检索结果-南通市图书馆

Minimal Model Semantics for sorted Constraint Representation

在线全文

学校读者我要写书评

暂无评论

Journal of Computer Science & Technology 1995年第5期10卷 439-446页

作者：廖乐健史忠植 InstituteofComputingTechnology TheChineseAcademyofSciencesBeijing100080 InstituteofComputingTechnolo

sorted constraint representation is a very useful representation in AI which combines class hierarchies and constraint networks. For such sorted constraint representation, a problem is how to generalize the idea of default inheritance to constraint network, where the attributes in a class or between different classes interact with each other via the network. To give a formal account for the defeasible reasoning in such representation, a general sorted constraint logic is proposed, and a minimal-model semantics for the logic is presented.

关键词： Constraint sort model

在线全文

学校读者我要写书评

暂无评论

k-Bitonic sort

Science China(Technological Sciences) 1999年第2期42卷 157-164页

作者：高庆狮胡玥刘志勇 Institute of ILC Beijing University of Science and Technology Committee of National Natural Science Foundation of China

A k-bitonic sort which generalizes the bitonic sort is proposed. The theorem of the bitonic sort, which merges two monotonic sequences into one order sequence, is extended into the theorem of k-bitonic sort. The k-bitonic sort merges K (=2k or 2k-1) monotonic sequences into one order sequence in steps, where k=[K/2] is an integer and k≥1. The k-bitonic sort is the Batcher’s bitonic sort when k=1.

关键词： parallel processing parallel algorithm parallel merging parallel sorting bitonic sort k-bitonic sort.

基于车辆轨迹的高速公路异常事件自动检测算法

在线全文

学校读者我要写书评

暂无评论

交通信息与安全 2023年第3期41卷 23-29页

作者：李斌马静徐学才马昌喜兰州朗青交通科技有限公司兰州730030 华中科技大学土木与水利工程学院武汉430074 兰州交通大学交通运输学院兰州730070

高速公路异常事件自动检测是有效保障道路交通安全和运输效率的重要手段,由于监控视频数据量巨大,现有自动检测算法存在实时性、准确性低的问题。为此本文提出了基于轨迹分类的对比性悲观似然(comparative pessimistic likelihood estim... 详细信息

高速公路异常事件自动检测是有效保障道路交通安全和运输效率的重要手段,由于监控视频数据量巨大,现有自动检测算法存在实时性、准确性低的问题。为此本文提出了基于轨迹分类的对比性悲观似然(comparative pessimistic likelihood estimation,CPLE)算法。构建了包含车辆检测、车辆跟踪和轨迹分类3种功能的异常事件自动检测模型框架,采用YOLO v3对车辆进行目标检测,获得4类不同车辆类型的相关信息,采用简单在线和实时跟踪算法对车辆进行多目标跟踪,获得不同场景的异常事件车辆轨迹;基于半监督学习,采用极大似然法对车辆轨迹分类进行改进,引入对比性悲观似然估计,围绕其对比和悲观原则进行参数设置和标定,进行异常事件轨迹分类和确认,提出基于车辆轨迹的异常事件自动检测算法。以甘肃省G312线公路智能化检测系统为测试对象,共收集1300段视频,形成530条测试集轨迹和630条验证集轨迹,测试结果表明:通过对不同场景异常事件进行检测和预警,基于对比性悲观似然估计的轨迹分类算法性能准确率达到89.7%,比自学习和监督学习方法的准确率分别高出23.6%和41.3%,尽管对散落货物和超速事件的检测正确性稍低,平均为77.0%,但突发性停车、拥堵和事故的检测平均正确率达98.2%,在严重影响交通的事件检测方面的平均正确率达到94%。本方法丰富了高速公路异常事件自动检测算法,可作为异常事件自动检测提供备选方法。

关键词：交通安全高速公路车辆轨迹 YOLO v3 sort 对比性悲观似然估计

RESEARCH OF GRADED QUICK sort METHOD

在线全文

学校读者我要写书评

暂无评论

Chinese Science Bulletin 1990年第1期35卷 73-76页

作者：杨宪泽 Department of Mathematics Southwest Institute of Minority Nationalities Chengdu 610041 PRC

Soft is a very important and complex technology in computer science. Its development not only causes the transformation in dealing with data in great amount, but also will affect the design of software engineering. The Quick sort Method put forward by Hoare has been regarded to possessing the best even characteristics. But the method itself still carries out two operations of comparison and exchange of key words. Therefore, the best sort time can be O（Nlog2N）, where N is quantity of the data. Refs. [2] and [3] present a sort

关键词： graded sort method memory overhead sort speed.

