基于多尺度特征融合的遥感图像变化检测网络

为了解决多数变化检测算法中特征融合方式单一、对多尺度特征信息利用不充分导致的高分辨率遥感图像变化检测效果差的问题,本文提出了一种基于多尺度差异特征密集融合的遥感图像建筑物变化检测模型(MSDFNet).同时,引入了获取预测图像与标签图像之间差异图的算法,以便更加直观地观测到模型对建筑物变化区域的分割效果.在编码阶段,构建孪生骨干网络(VGG16)提取双时相遥感图像的多尺度特征信息,引入分离-混洗残差模块替代原始骨干网络中的二维卷积,减少模型参数量并缓解网络过深导致的浅层网络权重更新幅度过小甚至无法更新的问题;通过多尺度差异计算模块充分挖掘全局与局部的差异信息,获取变化语义信息的同时关注变化的空间细节信息.在解码阶段,引入通道注意力,重新构建不同层次差异特征通道之间的依赖关系,缩小不同层次差异特征之间的语义差距,并由深层网络到浅层网络逐层融合具有不同语义层次和空间位置表征的特征信息,得到更加精细的建筑物变化预测图像.本文算法在GZ-CD数据集和DSIFN数据集上的F1分数分别达到了91.50%和75.91%,IoU分别达到了84.98%和64.16%,对建筑物变化区域的轮廓分割更加完整,整体性能优于其他对比的变化检测算法.

基于边卷积与瓶颈注意力的点云三维目标检测

点云数据的高度稀疏特性使当前大部分基于点云的三维目标检测算法对点云的局部特征学习不足,且点云数据包含的部分无效信息会干扰目标检测。针对以上问题,提出了一种基于边卷积与瓶颈注意力的三维目标检测模型。首先,构建多层边卷积(Edge Convolution,EdgeConv),针对点云中的每个点,通过寻找特征空间上与其最接近的K个点,以构建K-近邻图结构,并学习点云的多尺度局部特征;其次,设计适用于三维点云数据的瓶颈注意力模块(Bottleneck Attention Module,BAM),每个BAM包括一个通道注意力模块和一个空间注意力模块,用于增强对目标检测有价值的点云信息,提升网络模型的表征能力。网络以VoteNet为基线,多层边卷积和BAM模块依次加入PointNet++网络和投票模块之间。模型在SUN RGB-D和ScanNetV2公共数据集上进行实验,并与13个当前先进的三维目标检测算法进行对比。实验结果表明,对于SUN RGB-D数据集,所提模型在交并比(Intersection over Union,IoU)为0.5时的平均精确率mAP@0.5达到了最高,并在床、椅子、办公桌等6个对象类别(共10个类别)达到最优准确率(AP@0.25);对于ScanNetV2数据集,模型的mAP@0.25和mAP@0.5均达到最优,并在椅子、沙发、照片等10个对象类别(共18个类别)达到了最优准确率(AP@0.25)。与基线VoteNet相比,所提模型在两个数据集上的mAP@0.25分别提升了6.5%和12.9%,消融实验证明了所加入的边卷积模块和瓶颈注意力模块的有效性。

基于反向瓶颈和LCBAM设计的X光违禁品检测

针对X光违禁品图像姿态与角度变化易漏检误检及困难样本检测准确率低等问题,以YOLOv5网络为基线模型,提出一种融合了反向瓶颈结构和轻量化卷积块注意力模块设计的违禁品检测模型。在主干网络采用反向瓶颈结构设计注重细节特征信息,改进网络应对检测目标大角度变化问题;采用轻量化卷积块注意力机制抑制复杂背景干扰,降低模型参数量;此外,采用高斯误差线性单元激活函数和改进的置信度损失函数增强模型的非线性表达能力,加大对置信度预测的惩罚力度,优化网络对困难样本的检测性能。所提模型在三个大型公开数据集OPIXray、SIXray、HiXray上进行训练和测试,mAP分别达到了91.9%、93.4%和82.2%。结果表明,所提模型能够有效解决基线模型应对X光违禁品角度变化问题,具有较高的检测准确性和稳健性。

