检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

轻量化夜间行车红外图像目标检测算法

光电子·激光 2024年

作者：陈益方张上冉秀康三峡大学电气与新能源学院三峡大学计算机与信息学院三峡大学湖北省建筑质量检测装备工程技术研究中心

针对红外图像目标检测存在计算量较大，泛化能力弱，检测效果差等问题，提出一种轻量化夜间行车红外图像目标检测算法。算法首先引入Ghost结构作为主干网络，降低模型计算量。然后，在颈部引入BIFPN结构（Bidirectional Feature Pyramid... 详细信息

针对红外图像目标检测存在计算量较大，泛化能力弱，检测效果差等问题，提出一种轻量化夜间行车红外图像目标检测算法。算法首先引入Ghost结构作为主干网络，降低模型计算量。然后，在颈部引入BIFPN结构（Bidirectional Feature Pyramid Network）和CA注意力机制（Coordinate attention），提高模型检测效果。最后使用Focal-EIOU和Mish函数作为算法的损失函数和激活函数，提高收敛速度和回归精度。实验结果显示：改进算法较YOLOv3-tiny各方面均有明显提升，与YOLOv5相比，精度提升至88.9%，模型体积压缩24.09%，参数量减小25.07%，计算量减小28.48%，提高了person 和bicycle两个类别的检测精度。实现了检测精度和模型复杂度的平衡。

关键词：目标检测自动驾驶红外图像轻量化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

低空轻量级红外弱小目标检测算法

激光与红外 2024年第1期54卷 122-129页

作者：张上黄俊锋王恒涛陈永麟王康三峡大学湖北省建筑质量检测装备工程技术研究中心湖北宜昌443002 三峡大学计算机与信息学院湖北宜昌443002

精准的红外弱小目标检测是实时监控、追踪、制导的关键;红外弱小目标存在检测难度高、误检高、漏检严重的问题。为了提高红外弱小目标检测算法的实时性和检测精度,提出了一种超轻量红外弱小目标检测算法SL-YOLO。首先,重设计下采样方案... 详细信息

精准的红外弱小目标检测是实时监控、追踪、制导的关键;红外弱小目标存在检测难度高、误检高、漏检严重的问题。为了提高红外弱小目标检测算法的实时性和检测精度,提出了一种超轻量红外弱小目标检测算法SL-YOLO。首先,重设计下采样方案,针对红外图像特征信息调节网络架构,解决红外弱小目标特征梯度降低和特征消失问题;然后设计网络模型剪枝算法,实现剪枝算法与网络结构的融合,去除冗余参数,实现检测速度的提高;最后设计Varifocal-SIoU损失函数,在均衡正负样本与重叠损失的同时,对正样本进行加权处理,解决背景干扰问题。实验结果表明,在SIRST和IDSAT数据集下检测精度分别提高至96.4%、98.1%,模型体积和计算量可压缩至190 kB、0.9 GFLOPs,推理速度降至3 ms以下。与主流算法进行对比,改进后算法在检测精度、模型体积、计算量等方面均取得了不错的成绩。能够满足实时性检测需求。

关键词：目标检测模型剪枝 YOLOv5 SIoU Varifocal loss

在线全文

学校读者我要写书评

暂无评论

多尺度特征响应融合的复杂场景红外目标跟踪

计算机工程与应用 2024年

作者：熊偌炎张上张岳三峡大学湖北省建筑质量检测装备工程技术研究中心三峡大学水电工程智能视觉监测湖北省重点实验室三峡大学计算机与信息学院

针对红外目标跟踪算法在复杂场景下性能退化的问题，提出了多尺度特征响应融合的红外目标跟踪算法。该算法基于Siamese网络框架，构建了一个自适应模版更新的目标模板库，以提高模版匹配准确性。采用ResNet-50构建了多尺度特征提取与融... 详细信息