INFLUENCE OF COAL sort ON THE DIRECT REDUCTION OF HIGH-IRON-CONTENT RED MUD

在线全文

学校读者我要写书评

暂无评论

Journal of Central South University 1995年第2期7卷 27-31页

作者： Qiu Guanzhou Liu Yongkang Jiang Tao Hu Yuehua(Department of Mineral Engineering, Central South University of Technology, Changsha, 410083,China) Department of Mineral Engineering Central South University of Technology Changsha China

The technology of coal-based direct reduction of high-ironcontent red mud is studied. The factors affecting this kind of direct reduction mainly are: coal sort, carbon amount, time, temperature and etc. has been inves... 详细信息

关键词： ed mud coal sort direct reduction

在线全文

学校读者我要写书评

暂无评论

基于电子监控的丁香鱼捕捞智能监测技术研究

基于电子监控的丁香鱼捕捞智能监测技术研究

作者：张佳泽上海海洋大学

学位级别：硕士

丁香鱼(Engraulis japonicus)是一种集群性强、生命周期短的中上层小型鱼类,广泛分布于我国的东海和渤海。长期以来,我国近海渔业呈现出过度捕捞的趋势,鱼类的种群结构出现了低龄化、小型化和首次性成熟等问题。针对逐渐锐减的问题,中... 详细信息

丁香鱼(Engraulis japonicus)是一种集群性强、生命周期短的中上层小型鱼类,广泛分布于我国的东海和渤海。长期以来,我国近海渔业呈现出过度捕捞的趋势,鱼类的种群结构出现了低龄化、小型化和首次性成熟等问题。针对逐渐锐减的问题,中国开始对近海海域实施丁香鱼限额捕捞措施,采用视频监控技术辅助捕捞管理。近年来,传统的捕捞渔船行为识别方法主要依靠船速、航行时间和轨迹进行判断,具有一定的局限性。此外,对于渔船作业的统计主要依靠人工记录的方法,往往会出现漏记、错记等现象,导致航次捕捞统计的结果不准确。随着深度学习的发展,渔船作业统计的关键是对几个主要的作业特征识别,识别特征的精度越高对后期的统计更加准确。为了解决上述问题,本文首先提出一种基于3-2D融和模型的丁香鱼捕捞渔船行为识别方法,为限额捕捞监测提供新的解决方案。此外,针对YOLOv5进行改进融合注意力机制模块和小网络,提升模型的检测精度。之后,针对目标统计部分,使用了sort算法进行统计。研究结果如下:(1)通过在丁香鱼渔船上固定位置安装电子监控设备,并记录捕捞作业全过程,共获取2000余个视频监控数据作为初始数据;从初始数据中筛选有效的视频数据,同时对视频数据进行5种行为的划分和标记。为了提高网络训练的效率,对视频数据进行压缩和帧数分割等预处理;最后,通过搭建3-2D融合的卷积神经网络来训练模型,实现渔船行为特征的提取和分类。结果表明,捕捞渔船行为识别方法的分类精度为96.44%,召回率为96.20%,平均精确度为96.60%,模型整体得分达96.04%,平均检测时间为35.46 ms·帧,可用于丁香鱼渔船捕捞视频的实时分析。(2)为了解决目前丁香鱼捕捞作业中检测不准确的问题,提出一种改进YOLOv5的识别算法。该方法将SENet注意力机制引入到YOLOv5主干网络结构中,融合捕捞作业不同时期的目标信息,同时降低复杂背景的干扰,提高模型检测精度的同时保证实时检测效率。采用实际拍摄的丁香鱼作业视频作为实验的数据,将视频转化为图片格式实现前期标注和处理,对5550幅图像按照8:1:1划分训练集、验证集和测试集,为了验证数据的有效性,设置了对照实验,将YOLOv5主干网络替换为Mobile Net V2和引进SENet注意力机制,分别实现四种模型进行对比,实验结果表明,该研究算法可获得均值平均精度(m AP)为99.3%,精度为98.9%,召回率为98.7%,相比原模型分别提高了1.4%、1.7%和2.5%,试验效果良好。(3)针对部分类别进行统计,采用阈值法和sort及Deepsort算法进行对比,主要包括卡尔曼滤波和匈牙利匹配法对主要类别渔筐等目标进行统计,可以得到96.5%的准确率,对渔网和加工船分别采用阈值法可以分别得到85.8%和75%的准确率,研究结果良好,可以为丁香鱼作业识别提供新的思路,同时为作业统计提供辅助手段。总之,本研究的创新点主要体现在:(1)提出渔船状态识别研究的可行性方案。本文提出一种泛化性较强的渔船状态识别方案,用于识别渔船的捕捞行为状态。该状态识别方案在基于监控视频数据的渔船识别领域得到验证。(2)提出改进YOLOv5的丁香鱼作业过程中的目标检测方法,利用SE注意力机制模块提高了检测精度,且通过消融实验进行了比较和验证。(3)利用sort算法和检测线实现了主要目标的统计,以期通过EM监控渔船作业为限额捕捞提供辅助手段。

