检索结果-南通市图书馆

Deep Learning Enabled Object Detection and Tracking Model for Big Data Environment

Computers, Materials & Continua 2022年第11期73卷 2541-2554页

作者： K.vijaya Kumar E.Laxmi Lydia Ashit Kumar Dutta velmurugan Subbiah Parvathy Gobi Ramasamy Irina v.Pustokhina Denis A.Pustokhin Department of Computer Science and Engineering Vignan’s Institute of Engineering for WomenVisakhapatnam530049India Department of Computer Science and Engineering Vignan’s Institute of Information TechnologyVisakhapatnam530049India Department of Computer Science and Information System College of Applied SciencesAlMaarefa UniversityRiyadh11597Kingdom of Saudi Arabia Department of Electronics and Communication Engineering Kalasalingam Academy of Research and EducationKrishnankoil626126TamilnaduIndia Department of Computer Science Christ UniversityBangalore560029India Department of Entrepreneurship and Logistics Plekhanov Russian University of Economics117997MoscowRussia Department of Logistics State University of ManagementMoscow109542Russia

Recently,big data becomes evitable due to massive increase in the generation of data in real time ***,object detection and tracking applications becomes popular among research communities and finds useful in different applications namely vehicle navigation,augmented reality,surveillance,*** paper introduces an effective deep learning based object tracker using Automated Image Annotation with inception v2 based Faster RCNN(AIA-IFRCNN)model in big data *** AIA-IFRCNN model annotates the images by Discriminative Correlation Filter(DCF)with Channel and Spatial Reliability tracker(CSR),named DCF-CSRT *** AIA-IFRCNN technique employs Faster RCNN for object detection and tracking,which comprises region proposal network(RPN)and Fast *** addition,inception v2 model is applied as a shared convolution neural network(CNN)to generate the feature ***,softmax layer is applied to perform classification *** effectiveness of the AIA-IFRCNN method undergoes experimentation against a benchmark dataset and the results are assessed under diverse aspects with maximum detection accuracy of 97.77%.

关键词： Object detection tracking convolutional neural network inception v2 image annotation

来源：

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

热网离心泵状态监测及轴承故障诊断系统研究

热网离心泵状态监测及轴承故障诊断系统研究

引用

作者：李苏峰西安理工大学

学位级别：硕士

离心泵作为城市热网系统中的核心设备,由于其工况恶劣,长期运行势必会导致整体性能退化,甚至造成轴承磨损、效率下降、异常振动等故障,严重影响热网正常工作,因此对热网离心泵进行实时地状态监测和轴承故障诊断具有重要意义。然而,当前... 详细信息

离心泵作为城市热网系统中的核心设备,由于其工况恶劣,长期运行势必会导致整体性能退化,甚至造成轴承磨损、效率下降、异常振动等故障,严重影响热网正常工作,因此对热网离心泵进行实时地状态监测和轴承故障诊断具有重要意义。然而,当前热网离心泵状态监测存在布线繁杂、监测量单一、缺少智能分析软件等问题,轴承故障诊断存在故障识别率低、模型鲁棒性差等问题。针对上述问题,本文研发了一套热网离心泵状态监测及轴承故障诊断系统。主要工作如下:(1)针对目前离心泵状态监测存在监测量单一且多为有线传输,布线繁杂的问题,设计了基于LoRa无线传输的离心泵状态监测装置,包括终端采集装置和集中网关。装置硬件主要完成多传感器数据采集模块、信号调理模块、数据存储与显示模块、LoRa无线通信模块、装置电源及抗干扰等电路设计;装置软件主要完成数据采集、计算、LoRa无线传输协议及星型自组网、4G远程通信等软件程序设计。(2)针对变工况、强噪声环境下离心泵滚动轴承故障特征难以提取以及模型鲁棒性差的问题,提出了基于改进的inception v2-BiGRU轴承故障诊断模型。首先在inception v2模块中引入残差结构和深度可分离卷积;然后采用SE-Net注意力机制,加强关键特征提取,滤除冗杂特征;最后通过BiGRU网络进行时域特征提取,以提升故障诊断识别率。在西储大学和西安交通大学轴承数据集上进行实验,结果表明,改进的inception v2-BiGRU模型在滚动轴承故障诊断任务中性能显著。(3)针对离心泵状态监测缺少智能分析软件,无法进行实时监测的问题,研发了与硬件装置配套使用的远程状态在线监测上位机系统。该系统基于QT平台开发,利用4G无线通讯与集中网关进行数据传输,设计了丰富的人机交互界面,实现对热网离心泵状态的实时监测及预警、曲线绘制与显示、数据存储与管理、轴承振动数据时域分析与故障诊断可视化等功能。(4)完成装置硬件测试和系统现场应用分析,验证系统有效性与可行性。在实验室中,对离心泵状态监测装置进行硬件测试、LoRa无线通信质量和星型组网通信范围测试;在换热站内,进行设备安装,搭建完整系统,完成现场应用测试。以上测试结果表明离心泵状态监测装置可安全稳定运行,整个系统可实现对热网离心泵现地状态进行实时监测与轴承故障诊断,满足设计需求。

关键词：热网系统离心泵机组状态监测故障诊断 inception v2

来源：

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Faster RCNN的轻量化车辆测距模型

引用

长春师范大学学报 2024年第8期43卷 67-73,92页

作者：桑振屠晓涵郑州警察学院河南郑州450000

道路上车辆安全事故的发生常见于车辆之间不同程度的碰撞,多是由于车辆没有保持安全的行驶距离,因此在实际道路行驶中,对于车辆距离感知至关重要。本文基于Faster RCNN深度神经网络对目标车辆进行识别,利用inception v2模型对原有网络... 详细信息

道路上车辆安全事故的发生常见于车辆之间不同程度的碰撞,多是由于车辆没有保持安全的行驶距离,因此在实际道路行驶中,对于车辆距离感知至关重要。本文基于Faster RCNN深度神经网络对目标车辆进行识别,利用inception v2模型对原有网络结构进行调整,在保持目标特征量的同时减少计算量,提升模型收敛速度。同时基于数据回归原理搭建图像像素与实际距离映射模型,隐性解决了单目相机成像过程中存在的畸变问题。实验结果表明,搭建的模型对车辆识别的精度达到82.83%,在前方40 m范围内车辆测距误差小于4%,可以实现前方目标车辆的距离判断,为安全驾驶决策提供理论依据。

关键词：单目视觉车辆安全距离 inception v2 Faster RCNN

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：