检索结果-南通市图书馆

维普期刊数据库博看期刊

基于FE-P2Pnet的无人机小麦图像麦穗计数方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第4期55卷 155-164,289页

作者：鲍文霞苏彪彪胡根生黄承沛梁栋安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题,提出了一种基于FE-P2Pnet(Feature enhance-point to point)的无人机小麦图像麦穗自动计数方法。对无人机图像进行亮度和对比度增强,增大麦穗目标与背景之间的... 详细信息

针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题,提出了一种基于FE-P2Pnet(Feature enhance-point to point)的无人机小麦图像麦穗自动计数方法。对无人机图像进行亮度和对比度增强,增大麦穗目标与背景之间的差异度,减少叶、秆等复杂背景因素的影响。引入了基于点标注的网络P2Pnet作为基线网络,以解决麦穗密集的问题。同时,针对麦穗目标小引起的特征信息较少的问题,在P2Pnet的主干网络VGG16中添加了Triplet模块,将C(通道)、H(高度)和W(宽度)3个维度的信息交互,使得主干网络可以提取更多与目标相关的特征信息;针对麦穗尺寸不一的问题,在FPN(Feature pyramid networks)上增加了FEM(Feature enhancement module)和SE(Squeeze excitation)模块,使得该模块能够更好地处理特征信息和融合多尺度信息;为了更好地对目标进行分类,使用Focal Loss损失函数代替交叉熵损失函数,该损失函数可以对背景和目标的特征信息进行不同的权重加权,进一步突出特征。实验结果表明,在本文所构建的无人机小麦图像数据集(Wheat-ZWF)上,麦穗计数的平均绝对误差(MAE)、均方误差(MSE)和平均精确度(ACC)分别达到3.77、5.13和90.87%,相较于其他目标计数回归方法如MCNN(Multi-column convolutional neural network)、CSRnet(Congested scene recognition network)和WHCNETs (Wheat head counting networks)等,表现最佳。与基线网络P2Pnet相比,MAE和MSE分别降低23.2%和16.6%,ACC提高2.67个百分点。为了进一步验证本文算法的有效性,对采集的其它4种不同品种的小麦(AK1009、AK1401、AK1706和YKM222)进行了实验,实验结果显示,麦穗计数MAE和MSE平均为5.10和6.17,ACC也达到89.69%,表明本文提出的模型具有较好的泛化性能。

关键词：麦穗计数无人机图像 FE-P2Pnet FEM Wheat-ZWF数据集

基于CNN-Transformer双模态特征融合的目标检测算法

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

光子学报 2024年第3期53卷 273-286页

作者：杨晨侯志强李新月马素刚杨小宝西安邮电大学计算机学院西安710121 陕西省网络数据分析与智能处理重点实验室西安710121

针对单模态目标检测的不足,提出了一种基于CNN-Transformer双模态特征融合的目标检测算法。在YOLOv5的基础上,构建了一个可以同时输入红外和可见光图像的双流特征提取网络;然后,分别提出了基于卷积神经网络结构的红外特征提取主干网络... 详细信息

针对单模态目标检测的不足,提出了一种基于CNN-Transformer双模态特征融合的目标检测算法。在YOLOv5的基础上,构建了一个可以同时输入红外和可见光图像的双流特征提取网络;然后,分别提出了基于卷积神经网络结构的红外特征提取主干网络和基于Transformer结构的可见光特征提取主干网络,以提升对红外和可见光图像的特征提取能力;最后,按照中期融合的思想,设计了双模态特征融合模块,对两个分支对应尺度的双模态特征信息进行有效融合,实现跨模态信息互补。在数据集上对所提算法进行验证,实验结果表明,该算法在KAIST数据集上对双模态图像进行检测的结果,较基准算法单独检测红外图像和可见光图像,精度分别提升了5.7%和17.4%;在FLIR数据集上较基准算法,检测精度分别提升了11.6%和17.1%;在自建GIR数据集上,所提算法的检测精度也有明显提升。此外,该算法还可以单独处理红外或可见光图像,且检测精度较基准算法均有明显提升。