关键词：丁香鱼限额捕捞渔船状态识别 YOLOv5 注意力机制 sort

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

基于深度学习的多目标跟踪算法研究

基于深度学习的多目标跟踪算法研究

作者：张攀明长江大学

学位级别：硕士

近些年来,多目标跟踪一直是计算机视觉领域的一个热点,通过多目标跟踪网络模型可以得到视频帧中各个目标的确切位置,并对各个目标进行持续跟踪。但在实际应用场景中,难免会发生目标过于密集、拥挤和目标由近及远造成目标变小以及目标之... 详细信息

近些年来,多目标跟踪一直是计算机视觉领域的一个热点,通过多目标跟踪网络模型可以得到视频帧中各个目标的确切位置,并对各个目标进行持续跟踪。但在实际应用场景中,难免会发生目标过于密集、拥挤和目标由近及远造成目标变小以及目标之间相互重叠遮挡的情况,会使多目标跟踪的性能变差,精度不高,目标标签频繁切换,进而无法准确地对目标进行不间断的跟踪。本文主要的研究目标是行人多目标跟踪,针对现有的检测算法以及跟踪算法的不足,进行改进优化,以提升整个模型在目标密集、拥挤以及目标变小等情况下的跟踪精度和减少目标遮挡后重新出现时标签的切换次数,本文的主要工作和创新性如下:(1)本文对Mask R-CNN目标检测网络模型进行改进。将Mask R-CNN网络模型的骨干网络更换为ResNeSt101网络,提高模型在目标变小情况下检测的准确率以及精度。(2)本文在Mask R-CNN网络模型中加入迭代目标检测方案。模型在第一次检测目标位置之后,再进行一次目标检测,这样可以将第一次没有检测出的目标进一步检测,检测出更多的目标。(3)本文提出一种基于sort的改进多目标跟踪算法。首先在匈牙利算法中加入目标颜色直方图特征,使其在进行特征匹配时,不仅考虑目标的运动特征,也利用目标的表观特征来进行相邻两帧目标的匹配;然后改进数据级联匹配算法,对消失的目标以及新出现的目标都保存为不确定的轨迹,并赋予存活时间,以减少目标标签切换的次数。通过更换Mask R-CNN网络模型的骨干网络为ResNeSt101网络以及加入迭代目标检测方案,能够有效的提升网络模型的特征提取能力以及在密集场景下目标的检测精度;同时改进的sort多目标跟踪算法能减少目标的标签切换次数。实验结果表明,本文所研究的改进的Mask R-CNN网络模型相较于原模型召回率提高12.8%,平均检测精度提高12.2%,提高对小目标的检测精度和对目标的召回率;同时,基于sort的改进多目标跟踪算法相对于sort多目标跟踪算法,标签切换减少了875次,跟踪准确度提高3.6%,跟踪精度提升1.6%。这些结果表明,本文所提出的改进方法能有效提高模型在密集场景下的跟踪效率,提升跟踪精度,为密集场景下多目标的跟踪提供优势。

关键词：多目标跟踪目标检测 sort ResNeSt101

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

废杂塑料视觉分选系统设计与算法研究

废杂塑料视觉分选系统设计与算法研究

作者：陈敬福华南理工大学

学位级别：硕士

塑料制品广泛应用于社会生产生活的方方面面,我国每年都有庞大的塑料产量。然而由于塑料制品种类繁多、外观外形差异大和材质软硬程度不同等因素,给废杂塑料的自动化回收分选带来极大挑战,目前普遍依靠大量的人力进行手动分选。废杂塑... 详细信息