融合BotNet的遥感图像目标检测

为解决遥感图像目标小、多尺度、目标背景复杂等问题,提出一种Bottleneck Transformer目标检测网络,在YOLOv5s模型上用“CNN+Transformer”架构代替最后一个残差块中的C3卷积操作,利用空洞卷积,通过设置不同的膨胀率将多尺度下的信息融合,解决遥感图像背景复杂的问题;使用EIOU边界框损失函数。在NWPU VHR-10数据集上验证,mAP达到94.5%,比原始YOLOv5s提高了1.2%。港口、车辆等小目标相应有1.3%和4.5%的提升。验证了算法对小目标识别、复杂背景识别的有效性。

基于改进YOLOv5算法的道路交通参与者实时检测方法

从道路监控图像中快速准确地检测交通参与者对于智能交通系统监管道路目标具有重要意义。为解决传统YOLOv5目标检测算法对多种交通参与者目标检测精度低、重叠目标漏检等问题,研究了基于改进YOLOv5算法的道路交通参与者实时检测方法。为增强浅层网络提取图像特征信息能力,采用融合移动翻转瓶颈卷积(FusedMBC)代替原卷积结构,并通过自注意力机制学习交通参与者的纹理特征;为加强主干网络感知图像空间特征信息的能力,引入坐标注意力机制(CA),使主干网络更加关注图像中交通参与者的语义特征;为使普通卷积拥有感知构造能力,以增强激活空间的灵敏度,采用漏斗激活函数(FReLU)作为卷积层的激活函数,并能够使特征向量进行像素级建模;为增强网络对密集目标的空间特征信息提取能力,在特征融合网络中加入坐标注意力机制,通过注意力捕捉密集目标融合后的空间与通道特征信息,让网络精确定位各个目标。通过对车路协同自动驾驶数据集DAIR-V2X的交通参与者图像进行数据增强预处理,构建用于验证模型性能的测试集2000张并进行了算法验证。实验结果表明:①改进后的YOLOv5算法平均检测精度达到82.4%,平均召回率达到95%,平均检测速度达到204帧/s。②相比于原始YOLOv5,其在平均检测精度和平均检测速度分别提高了5.8%和33.3%,证实提出的方法能够实现快速准确地检测交通参与者,有助于提升智能交通系统监管交通参与者的能力。

车载探地雷达技术在地铁隧道检测中的应用

车载探地雷达技术通过发射和接收电磁波来探测和分析地下物体的特征,对保障地铁隧道的安全性起到重要作用;为了对地铁隧道缺陷进行精确检测,并提升检测的效率,构建基于Yolov5模型的车载探地雷达检测系统;首先采用零时校正、去直流、背景去除和图像增益方法对信号和图像进行去噪;然后基于Yolov5目标检测模型,引入特征网络金字塔和SPP-Bottleneck模块进行改进,并采用锚框对目标图像进行检测,最后构建基于Yolov5模型的车载探地雷达检测系统;结果显示,改进后的Yolov5模型在置信度相同的条件下,相较于原始模型具有更高的F_(1)值;在实例应用中,基于Yolov5模型的车载探地雷达检测系统F_(1)、精确度、召回率平均值分别为88.4%、87.3%和89.5%;该系统对缺陷进行检测的时间为0.3 s,相较于其他3种检测模型,效率分别提升了93.75%、84.2%和50.0%,更具有实际应用价值;此次研究解决了传统车载探地雷达技术存在的问题,对地铁的运营和维护具有重要的意义。

轻型注意力机制遥感影像多类别目标检测方法研究

针对常规遥感影像目标模型难以在低功耗硬件中部署运行的问题,提出一种轻型的遥感影像多类别目标检测模型。在模型特征提取网络不同层中分别使用了带有SE通道注意力模块的卷积核组与瓶颈结构的卷积核组进行特征提取,然后通过包含通道注意力的多尺度增强网络输出3个尺度的特征图参数进行最终检测。以RSOD、谷歌地球等作为数据源构建了数据集,并对其中的训练集进行了样本增强。试验结果表明,本文提出的模型能够对不同环境下的多类别目标实施快速精准测出,并且训练后模型占用内存较小,运行参数量低,能够部署在低功耗的硬件终端并对遥感影像中的目标实施快速精准检测。