关键词：目标检测卷积神经网络 Transformer 双模态特征融合红外可见光

在线全文

学校读者我要写书评

暂无评论

融合强化学习的实体关系联合抽取模型

电子科技大学学报 2024年第2期53卷 243-251页

作者：翟社平李航亢鑫年杨锐西安邮电大学计算机学院西安710121 陕西省网络数据分析与智能处理重点实验室西安710121

现有的实体关系联合抽取任务为了自动生成大规模训练数据引入远程监督策略,在处理数据时产生严重的噪声数据问题。对此提出了一种融合强化学习的实体关系联合抽取模型,该模型由强化学习和联合抽取模型两个部分组成,其中联合抽取模型由... 详细信息

现有的实体关系联合抽取任务为了自动生成大规模训练数据引入远程监督策略,在处理数据时产生严重的噪声数据问题。对此提出了一种融合强化学习的实体关系联合抽取模型,该模型由强化学习和联合抽取模型两个部分组成,其中联合抽取模型由图卷积网络和多头自注意力机制构成。首先,使用强化学习去除原始数据集中带有噪声的句子,将降噪后的高质量句子输入到联合抽取模型中;其次,使用联合抽取模型对输入句子中的实体和关系进行预测抽取,并向强化学习提供反馈奖励,指导强化学习挑选出高质量的句子;最后,对强化学习和联合抽取模型进行联合训练,并对模型进行迭代优化。实验证明了该模型能够有效处理数据噪声问题,在实体关系抽取方面优于基线方法。

关键词：实体关系联合抽取噪声数据强化学习多头自注意力机制图卷积网络

在线全文

学校读者我要写书评

暂无评论

基于子句单元的异构图网络抽取式文本摘要

中文信息学报 2024年第6期 119-128页

作者：林群凯陈钰枫徐金安张玉洁刘健北京交通大学交通数据分析与挖掘北京市重点实验室

的目标是将长文本进行压缩、归纳和总结，从而形成具有概括性含义的短文本，其能帮助人们快速获取文档的主要信息。当前大多数的抽取式文本摘要的研究都是以整句作为抽取单元，而整句作为抽取单元会引入冗余信息，因此该文考虑使用粒度... 详细信息

的目标是将长文本进行压缩、归纳和总结，从而形成具有概括性含义的短文本，其能帮助人们快速获取文档的主要信息。当前大多数的抽取式文本摘要的研究都是以整句作为抽取单元，而整句作为抽取单元会引入冗余信息，因此该文考虑使用粒度更细的抽取单元。已有研究表明，细粒度的子句单元比整句单元在抽取式摘要上更具有优势。结合当下热门的图神经网络，该文提出了一种基于子句单元异构图网络的抽取式摘要模型，有效融合了词、实体和子句单元等不同层次的语言信息，能够实现更细粒度的抽取式摘要。在大规模基准语料库(CNN/DM和NYT)上的实验结果表明，该模型产生了突破性的性能并优于以前的抽取式摘要模型。

关键词：子句异构图抽取式摘要

LSVSH描述符:高鉴别强鲁棒的点云局部特征统计直方图

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第2期36卷 248-257页

作者：吴鹏鹏梁栋赵宝周磊安徽大学互联网学院合肥230039 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

三维局部特征描述是三维计算机视觉中的重要任务.现实场景中包含噪声、遮挡和杂波等干扰,使得准确和鲁棒的三维局部特征描述具有很大的挑战性.为提高特征描述的性能,提出一种局部曲面变化统计直方图(local sur-face variation based sta... 详细信息

三维局部特征描述是三维计算机视觉中的重要任务.现实场景中包含噪声、遮挡和杂波等干扰,使得准确和鲁棒的三维局部特征描述具有很大的挑战性.为提高特征描述的性能,提出一种局部曲面变化统计直方图(local sur-face variation based statistics histogram,LSVSH)描述符.首先设计一种不依赖于局部参考轴(local reference axis,LRA)的新属性(称为曲率属性),增强描述符对LRA误差的稳健性;然后沿径向剖分局部空间,在每个子空间中统计3个角度属性和1个曲率属性生成LSVSH描述符,实现对局部曲面信息的全面稳健描述.在B3R,U3M,U3OR和QuLD这4个数据集上进行大量的实验,结果表明,LSVSH在4个数据集上的RPC下面积(the area under the recall-precision curve,AUCpr)值分别为0.95,0.70,0.54和0.10,优于现有的局部特征描述符的性能;在U3M数据集上的正确配准率和在U3OR数据集上的正确识别率分别达到70%和100%,验证了LSVSH应用于物体配准和识别任务上的有效性.

