利用深度学习对声呐图像进行目标检测是近年来的研究热点,然而声呐图像存在目标尺度分布集中、数据获取难等问题,导致检测效果难以满足需求。针对该问题,提出了一种基于可变尺度先验框的目标检测方法。首先,考虑到声呐图像中目标的尺度...利用深度学习对声呐图像进行目标检测是近年来的研究热点,然而声呐图像存在目标尺度分布集中、数据获取难等问题,导致检测效果难以满足需求。针对该问题,提出了一种基于可变尺度先验框的目标检测方法。首先,考虑到声呐图像中目标的尺度分布具有其特殊性,基于先验统计生成可变尺度先验框。其次,为了解决声呐图像稀缺的难题,采用数据增强的方法对训练集进行扩充。最后,探索了模型的轻量化,通过删减模型的大目标检测层,在不降低模型精度的同时简化模型结构。为了评估算法的有效性,以前视声呐图像为例进行了综合试验,平均精度(mean average precision,mAP)@0.75和mAP@0.5:0.95分别达0.585和0.559,较原Yolov5网络分别提升了5.8%和3.1%,同时每秒10亿次浮点运算次数下降到14.9。结果表明,所提算法具有更高的精度和更轻量化的模型结构。展开更多
采用石蜡制片法,对产于中国的伞形科(Apiaceae)阿米芹族(Ammineae)葛缕子亚族(Carinae)7属26种4变种1变型以及作为外类群的西风芹亚族(Seselinae)2属6种的果实横切面解剖结构进行了观察,并选择18个结构特征作为数量分类性状,进行了系统...采用石蜡制片法,对产于中国的伞形科(Apiaceae)阿米芹族(Ammineae)葛缕子亚族(Carinae)7属26种4变种1变型以及作为外类群的西风芹亚族(Seselinae)2属6种的果实横切面解剖结构进行了观察,并选择18个结构特征作为数量分类性状,进行了系统聚类分析和主成分分析;根据数量分类结果提出了部分类群的分类处理建议。观察结果显示:供试种类的果实横切面在果体形状和大小、背棱和侧棱的形状和大小、果棱发达程度、外果皮和中果皮的结晶和色素块的形态等特征上呈现出多样化的特点,少数种类的某些果实解剖特征呈现出特殊性,其中,仅柴胡属(Bupleurum Linn.)种类和山茴香(Carlesia sinensis Dunn)的果实几不压扁,仅鸭儿芹(Cryptotaenia japonica Hassk.)的果体腹面有隐棱,仅山茴香的油管沿果体连续分布。聚类分析结果显示:供试种类可分为5类,其中,山茴香、藁本属(Ligusticum Linn.)种类、鸭儿芹、西风芹属(Seseli Linn.)种类各自聚为一类;柴胡属、茴芹属(Pimpinella Linn.)、丝瓣芹属(Acronema Falconer ex Edgew.)、阿米芹属(Ammi Linn.)和小芹属(Sinocarum H.Wolff ex R.H.Shan et F.T.Pu)5属的种类聚为一类(含5组),其中,尖瓣芹(Acronema chinense Wolff)、阿米芹〔Ammi visnaga(Linn.)Lam.〕和钝瓣小芹〔Sinocarum inocarum cruciatum(Franch.)Wolff ex R.H.Shan et F.T.Pu〕各自聚为组A、组B和组C,组D包含茴芹属和丝瓣芹属的种类,组E包含柴胡属的种类及紫茎小芹〔S.coloratum(Diels)Wolff ex R.H.Shan et F.T.Pu〕。主成分分析结果显示:前6个主成分的累计贡献率达到86.217%,其中第1主成分的贡献率达到36.561%,以背部果棱形状、侧棱形状、每果棱中维管束的数量、腹面是否有隐棱4个性状的绝对权重值均较高;总体上看,果棱、果体形状和分泌结构3大类9个解剖性状对阿米芹族的数量分类具有重要意义。依据数量分类结果,认为葛缕子亚族乃至阿米芹族的分类具有不自然性,其中,鸭儿芹和山茴香属(Carlesia Dunn)的分类地位应予提升,丝瓣芹属与茴芹属的关系以及小芹属下的分类有待进一步明晰;此外,西风芹亚族中西风芹属的界限和分类地位需要重新考虑。展开更多
