基于改进YOLOv5s的输电线路防外力破坏行为检测识别

电力系统的安全对于整个能源传输过程至关重要;针对输电线路下超大工程车辆和烟火为主要的外力破坏行为,对单阶段目标检测算法YOLOv5s进行改进,首先针对输电线路多雨雾烟尘等工作环境,引入限制对比度自适应直方图均衡算法CLAHE对图片进行去雾处理,提升图片对比度;针对检测目标距离较远的问题,在YOLOv5s网络的基础上添加CA注意力机制,提升了模型对目标的定位能力;将原网络中的最邻近差值采样方式替换为轻量级通用上采样算子CARAFE,更好地捕捉特征图的同时引入较小的参数量;最后在网络的特征融合层,使用具有通道混洗思想的GSConv卷积模块代替标准卷积模块,减少模型参数量,再利用slim_neck特征融合结构,强化目标关注度,达到减少模型参数量同时提升检测精度的效果;实验结果表明:改进后的YOLOv5s网络,mAP提升了4.4%,参数量减少了3.4%,权重模型内存减小了2.7%,证明了算法的有效性。

基于改进YOLOv5s的车载人员安全带行为检测

车载人员佩戴安全带行为的检测对于人的生命安全保障具有重要作用;针对目前车内复杂环境下车载人员佩戴安全带检测精度不高的问题,提出一种基于改进的YOLOv5s车载人员佩戴安全带的检测方法;该检测方法将YOLOv5s作为基础网络,在此基础上进行改进;为改善深度模型对特征信息的提取能力,采用RFB模块增大网络的感受野,并利用RFB模块多分支结构获得混合的感受野;加入ECA注意力通道模块,使得整个网络更加专注特征信息的提取;将原YOLOv5s的损失函数替换为EIOU,进一步提高网络对安全带的检测精度;经过实验结果表明,改进后网络与原YOLOv5s网络相比,其平均精度均值mAP提高了2.2%,查准率提升了5.1%;改进后的网络具有良好的提升效果,表明了该方法的有效性。

基于改进YOLOv5的电厂人员吸烟检测

发电厂厂区内违规吸烟易导致火灾、爆炸等事故,会带来巨大损失;针对电厂内人员违规吸烟行为检测精度不高的问题,提出一种基于改进YOLOv5s(You Only Look Once v5s)的电厂内人员违规吸烟检测方法;该方法以YOLOv5s网络为基础,将YOLOv5s网络C3模块Bottleneck中的3×3卷积替换为多头自注意力层以提高算法的学习能力;接着在网络中添加ECA(Efficient Channel Attention)注意力模块,让网络更加关注待检测目标;同时将YOLOv5s网络的损失函数替换为SIoU(Scylla Intersection over Union),进一步提高算法的检测精度;最后采用加权双向特征金字塔网络(BiFPN,Bidirectional Feature Pyramid Network)代替原先YOLOv5s的特征金字塔网络,快速进行多尺度特征融合;实验结果表明,改进后算法吸烟行为的检测精度为89.3%,与改进前算法相比平均精度均值(mAP,mean Average Precision)提高了2.2%,检测效果显著提升,具有较高应用价值。

基于改进深度学习的风机油污识别

针对风机设备油液渗漏影响风机正常运行亟需解决的对风机设备油污的识别问题,提出了一种基于改进深度学习的风机油污检测方法;基于深度学习在目标检测中的应用特点,对目标检测网络YOLOv5n(You Only Look Once v5n)进行改进,将原网络中的非极大抑制(NMS,non maximum suppression)替换为Soft-NMS,降低了网络的误检率,添加CA(Coordinate Attention)注意力机制,增强了模型对目标的定位能力,改进原网络损失函数为α-IoU(Alpha-Intersection over Union)损失函数,提高了边界框检测的准确度;实验结果表明:模型平均精度提升了8.1%,查全率提高了19.1%,网络推理速度提高了28.6%;改进后的模型能准确检测风机油污,有效解决了风机实际运行中油液渗漏所带来的问题。