针对红外目标跟踪算法在复杂场景下性能退化的问题，提出了多尺度特征响应融合的红外目标跟踪算法。该算法基于Siamese网络框架，构建了一个自适应模版更新的目标模板库，以提高模版匹配准确性。采用ResNet-50构建了多尺度特征提取与融合网络，通过多分支结构捕获不同信息的特征，并引入分组卷积以及增加每组的基数来提取多样化的深层特征。此外，通过自适应权值分配策略，将不同尺度的特征进行融合；其次，提出了全局感知与快速响应模块，通过可微相关滤波器层实现对整帧图像的全局感知，同时动态生成适应性滤波器以捕捉目标特征。同时，采用核估计概率直方图建立红外目标的多尺度特征模型，在每个前向传播步骤中与候选区域进行比较，提高算法对于目标变化的响应速度和感知能力；最后，提出了空间-通道-帧间交互自注意力模块，使模型能够更好地聚焦于全局空间特征和高响应通道，并利用帧间交互注意力增强了前、后帧信息的互补性。在LSOTB-TIR和PTB-TIR数据集上进行了实验。实验结果表明，在多种复杂场景下，提出的算法显著增强了目标辨别、感知和抗干扰能力。算法的成功率和精准率，在LSOTB-TIR数据集上分别达到了67.3%和80.0%，在PTB-TIR数据集上分别达到了64.5%和83.1%，综合优于对比跟踪算法。

关键词：红外目标跟踪计算机视觉孪生网络相关滤波

基于综合积分机制的权益证明共识算法改进研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：鲁明陈慈发董方敏三峡大学计算机与信息学院三峡大学水电工程智能视觉监测湖北省重点实验室三峡大学湖北省建筑质量检测装备工程技术研究中心

共识机制是区块链的核心。权益证明（Proof of Stake，PoS）作为一种共识机制，相比较工作量证明（Proof of Work， PoW）显著降低了资源的消耗。但PoS依然存在积极的低权益诚实节点难以获得记账权、节点区块验证不积极、币龄累计攻击... 详细信息

共识机制是区块链的核心。权益证明（Proof of Stake，PoS）作为一种共识机制，相比较工作量证明（Proof of Work， PoW）显著降低了资源的消耗。但PoS依然存在积极的低权益诚实节点难以获得记账权、节点区块验证不积极、币龄累计攻击和出块奖励分配不合理的安全问题。针对以上问题，本文在PoS基础上进行改进。首先，通过引入积分机制来提升积极的低权益诚实节点的总权益，提高节点获得记账权的概率；接着，采用非线性函数进行币龄计算，防止恶意节点累计币龄发动攻击；其次，利用节点综合积分占比将出块奖励分配，规定时间内积极参与验证或投票的节点会得到奖励，减少“富者越富”现象，减少节点之间贫富差距；最后，对改进的算法进行实验和分析，相比较其他PoS改进共识机制有效控制币龄的无限增长，积极的低权益诚实节点获得奖励和记账权的次数提升了3.6倍和2.6倍，降低了系统的中心化趋势、增大了积极的低权益诚实节点的竞争记账权的机会和减小了币龄攻击的可能性，进一步验证了方案的可行性和优越性，促进了区块链网络的健康发展。

关键词：权益证明积分值机制非线性函数出块奖励分配

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YOLOv7的PCB缺陷检测算法

计算机工程 2024年

作者：张旭陈慈发董方敏水电工程智能视觉监测湖北省重点实验室湖北省建筑质量检测装备工程技术研究中心三峡大学计算机与信息学院

在PCB缺陷检测领域，提高检测精度一直是一个具有挑战性的任务。为了解决这个问题，本文提出一系列基于PCB缺陷检测的改进方法。首先，引入一种新的注意力机制，即BiFormer注意力机制。这种机制利用双层路由实现动态的稀疏注意力，从而... 详细信息