文摘利用深度学习对声呐图像进行目标检测是近年来的研究热点,然而声呐图像存在目标尺度分布集中、数据获取难等问题,导致检测效果难以满足需求。针对该问题,提出了一种基于可变尺度先验框的目标检测方法。首先,考虑到声呐图像中目标的尺度分布具有其特殊性,基于先验统计生成可变尺度先验框。其次,为了解决声呐图像稀缺的难题,采用数据增强的方法对训练集进行扩充。最后,探索了模型的轻量化,通过删减模型的大目标检测层,在不降低模型精度的同时简化模型结构。为了评估算法的有效性,以前视声呐图像为例进行了综合试验,平均精度(mean average precision,mAP)@0.75和mAP@0.5:0.95分别达0.585和0.559,较原Yolov5网络分别提升了5.8%和3.1%,同时每秒10亿次浮点运算次数下降到14.9。结果表明,所提算法具有更高的精度和更轻量化的模型结构。
文摘采用石蜡制片法,对产于中国的伞形科(Apiaceae)阿米芹族(Ammineae)葛缕子亚族(Carinae)7属26种4变种1变型以及作为外类群的西风芹亚族(Seselinae)2属6种的果实横切面解剖结构进行了观察,并选择18个结构特征作为数量分类性状,进行了系统聚类分析和主成分分析;根据数量分类结果提出了部分类群的分类处理建议。观察结果显示:供试种类的果实横切面在果体形状和大小、背棱和侧棱的形状和大小、果棱发达程度、外果皮和中果皮的结晶和色素块的形态等特征上呈现出多样化的特点,少数种类的某些果实解剖特征呈现出特殊性,其中,仅柴胡属(Bupleurum Linn.)种类和山茴香(Carlesia sinensis Dunn)的果实几不压扁,仅鸭儿芹(Cryptotaenia japonica Hassk.)的果体腹面有隐棱,仅山茴香的油管沿果体连续分布。聚类分析结果显示:供试种类可分为5类,其中,山茴香、藁本属(Ligusticum Linn.)种类、鸭儿芹、西风芹属(Seseli Linn.)种类各自聚为一类;柴胡属、茴芹属(Pimpinella Linn.)、丝瓣芹属(Acronema Falconer ex Edgew.)、阿米芹属(Ammi Linn.)和小芹属(Sinocarum H.Wolff ex R.H.Shan et F.T.Pu)5属的种类聚为一类(含5组),其中,尖瓣芹(Acronema chinense Wolff)、阿米芹〔Ammi visnaga(Linn.)Lam.〕和钝瓣小芹〔Sinocarum inocarum cruciatum(Franch.)Wolff ex R.H.Shan et F.T.Pu〕各自聚为组A、组B和组C,组D包含茴芹属和丝瓣芹属的种类,组E包含柴胡属的种类及紫茎小芹〔S.coloratum(Diels)Wolff ex R.H.Shan et F.T.Pu〕。主成分分析结果显示:前6个主成分的累计贡献率达到86.217%,其中第1主成分的贡献率达到36.561%,以背部果棱形状、侧棱形状、每果棱中维管束的数量、腹面是否有隐棱4个性状的绝对权重值均较高;总体上看,果棱、果体形状和分泌结构3大类9个解剖性状对阿米芹族的数量分类具有重要意义。依据数量分类结果,认为葛缕子亚族乃至阿米芹族的分类具有不自然性,其中,鸭儿芹和山茴香属(Carlesia Dunn)的分类地位应予提升,丝瓣芹属与茴芹属的关系以及小芹属下的分类有待进一步明晰;此外,西风芹亚族中西风芹属的界限和分类地位需要重新考虑。