基于改进YOLOv5s的遥感目标检测

优化遥感目标检测对于军事民生方面都有着重要意义;由于遥感数据中成像模糊、目标较小、检测对象数量多,导致检测精度不高,现提出一种新网络:新网络在YOLOv5s原网络的基础上使用Mish激活函数代替SiLU激活函数;为解决遥感图像中小目标的问题,采用了对小目标、低分辨率友好的SPD-Conv模块;考虑到使用耦合检测头会存在回归、分类两个任务之间的冲突问题,采用YOLOX中解耦的检测头,提高了模型查准率;实验结果表明,相比于原始YOLOv5s,新网络在mAP平均精度均值方面提升了7%,查全率(recall)提升了10.9%,检测速度FPS提升了16.95%;改进后的网络模型相对于原始模型具有明显优越性,识别效果提升明显。

融合YOLO v3与改进ReXNet的手势识别方法研究

工程应用中的手势识别需要较高的实时性和准确性,而现场环境通常无法提供足够的计算能力,采用轻量化神经网络在解决了上述问题的同时,还能达到与深度神经网络相当的识别效果;为此,提出一种基于改进轻量化神经网络的手势识别方法;该方法改进用于手部关键点检测的ReXNet网络结构,以改善骨骼点的局部关注;同时将关键点检测损失函数MSE替换为Huber loss,以提升离群点的抗干扰性;实验环境搭建基于普通单目镜头捕获图像后,经YOLO v3手部识别模型和改进的ReXNet关键点检测模型,并根据约束手部骨骼关键点的向量角而定义的不同手势,最后达到实时检测的效果;改进模型在RWTH公开数据集上的测试结果表明,改进后的手势识别方法的检测准确度较改进前整体提升2.62%,达到了96.18%,且收敛速度更快。

基于改进ResNet-50的图像特征提取网络

为了提高图像的特征质量,保证最后提取到的特征高度精炼,提出了一种新的方法;该方法首先将低分辨率图像经过小波变换分解成高频分量和低频分量,并结合插值法进行插值,最后通过小波逆变换得到高分辨率图像来为后续的特征提取提供高质量的图片输入;接着,选取ResNet-50网络作为基础网络,将ECA模块与ResNet残差结构结合形成一个全新的ECA-ResNet50模块,ECA模块具有的通道级的注意力机制,可以让整个网络更加专注于提取显著特征;经实验测试,该方法对于图像特征提取的质量有着明显的提升,均方误差下降可达6.65;结果表明,该方法可行有效,具有良好的工程应用前景。

基于补偿因子自适应的NLMS多媒体播放算法

基于线性预测的媒体播放算法由于其复杂度低、易实现,在网络多媒体应用中大量使用,其中采用最小均方差估计的NLMS算法精确度较高.首先对NLMS算法和改进的NLMS算法进行了分析,针对算法中补偿因子因网络抖动剧烈而导致补偿过大的问题,提出了β因子自适应的NLMS算法,采用补偿因子系数β随网络变化以及预测误差情况自适应调整的方法,对NLMS算法作了进一步改进,明显地减小了端到端延迟均值和丢包率.试验结果验证了算法改进的有效性.

高速公路联网监控关键技术的研究

在分析高速公路联网监控功能需求的基础上,提出一种开放式、分层次、可扩展的联网监控的系统框架,并就其联网的关键技术内容,具体对框架中CCTV联网共享平台和监控数据库联邦接入2个子系统实现的架构、方法和流程进行了较翔实的阐述。

GPU核函数细化研究

GPU上的并行算法效率依赖于核函数在流多处理器上的平均运行效率,基于此,分析GPU核的执行方式,以及网格、线程块和线程之间的关系,采用细化核函数的方法将光线跟踪算法进行细化。实验结果证明,核的大小设置和分布方向影响了线程块内部的一致性,核函数的细化能增加线程块中同时运行的线程捆的数量。

一个新的线索KD树并行算法

KD树是三维场景渲染中常用的空间加速算法。由于SIMD计算平台不支持递归操作,导致KD树在GPU上的应用受到限制,因此提出了一个新的基于SIMD架构的并行KD树算法。通过创建时对KD树线索化,不仅省去堆栈使用,且因无需回溯到根节点而减少大量无效遍历操作,实现了基于GPU的高效并行加速。实验结果表明,线索KD树算法每秒计算的光线数与传统算法相比,提高3~8倍不等,最终显著提高光线跟踪渲染速度。

