技巧的配合来达到降低模型运行时间的要求,而人工设计网络结构与模型压缩方法结合已成为目前研究的热门方向。浅层特征提取网络设计可以较快的完成图片信息... 详细信息

轻量化作为一种大型网络缩减为可移植网络的方法,可通过网络结构设计和模型压缩技巧的配合来达到降低模型运行时间的要求,而人工设计网络结构与模型压缩方法结合已成为目前研究的热门方向。浅层特征提取网络设计可以较快的完成图片信息提取工作,在网络结构设计领域中逐渐拥有了一部分的研究热度。但目前的浅层网络均为单一串行连接结构,特征传递过程中信息损耗较为严重,影响最终检测性能。对于这一问题,本文首先将特征提取网络从单一的串行连接结构调整为并行连接结构,以增加部分网络宽度为代价大幅缩减模型深度,得到了一种并行分支结构的轻量化模型。在这一模型的前提下,针对浅层网络中信息传递问题以及目标检测中nms耗时严重问题,本文提出了两种解决方案:首先,针对目标检测模型进行特征提取时常使用层数深、耗时久的网络的问题,论文提出了一种将深层串行连接网络替换为较浅层并行连接网络的设计思想,网络设计的核心在于分支条数的搭建以及卷积模块间的轻量化设计思想。借鉴于Inception网络的分支设计思想,在有限的下采样设计模块中,论文提出了三种拥有不同分支条数的并行连接网络,通过对不同分支情况下的检测结果进行研究来确定最终的并行分支结构中的分支数目。然后,在卷积模块的设计环节中使用1×1和3×3的小卷积核,将常规正方形的卷积进行低秩分解操作用以降低模型计算量,并添加混洗、跳跃连接、模块并联等方式维持模型的特征提取能力。实验结果表明了所提出网络结构的可行性和有效性。其次,目前使用锚框（Anchor）的单阶段目标检测中常用非极大值抑制（Non-Maxima Suppression,nms）操作抑制冗余预测框降低误检风险,常用的nms及其变体通常是针对检测精度的效果提升而对检测框的剔除机制进行调整的,但却没有对IOU的运算与顺序的迭代抑制进行优化。针对这一问题,本文提出一种改善nms中IOU运算的算法提升模型计算效率,算法首先将依照降序排列的检测框集合与其自身进行IOU运算,然后将所得矩阵上三角化后保留每列最大值构成一维向量,其次通过将一维向量化成的对角矩阵左乘IOU矩阵进行行变换,迭代找出与上次迭代相同的一维向量,最后得到不变的一维向量中保留数值为1的框,抑制数值为0的框。在不同nms的实验效果证明,改善后的nms具有更快的运算效率,且搭配提升精度的部分后虽运算效率略有损失,但检测精度得到了明显提升。综上所述,本文在单阶段目标检测的基础上融入轻量化的特征提取网络,获得了更快的模型运行效率。提出的nms修改通过对矩阵运算方式的整理,多次迭代避免了冗余框对其他框的影响,对模型检测精度的提升具有一定的促进作用。最后测试了融合了两种轻量化改善操作的单阶段目标检测网络效果,模型在提升运算效率的基础上提升了网络检测性能。

关键词：轻量化 YOLO网络并行结构设计 nms 目标检测

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

基于实例分割的小麦不完善粒的检测研究

基于实例分割的小麦不完善粒的检测研究

作者：申冉河南工业大学

学位级别：硕士

小麦在市场的流通过程中需要按质估价。单位容积小麦的不完善粒含量是影响其品质评定的重要因素,因此实现小麦不完善粒的快速无损检测对小麦质量的等级评定具有重大意义。在实际环境中,粮库人员需手动筛查,极大的耗费人力和时间成本。... 详细信息

小麦在市场的流通过程中需要按质估价。单位容积小麦的不完善粒含量是影响其品质评定的重要因素,因此实现小麦不完善粒的快速无损检测对小麦质量的等级评定具有重大意义。在实际环境中,粮库人员需手动筛查,极大的耗费人力和时间成本。目前的机器视觉技术识别准确率低并难以识别粘连籽粒。针对以上问题,本文以小麦中完善粒和不完善粒(发霉粒,虫蚀粒,病斑粒,发芽粒,破损粒)为检测目标,创建小麦籽粒数据集,通过对比不同模型的实验结果,选择并构建了基于改进Mask RCNN的小麦不完善粒实例分割模型,并基于分割后的结果创建小麦籽粒的面积和质量回归模型以计算小麦等级,最终实现了小麦不完善粒检测的可视化平台。本文具体工作如下:(1)构建小麦籽粒数据集。针对目前小麦籽粒数据集缺失的问题,通过图像采集平台采集图像共130张,总颗粒数26754,作为原始数据集。使用labelme软件逐粒标注,得到对应的标注文件和掩膜图片。为提高模型泛化能力,将原始数据集分别按照降低亮度,加噪,加随机点,平移和翻转这五种数据增强方法进行图像增强。按照8:1:1的比例划分数据集,最终完成了780张COCO格式的小麦籽粒数据集的构建。(2)研究小麦不完善粒检测和分割基础模型。为探究小麦不完善粒分割可行性,研究对比了目标检测、语义分割和实例分割方法。通过对比实验结果,最终选择精度较好,适合后处理评定等级的实例分割方法。通过对比几种经典的实例分割模型,选择分割精度较高,对于粘连颗粒分割效果更好的Mask RCNN模型,经过初步实验,验证了Mask RCNN基础模型能够基本满足小麦不完善粒的识别和分割。(3)提出改进的Mask RCNN小麦不完善粒分割模型。为解决主干网络提取特征时没有针对性的问题,在提取的四个特征层后添加高效通道注意力(Efficient Channel Attention,ECA)模块。为加强网络对小麦边缘信息的提取能力和对小麦籽粒尺寸变化的适应能力,在主干网络后添加自下而上特征金字塔网络。在原始的Mask RCNN网络中,生成锚框会保存很多位置信息,增大模型计算量,进而影响模型运行速度,针对这一点,调整区域建议网络(Region Proposal Network,RPN)。同时在后处理阶段优化非极大值抑制(Non Max Suppression,nms)策略,防止模型将粘连程度严重的颗粒识别为同一个目标。实验表明,改进后的模型m AP由47.2%提高至86.3%,处理一张图片的时间由11s降低为8s。(4)搭建小麦颗粒面积和容重的回归模型并实现可视化平台。不完善粒含量的计算依赖容重,因此构建了分割后图像面积和容重的回归模型。抽取十批不完善粒含量不同的小麦,按照实际称量结果作为准确结果,对回归模型进行进一步的矫正。最后利用Python的Flask技术将前后端封装,实现不完善粒检测可视化平台。

关键词：实例分割小麦不完善粒 Mask RCNN 注意力机制 FPN nms