关键词：局部特征描述符局部参考轴点云配准点云识别

在线全文

学校读者我要写书评

暂无评论

基于无人机图像的小麦麦穗计数方法

农业机械学报 2024年

作者：鲍文霞苏彪彪胡根生黄承沛梁栋安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心

针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题，提出了一种基于FE-P2Pnet（Feature Enhance-Point To Point）的无人机小麦图像麦穗自动计数方法。首先，对无人机图像进行亮度和对比度增强，增大麦穗目标与... 详细信息

针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题，提出了一种基于FE-P2Pnet（Feature Enhance-Point To Point）的无人机小麦图像麦穗自动计数方法。首先，对无人机图像进行亮度和对比度增强，增大麦穗目标与背景之间的差异度，减少叶、杆等复杂背景因素的影响。其次，引入了基于点标注的网络P2Pnet作为基线网络，以解决麦穗密集的问题。同时，针对麦穗目标小引起的特征信息较少的问题，在P2Pnet的主干网络VGG16中添加了Triplet模块，将C(通道)、H(高度)和W(宽度)3个维度的信息相互交互，使得主干网络可以提取更多与目标相关的特征信息；针对麦穗尺寸不一的问题，在FPN(Feature pyramid networks)上增加了FEM(Feature enhancement module)和SE(Squeeze excitation)模块，使得该模块能够更好地处理特征信息和融合多尺度信息；为了更好地对目标进行分类，使用Focal Loss损失函数代替交叉熵损失函数，该损失函数可以对背景和目标的特征信息进行不同的权重加权，进一步突出特征。实验结果表明，在本文所构建的无人机小麦图像数据集(Wheat ZWF)上，麦穗计数的Mae（平均绝对误差）、Mse（均方误差）和Acc(平均精确度)分别达到了3.77、5.13和90.87%，相较于其他目标计数回归方法如MCNN(Multi-column convolutional neural network)、CSRnet（Congested scene recognition network)和WHCNETs (Wheat head counting networks)等，表现最佳。与基线网络P2Pnet相比，Mae和Mse分别降低了23.2%和16.6%，Acc提高了2.67个百分点。为了进一步验证本文算法的有效性，对采集的其它4种不同品种的小麦（AK1009、AK1401、AK1706和YKM222）进行了实验，实验结果显示，麦穗计数的平均Mae和Mse值为5.10和6.17，准确率也达到了89.69%，表明本文提出的模型具有较好的泛化性能。本文的研究可以为小麦麦穗计数相关研究提供一定的支持和帮助。

关键词：无人机图像麦穗计数 FE-P2Pnet FEM Wheat-ZWF数据集

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业知识图谱技术研究现状与展望

农业机械学报 2024年第6期55卷 1-17页

作者：侯琛牛培宇中国农业大学信息与电气工程学院北京100083 北京大学大数据分析与应用技术国家工程实验室北京100871

在当前农业信息化的发展进程中,多数农业子领域面临着数据资源分散、信息整合难度大、知识利用效率低等问题。作为近年来新兴的一种知识表示技术,知识图谱已在部分农业特定领域展现出了强大的语义推理和数据整合能力,同时帮助一些农业... 详细信息