基于信息瓶颈的社区发现

该文提出一种映射方法,把单部网络变换成二部图网络.针对得到的二部图网络,在信息论的框架下,提出了一种基于信息瓶颈的社区发现方法.该方法通过寻找网络的最优压缩表示来发现网络的社区结构,最优压缩表示尽可能多地保留原始网络的拓扑特征.在真实数据集和计算机产生的数据集上的实验表明,该方法能够有效地发现网络的社区结构.另外,对于有向网络的社区发现,现有方法忽略有向网络中边的方向而作为无向网络来处理,损失了有向的网络的方向信息,文中提出的社区发现方法能够很好地解决这一问题,并能从有向网络中挖掘出一些现有方法无法发现的知识,这一特点使得该文的方法比现有方法更适用于解决像WWW这样的有向网络.同时,真实世界的许多网络本身就是二部图网络,相对于现有的社区发现方法,文中的方法可以直接应用于这类网络.

基于正交试验的作业车间瓶颈识别方法

针对作业车间现有瓶颈识别方法的不足,提出了一种基于正交试验的瓶颈识别方法。该方法利用正交表和多种分派规则构造试验方案,以生产系统作业目标为衡量指标,快速便捷地实现瓶颈机器的识别。该方法能够在生产任务执行之前,预先给出瓶颈机器所在,以指导生产计划和相关生产准备。通过与移动瓶颈识别法对不同规模的作业车间调度问题标准算例进行仿真对比,证明了该方法的优越性和可靠性。

基于Petri网的车站股道分配方案瓶颈识别

已有的求解股道分配问题的方法很少探讨强壮性,得到的股道分配方案中会有一些瓶颈.要对这些瓶颈进行局部优化,就需要一定的方法来探测这些瓶颈.本文首先利用Petri网技术将一个股道分配方案转换成可执行的动态模型,然后对每一项列车作业进行扰动分析,并利用全部列车的出发晚点时间来识别瓶颈.最后,对一个衔接6个方向的车站平面图和一个持续时间约30分钟的股道分配方案进行分析,结果发现最小缓冲时间为21秒;方案中存在两处瓶颈,缓冲时间分别为57秒和44秒,这表明最小缓冲时间所对应的列车作业区域不一定是方案的瓶颈.这种方法为强壮性优化以及多方案比选提供了技术支持.

基于支持向量机和椭圆拟合的细胞图像自动分割

提出细胞显微图像的自动分割方法,重点解决重叠细胞之间的分割难题.对原始图像进行二值化,提取每个连通区域的多个形状特征并应用支持向量机(SVM)进行测试,区分单个与重叠细胞.运用瓶颈检测寻找分离点对分割重叠细胞.基于细胞的椭圆或圆形结构,对分割后的边缘,应用改进的椭圆拟合法进行修正,修正后的细胞区域能够有效地反映重叠在一起的细胞的真实形状.对新生成的封闭区域进行循环检测,直至所有重叠细胞分割完毕.实验结果表明,相较于多种现有的细胞分割方法,采用该算法能够更有效地抑制过分割和欠分割,分割准确率、敏感度和特异度高.

基于Petri网技术的生产流程实体建模方法研究

为快速发掘制造企业生产过程中的瓶颈单元,提出了一种将Petri网和面向对象方法相结合的生产流程实体建模方法。该方法将生产流程中各个加工站点或生产单元进行高度抽象,抽象出一个个生产站点库所子模块,结合企业生产流程实际情况,将抽象库所进行排列组合,从而组建企业生产系统的生产流程实体建模模型,然后建立生产流程实体建模目标函数模型,采用模拟退火算法计算出产能最小单元,并结合Flexsim仿真软件对生产流程实体建模模型进行了三维动画运行仿真,从而发现了生产流程中的瓶颈单元,并提出了改善措施,提高了企业的产能和效益,从而验证了生产流程实体建模方法的实用性。

基于TOC和OTE的生产瓶颈识别与优化

TOC思想即约束理论是平衡生产线的一个重要工具,它告诉我们可以通过查询瓶颈以及经过利用资源消除瓶颈来达到生产线平衡;而OTE是生产线产能的一种量化指标,而这种生产线指的是具有多台设备联系在一起的生产流程。在介绍TOC思想和OTE计算公式的基础上,利用Witness仿真软件对生产系统建模与仿真,结合TOC和OTE来识别在不同需求下的生产系统瓶颈,提出解决瓶颈的优化方案,改进生产系统,在考虑成本的情况下增加整个系统合格产出,以及提高整个系统的产能。