在PCB缺陷检测领域，提高检测精度一直是一个具有挑战性的任务。为了解决这个问题，本文提出一系列基于PCB缺陷检测的改进方法。首先，引入一种新的注意力机制，即BiFormer注意力机制。这种机制利用双层路由实现动态的稀疏注意力，从而减少了计算量。其次，采用一种创新的上采样算子，称为CARAFE。这个算子能够结合语义信息与内容信息进行上采样，使得上采样过程更加全面且高效。最后，基于MPDIoU度量采用了一种新的损失函数，即LMPDIoU损失函数。这个损失函数能够有效地处理不平衡类别、小目标和密集性问题，从而进一步提高了图像检测的性能。实验结果表明，经过这些改进后的模型在mAP（平均精度均值）方面取得了显著提高，达到了93.91%，与原模型相比，提高了13.12%。同时，在识别精度方面，新模型的表现也非常出色，达到了90.55%，提高了8.74%。这些结果表明，引入BiFormer注意力机制、CARAFE上采样算子以及LMPDIoU损失函数，对于提高PCB缺陷检测的精度和效率具有非常积极的作用。这些方法为工业检测领域的研究提供了有价值的参考。

关键词： PCB缺陷 BIFormer注意力机制 MPDIoU 上采样算子CARAFE 目标检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于跨尺度特征提取的锻件表面裂纹检测算法

计算机集成制造系统 2024年

作者：张岳张上王恒涛张朝阳许欢熊偌炎三峡大学计算机与信息学院水电工程智能视觉监测湖北省重点实验室三峡大学湖北省建筑质量检测装备工程技术研究中心三峡大学经济与管理学院三峡大学电气与新能源学院

锻件表面裂纹危害性大，检测效率低。为解决传统人工磁粉检测锻件裂纹场景中存在的问题，提出一种锻件表面裂纹实时检测算法。首先，采集了重卡转向节生产流水线中探伤车间的磁粉检测图像，制作锻件表面裂纹数据集；然后，提出了轻量多... 详细信息

锻件表面裂纹危害性大，检测效率低。为解决传统人工磁粉检测锻件裂纹场景中存在的问题，提出一种锻件表面裂纹实时检测算法。首先，采集了重卡转向节生产流水线中探伤车间的磁粉检测图像，制作锻件表面裂纹数据集；然后，提出了轻量多尺度卷积模块LMSConv，实现单模块跨尺度特征提取；同时，提出了大型可分离内核注意力快速空间金字塔池化模块LSKA-SPPF，进一步加强整体跨尺度特征融合能力；最后，更改Bbox损失函数为Focal EIoU，提高锚框回归精度。在锻件表面裂纹数据集与NEU-DET数据集上的实验结果表明，算法检测精度较高，复杂度低。对比其他主流单阶段目标检测算法，漏检率与误检率降低，具有较强的鲁棒性，能够满足锻件裂纹检测需要。

关键词：表面缺陷检测跨尺度特征锻件裂纹单阶段目标检测

基于改进YOLOv7的SAR图像舰船目标检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电光与控制 2024年第5期31卷 46-53页

作者：张上李梦思陈永麟张卓水电工程智能视觉监测湖北省重点实验室湖北宜昌443000 湖北省建筑质量检测装备工程技术研究中心湖北宜昌443000 三峡大学计算机与信息学院湖北宜昌443000

针对SAR舰船数据集小物体在图像中像素占比小、物体识别不清、检测效率低等问题,提出一种改进YOLOv7的SAR舰船目标检测算法STSD-YOLO。首先,根据SAR图像特点,重新设计网络结构,改变多尺度特征融合与特征提取的关系,解决下采样次数过多... 详细信息