在当前农业信息化的发展进程中,多数农业子领域面临着数据资源分散、信息整合难度大、知识利用效率低等问题。作为近年来新兴的一种知识表示技术,知识图谱已在部分农业特定领域展现出了强大的语义推理和数据整合能力,同时帮助一些农业上层应用提高了性能。为系统总结近年来农业知识图谱构建与应用方面的研究成果,本文首先阐述了知识图谱基础和农业知识图谱的构建流程,并从本体建模、信息抽取、知识融合以及知识加工4方面总结了构建农业知识图谱所涉及的关键技术。将当前农业知识图谱的应用分为信息检索、问答系统、推荐系统、专家诊断系统和作物预测5方面,并对这些应用工作进行了梳理。最后,对当前农业知识图谱的研究现状进行了总结,并认为未来农业知识图谱可以从多模态知识推理、强时效性知识更新、多语言知识查询、跨领域数据融合以及子领域知识图谱构建等方面加以研究。

关键词：知识图谱农业领域信息检索问答系统推荐系统专家诊断系统作物预测

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于跨层次聚合网络的实时城市街景语义分割

光学精密工程 2024年第8期32卷 1212-1226页

作者：侯志强程敏婕马素刚屈敏杰杨小宝西安邮电大学计算机学院陕西西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室陕西西安710121

随着自动驾驶技术的迅速发展,精确高效的场景理解显得尤为重要。城市街景语义分割旨在准确识别并分割出行人、障碍物、道路和标志物等要素,为自动驾驶技术提供必要的道路信息。然而,当前的语义分割算法在城市街景分割中仍然面临一些挑战... 详细信息

随着自动驾驶技术的迅速发展,精确高效的场景理解显得尤为重要。城市街景语义分割旨在准确识别并分割出行人、障碍物、道路和标志物等要素,为自动驾驶技术提供必要的道路信息。然而,当前的语义分割算法在城市街景分割中仍然面临一些挑战,主要表现为不同类别的像素区分不够清晰、对于复杂场景结构的理解不够精准以及对小尺度对象或大尺度结构的分割不准确等问题。为此,本文提出一种基于跨层次聚合网络的实时城市街景语义分割算法。首先,在编码器末端设计了结合跨层次聚合的金字塔池化模块,用于高效提取多尺度上下文信息;其次,在编码器和解码器之间设计了跨层次聚合模块,通过引入通道注意力机制增强信息的表征能力,逐级聚合编码器阶段的特征以充分实现特征复用;最后,在解码器阶段设计了多尺度融合模块,在通道维度聚合全局信息与局部信息,促进深层特征与浅层特征的融合。将所提算法在两个通用的城市街景数据集上进行了验证。在一张RTX3090显卡上(TensorRT测速环境),本文算法在Cityscapes测试集以294 FPS的实时性达到73.0%mIoU的准确性,在更高分辨率的图像上以164 FPS的实时性达到75.8%mIoU的准确性;在CamVid数据集以239 FPS的实时性达到74.8%mIoU的准确性。实验结果表明,本文算法在准确性与实时性之间取得了有效平衡,对比其他算法的语义分割性能具有显著提升,为实时城市街景语义分割领域带来了新的突破。

关键词：语义分割卷积神经网络城市街景编码器-解码器结构金字塔池化模块

面向无人机遥感图像中茶叶枯病检测的轻量型网络

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

农业机械学报 2024年

作者：胡根生谢一帆鲍文霞梁栋安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心

针对无人机采集的茶叶枯病图像中病斑差异大，病斑和背景之间相似性高等问题，本研究设计了一个轻量型网络LiTLBNet，用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络，用来提取茶叶... 详细信息

针对无人机采集的茶叶枯病图像中病斑差异大，病斑和背景之间相似性高等问题，本研究设计了一个轻量型网络LiTLBNet，用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络，用来提取茶叶枯病病斑的可区分特征，减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检。在LiTLBNet的LNeck结构中引入了SE和ECA模块，帮助网络在通道维度上学习目标的综合特征，减少因病斑和背景之间的相似性造成的误检，同时删除原基线网络最大的特征图，以减少计算量和模型大小。此外，本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量，提高小样本条件下LiTLBNet网络的泛化能力。实验结果表明，利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1%，mAP为78.5%，与YOLO v5s接近。然而，LiTLBNet的内存占用量只有2.0MB，只有YOLO v5s网络的13.9%。LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测。

关键词：茶叶病害目标检测无人机遥感深度学习轻量型网络