检索结果-南通市图书馆

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于改进RT-DETR的路面坑槽检测模型

武汉科技大学学报 2024年

作者：许小伟陈燕玲占柳漆庆华邓明星武汉科技大学汽车与交通工程学院

路面坑槽对驾驶的舒适性和安全性有很大影响。针对路面图像中坑槽尺寸小、特征信息匮乏导致检测精度低的问题，提出一种基于RT-DETR的路面坑槽检测模型Pavement Pothole-detr (PP-detr)。其主干网络使用SPDRSFE模块进行特征提取，可保... 详细信息

路面坑槽对驾驶的舒适性和安全性有很大影响。针对路面图像中坑槽尺寸小、特征信息匮乏导致检测精度低的问题，提出一种基于RT-DETR的路面坑槽检测模型Pavement Pothole-detr (PP-detr)。其主干网络使用SPDRSFE模块进行特征提取，可保留更多特征信息，提高对小目标的检测精度；引入渐进特征金字塔结构实现特征融合，避免多级传输造成的信息丢失，以解决坑槽特征信息主要集中在中、底特征层的问题；使用Conv3XCC3模块进行特征再提取，在提高网络表达能力的同时又不增加计算量。实验结果表明：相比原RT-DETR模型，PP-detr的精确率与召回率分别提升了2.9和5.4个百分点，mAP达到76.9%，证明本文提出的改进方法有效地提升了网络的特征提取和特征融合能力，在路面坑槽检测任务上的表现明显优于Yolo系列算法。

关键词：目标检测路面坑槽 RT-DETR 渐进特征金字塔结构重参数化

动态场景下基于特征点筛选的视觉SLAM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

系统仿真学报 2024年

作者：姜丽梅陈信威华北电力大学计算机系

针对传统的视觉SLAM算法在动态环境下的定位精度与鲁棒性低的问题，提出了一种基于特征点筛选的改进动态SLAM算法，该算法以ORB-SLAM3算法为基本框架，增加了动态区域划分与特征点筛选模块。动态区域划分模块使用改进的RT-DETR目标检测... 详细信息

针对传统的视觉SLAM算法在动态环境下的定位精度与鲁棒性低的问题，提出了一种基于特征点筛选的改进动态SLAM算法，该算法以ORB-SLAM3算法为基本框架，增加了动态区域划分与特征点筛选模块。动态区域划分模块使用改进的RT-DETR目标检测算法检测图像中的动态物体并根据检测框划分动态区域，特征点筛选模块使用对极约束以及光流法筛选掉运动的动态物体身上的特征点，保留静止的动态物体上以及目标检测框内属于背景部分的特征点参与后续的位姿优化。改进的算法尽可能的保留了更多的有效特征点参与相机位姿优化，实验结果表明改进的算法相比于原始的ORB-SLAM3在高动态环境下的绝对轨迹误差的RMSE值平均能够达到90%以上的提升的同时保持实时运行。

关键词：光流对极约束视觉SLAM 动态环境 RT-DETR PP-LCNet

基于改进实时检测Transformer的塔机上俯视场景小目标检测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：庞玉东李志星刘伟杰李天昊王宁宁北京建筑大学机电与车辆工程学院洛阳理工学院智能制造学院

针对塔机吊钩相互碰撞导致物体跌落以及塔机倒塌致使人员伤亡等一系列施工现场人员安全保障的问题，提出一种基于改进实时检测Transformer (Real-Time DEtection Transformer,RT-DETR)的塔机上俯视场景小目标检测模型。首先，在原始模... 详细信息

针对塔机吊钩相互碰撞导致物体跌落以及塔机倒塌致使人员伤亡等一系列施工现场人员安全保障的问题，提出一种基于改进实时检测Transformer (Real-Time DEtection Transformer,RT-DETR)的塔机上俯视场景小目标检测模型。首先，在原始模型中加入应用模型重参数化思想设计的多路训练和单路推理结构以提升检测速度；其次，重新设计FastNet-Block中的卷积模块，替换原始BackBone之中的BasicBlock提升检测模型性能；再次，利用新的损失函数Inner-SIoU进一步提升模型性能与收敛速度。最后，进行消融实验与对比试验验证模型性能，结果表明基于改进RT-DETR的塔机上俯视场景小目标检测模型在检测塔机顶部俯视小目标图像上精度（Precision）达到94.7%，高于原始RT-DETR模型6.1个百分点。每秒检测帧数（F PS）达到59.7，检测速度较原模型提升21了个百分点。在公共数据集COCO 2017上的AP指标相较YOLOv5、YOLOv7、Y OLOv8分别高出2.4、1.5、1.3个百分点，满足塔机上俯视场景下小目标检测精度和速度的要求。

关键词：目标检测 RT-DETR 小目标 Transformer 计算机视觉注意力机制

detr-Maritime模型:海上救援无人机小目标检测研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

互联网周刊 2024年第5期 34-36页

作者：吕述杭于营徐金辉三亚学院信息与智能工程学院

目标检测功能在海上人员搜救中扮演着至关重要的作用,特别是在复杂的海洋环境中,利用该功能可以对海面上的游泳者和船只进行精准定位。本文提出了一种专门设计和优化的detr-Maritime模型。此模型基于rtdetr实时检测架构,并结合高效部分... 详细信息

目标检测功能在海上人员搜救中扮演着至关重要的作用,特别是在复杂的海洋环境中,利用该功能可以对海面上的游泳者和船只进行精准定位。本文提出了一种专门设计和优化的detr-Maritime模型。此模型基于rtdetr实时检测架构,并结合高效部分可重参数化块,可以有效提升对小目标检测的精度和实时处理能力。实验结果显示,与YOLOv8-L相比,该模型的参数量减少了67.7%,计算复杂度降低了73.9%,而mAP提升了2.6个百分点,达到0.544,可以为海上救援提供有效的支持。

关键词：小目标检测海上救援 RT-DETR SeaDronesSee

维普期刊数据库