针对SAR舰船数据集小物体在图像中像素占比小、物体识别不清、检测效率低等问题,提出一种改进YOLOv7的SAR舰船目标检测算法STSD-YOLO。首先,根据SAR图像特点,重新设计网络结构,改变多尺度特征融合与特征提取的关系,解决下采样次数过多而丢失细节特征的问题;然后,使用轻量型注意力机制Shuffle Attention,在空间域与通道域注意力机制基础上,融合特征分组与通道置换,提升网络特征提取能力,降低计算复杂度;其次,引入卷积变体DSConv,通过在可变量化内核中仅储存整数来实现减少计算量;最后,加入NWD度量,将边界框建模为2D高斯分布,以衡量小物体的边界框之间的相似性来增强对小物体的检测性能。使用HRSID舰船数据集进行了实验验证,结果表明,相较于基准算法,所提STSD-YOLO算法在舰船检测任务中mAP提升9.9%,模型体积下降62.55%。通过对比实验验证,所提改进算法对比其余主流算法检测效果更优,能有效解决SAR图像检测的问题,可以胜任SAR图像中的舰船检测任务。

关键词：目标检测 YOLOv7 模型轻量化 Shuffle Attention DSConv NWD

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

基于深度学习的2D人体姿态估计浅析

长江信息通信 2024年第1期37卷 40-43,47页

作者：任肖月王俊英陈晗晗三峡大学水电工程智能视觉监测湖北省重点实验室三峡大学湖北省建筑质量检测装备工程技术研究中心三峡大学计算机与信息学院湖北宜昌443002

近年来,随着深度学习技术的发展,基于深度学习的2D人体姿态估计展现出了极其优异的效果。文章主要对2014年以来基于深度学习的2D人体姿态估计相关内容进行了分析和评述,包括对主流方法的介绍和对数据集评价指标的总结对比,最后还讨论了2... 详细信息

近年来,随着深度学习技术的发展,基于深度学习的2D人体姿态估计展现出了极其优异的效果。文章主要对2014年以来基于深度学习的2D人体姿态估计相关内容进行了分析和评述,包括对主流方法的介绍和对数据集评价指标的总结对比,最后还讨论了2D人体姿态估计的未来研究方向。

关键词：人体姿态估计深度学习关键点检测神经网络

在线全文

学校读者我要写书评

暂无评论

改进YOLOv5的军事飞机检测算法

无线电工程 2024年第3期54卷 589-596页

作者：王杰张上张岳胡益民三峡大学水电工程智能视觉监测湖北省重点实验室湖北宜昌443002 三峡大学湖北省建筑质量检测装备工程技术研究中心湖北宜昌443002 三峡大学计算机与信息学院湖北宜昌443002

针对遥感图像中军事飞机目标检测存在的精度低、漏检和虚警率高等问题,提出了一种基于YOLOv5s的轻量化遥感图像军事飞机目标检测算法——YOLO-Military Aircraft Recognition(YOLO-MAR)。提出新的网络结构,完成多尺度感受野权重调整,重... 详细信息

针对遥感图像中军事飞机目标检测存在的精度低、漏检和虚警率高等问题,提出了一种基于YOLOv5s的轻量化遥感图像军事飞机目标检测算法——YOLO-Military Aircraft Recognition(YOLO-MAR)。提出新的网络结构,完成多尺度感受野权重调整,重设计特征提取网络和特征融合网络,实现小目标特征权重增加,并进行轻量化处理;使用FPGM对重构后的模型进行剪枝,极大地降低了模型的参数量和体积;使用SIoU Loss作为模型的损失函数,使模型的收敛速度加快并提升检测的精度。结果表明,在公开军用飞机数据集MAR20上,YOLO-MAR相比于原YOLOv5s,模型体积降低至3.95 MB,缩小了71.5%,经过剪枝后的模型体积最小可缩减至0.2 MB,模型平均检测精度最高可达91.7%,提高了2.34%,并且在检测效果、模型体积、参数量和计算量等方面具有先进性,能够对军用飞机目标进行高质量实时检测。

关键词：目标检测军事飞机 YOLOv5s FPGM SIoU Loss