塑料制品广泛应用于社会生产生活的方方面面,我国每年都有庞大的塑料产量。然而由于塑料制品种类繁多、外观外形差异大和材质软硬程度不同等因素,给废杂塑料的自动化回收分选带来极大挑战,目前普遍依靠大量的人力进行手动分选。废杂塑料作为一个庞大繁杂的类别,直接分选既不可靠也不便于后续精细化分选。为此,本课题将废杂塑料细分为洗漱用品瓶、饮料瓶、利乐包、快递包装袋和快餐盒五大类,提出了一种基于视觉引导的多类别废杂塑料实时动态分选系统,并完成系统的硬件平台搭建和软件设计,主要的研究内容如下:(1)构建了6k+张级别的废杂塑料图像数据集,并基于卷积神经网络目标检测模型YOLOX-m实现多类别实时检测任务。利用各种数据增强方法和部署加速方法进一步提升模型的检测精度和推理速度,最终单张图像推理耗时仅需16.811ms,m AP指标达到92.55%。(2)利用sort目标跟踪算法对检测模型输出目标进行实时跟踪,实现目标去重,避免程序对同一个对象进行重复操作,节省了计算资源。同时,利用目标跟踪算法还可对误检目标进行过滤和漏检目标短期内再跟踪,进一步提高检测模型输出精度。(3)采用求解最小外接矩形的方法精确计算物品角度,从而提高了真空吸盘与物品的贴合面积;利用角度计算中途求得的凸包生成物品深度图掩膜版,精确预测物品高度;利用目标跟踪算法可在多帧图像间建立关联,从而获取物品中心点移动轨迹,进而求得物品速度,从而无需在传送带安装编码器。利用卡尔曼滤波对物品速度进行滤波,减少速度波动程度。(4)设计了数据延迟传输逻辑和机械臂抓取逻辑,实现了废杂塑料在传送带上的动态抓取,极大简化了算法复杂度并提高了抓取效率。为精确求解机械臂移动到物品上方所需时间,将机械臂执行动作分解为三个特征,并采用Light GBM算法进行回归预测。(5)针对废杂塑料的特点完成废杂塑料视觉分选系统的硬件平台搭建和软件界面开发。经过大量实际测试,算法处理高效,物品抓取精准,软件简约实用,系统整体实时性好,运行平稳可靠。

关键词：废杂塑料分选动态抓取目标检测 YOLOX-m 目标跟踪 sort

利用无人机航拍视频结合YOLOv3模型和sort算法统计云杉数量

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

农业工程学报 2021年第20期37卷 81-89页

作者：陈锋军朱学岩周文静郑一力顾梦梦赵燕东北京林业大学工学院北京100083 城乡生态环境北京实验室北京100083 德州农工大学园艺系大学城77843 林业装备与自动化国家林业局重点实验室北京100083

准确、快速地统计苗木数量对苗圃的运营和管理具有重要意义,是提高苗圃运营和管理水平的有效方式。为快速准确统计完整地块内苗木数量,该研究选取云杉为研究对象,以无人机航拍完整地块云杉视频为数据源,提出一种基于YOLOv3(You Only Loo... 详细信息

准确、快速地统计苗木数量对苗圃的运营和管理具有重要意义,是提高苗圃运营和管理水平的有效方式。为快速准确统计完整地块内苗木数量,该研究选取云杉为研究对象,以无人机航拍完整地块云杉视频为数据源,提出一种基于YOLOv3(You Only Look Once v3,YOLOv3)和sort(Simple Online and Realtime Tracking,sort)的云杉数量统计方法。主要内容包括数据采集、YOLOv3检测模型构建、sort跟踪算法和越线计数算法设计。以平均计数准确率(Mean Counting Accuracy,MCA)、平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)和帧率(Frame Rate,FR)为评价指标,该方法对测试集中对应6个不同试验地块的视频内云杉进行数量统计的平均计数准确率MCA为92.30%,平均绝对误差MAE为72,均方根误差RMSE为98.85,帧率FR 11.5帧/s。试验结果表明该方法能够快速准确统计完整地块的云杉数量。相比SSD+sort算法,该方法在4项评价指标中优势显著,平均计数准确率MCA高12.36个百分点,帧率FR高7.8帧/s,平均绝对误差MAE和均方根误差RMSE分别降低125.83和173.78。对比Faster R-CNN+sort算法,该方法在保证准确率的基础上更加快速,平均计数准确率MCA仅降低1.33个百分点,但帧率FR提高了10.1帧/s。该研究从无人机航拍视频的角度为解决完整地块的苗木数量统计问题做出了有效探索。

关键词：无人机模型算法云杉数量统计 YOLOv3 sort