多媒体信息技术课程教学改革的几点思考

介绍了多媒体信息技术在信息工程本科生培养过程中的重要性,针对信息工程专业多媒体信息技术专业课教学的特点,分析了教学过程中存在的一些常见问题,浅谈了在多媒体信息技术课的理论教学中用于提升教学效果的手段,和该课程配套的实践教学中所采用的有效方法。

校园网组网模式选择

针对各种典型的校园网络，分析了其主干网和子网各种模式的优缺点，根据主干网和子网的制约关系，得出了较佳的模式选择方案，并以实际运行的网络加以证明。

复杂环境下小尺度烟火目标检测研究

针对复杂环境下起火点目标尺寸较小、起火点特征易与实际场景混淆导致烟火检测效率及准确率低等问题,提出了一种基于改进YOLOv5的小尺度烟火目标检测方法.首先,在原始YOLOv5模型输出的第3个检测层上增加第4个检测层,以此获取更大的特征图对小目标进行检测,加强网络模型的特征提取能力.其次,为解决目标在被遮挡的场景中容易出现漏检的问题,将原网络中用于计算目标框损失函数的GIoU_Loss替换成DIoU_Loss.最后,利用TensorRT对模型进行压缩和加速优化,并将其部署到Jetson TX2开发板上进行加速推理实验,通过复制增强方法扩充实际烟火场景数据.大量实验结果表明,本文所提方法用于复杂环境下的小尺度烟火目标检测不仅检测速度快而且精度高,适于推广应用.

IP与ATM的融合技术——多协议的ATM

MPOA是一种较好的 IP与 ATM的融合技术 ,它对 L ANE技术作了较大的改进。首先着重介绍 MPOA和它的优点 ,以及它对 LANE的改进 ,然后简要介绍了南京邮电学院校园网如何解决 IP与 ATM的融合问题 ,以及

面向对象程序设计教学的一点收获

面向对象程序设计课程是目前高校理工科专业的程序设计课程的主流。本文从教学内容的组织与安排，理论学习与实践教学的结合，教案的准备与课堂教学的结合以及多媒体教学手段的使用等几个方面阐述了作者自己的收获。这些教学方法已在实际教学中进行了尝试，并取得了良好的效果。

CPU-GPU混合平台上动态场景光线跟踪的研究

提出了一种动态场景光线跟踪新方法,能有效地调度CPU和GPU的运行,提高渲染速度。根据加速结构kd-tree的特点,将其分成上层部分和下层部分,上层部分由于并行性较小,由CPU创建;而下层部分并行性较大,由GPU创建,提高动态场景加速结构的创建速度。同时充分利用CPU和GPU两个运算平台的特点,有效调度两者的运行,隐藏部分运算时间,进一步提高动态场景的渲染速度。实验结果表明,在安装了GeForce285GTX的PC机上,高真实感地交互渲染了包含11k三角面片的Kitchen动态场景。

模糊测度下IEEE 802.11的DCF性能优化

提出了一种基于模糊测度的方法,采用Choquet积分模型定量测度IEEE 802.11的MAC协议中各参数及其参数之间的内在关系对系统性能的影响。根据测度结果优化MAC层协议参数集,获得对吞吐量影响最大的参数子集。通过调整子集中的参数,提出一种有效提高WLAN吞吐量的策略。仿真结果表明,根据测度结果只需调整子集中的参数以提高吞吐量,有效改善无线资源利用率。

基于延迟预测的自适应媒体播放算法

针对AMP-Live模型中存在的问题,提出一种基于报文延迟预测的自适应媒体播放算法(NEWAMP),采用未来信道和缓冲状态的预测值作为视频报文播放速率调整的依据,将速率变化的程度进一步细化,同时考虑应用要求的最大端到端延迟,提高算法性能,与传统播放算法相比,NEWAMP在保证报文因下溢和上溢而丢弃的概率足够小的前提下,缓冲延迟减小了约50%,而与普通AMP-Live方法相比,NEWAMP不仅减小了报文因下溢和上溢而丢弃的概率,还将缓冲延迟减小了约40%。实验结果证明了该算法的有效性。

信息工程专业建设与校企合作模式探索

信息工程专业是教育部确定的引导性专业,是信息领域中口径最宽的专业。文章介绍了目前信息工程专业建设存在的问题,探讨了信息工程专业建设与校企合作模式探索。