融合扩展信息瓶颈理论的话题关联检测方法研究

话题关联检测的关键任务在于判断给定报道对是否属于同一话题.现有判断方法往往忽略种子事件与其直接相关事件之间的层次关系.为此,通过分析报道内部语义分布规律及篇章结构,并依据语义分布规则,利用语义分布规律改进信息瓶颈(Information bottleneck,IB)算法,用于子话题逻辑语义单元的划分,并利用这些逻辑语义单元表示报道,进行话题关联检测.实验证明该方法有较快的收敛速度,并在一定程度上提高了系统性能.

基于时空检测的城市交通网络瓶颈识别方法研究

为了解决拥堵状态下交通网络瓶颈识别问题,文章基于时空检测数据对道路节点和路段拥堵状态进行了分析,并以此为基础建立了城市交通网络瓶颈识别与分类模型。拥堵发生期间,以任意2辆浮动车连续通过拥堵路径各个交叉口时间间隔作为统计时间,以拥堵路径各个交叉口对应流向流出率作为统计对象,连续统计多辆浮动车通过时的交通量序列,建立了拥堵路径交叉口关联度模型并以此划分交通网络瓶颈。以划分的交通拥堵瓶颈区域作为密闭区域,通过分析拥堵路径平峰期间与拥堵期间的流入流出率,使用切比雪夫不等式在置信度95%范围内建立了拥堵瓶颈的3类模型:输入型瓶颈、输出型瓶颈和通过型瓶颈。以实际区域道路网络为研究对象,使用上述模型对拥堵区域进行了分析,结果表明该模型可有效识别并分类交通网络瓶颈。

基于改进YOLOv4算法的玻璃杯缺陷识别方法研究

当前,玻璃杯表面缺陷检测主要依赖人力劳动来完成,存在耗时长且准确率不高等问题。提出了一种将YOLOv4与MobileNetV3结合的改进算法模型YOLO-M来解决该问题。首先,利用MobileNetv3网络替换YOLOv4原本的主干网络CSPDarknet53,并修改激活函数,在减少模型大小和参数量的基础上提升运行速度。然后,对玻璃杯缺陷样本进行拍照采样,将缺陷分为磨损、气泡、划痕三种,建立玻璃杯缺陷数据集。最后利用YOLO-M、YOLOv4以及YOLOv4-tiny三种算法对玻璃杯缺陷数据集进行训练,将不同算法下的平均精度均值、帧率等评价指标进行对比。实验结果表明,YOLO-M算法在玻璃杯缺陷检测上的帧率达到57.72 f/s,平均精度均值达到91.95%,均为最高。YOLO-M算法在玻璃杯缺陷识别的速度和精度上有明显效果,可做为后续分拣研究,以及其他玻璃制品缺陷识别的重要参考。

我国图书馆总分馆研究前沿演进轨迹及瓶颈突破探析

在分析历年我国图书馆总分馆领域的期刊文献发表情况的基础上,利用CiteSpaceIII的突变检测功能识别该领域前沿演进轨迹,并尝试为突破研究瓶颈指出未来的研究方向。结果表明,该领域的前沿演进经历了"总分馆"概念模糊的传统图书馆建设期、向总分馆制图书馆转变的关键期以及力求突破研究瓶颈的总分馆研究升华期。其中,学科分馆、集群管理、法人治理结构及可持续建设等主题或将成为未来突破该领域瓶颈的研究方向。

交通波理论在交通瓶颈处的应用分析

根据交通瓶颈处的交通流特性,利用交通波理论建立交通瓶颈处的交通流模型,并对其交通波动进行理论分析,有助于为交通瓶颈处的交通管理控制提供合理化建议。

基于循迹法的常减压蒸馏装置能效瓶颈识别

为了优化常减压蒸馏装置的能源利用并提高其能源利用效率,提出采用循迹法对常减压蒸馏装置进行案例研究的方法,通过分析能量设备,将装置分为5个子系统,将能量系统图与能值计算相结合,确定系统中各种输入能值的分布,分析子系统内外的能量流并计算其能量分配系数,实现系统能效瓶颈识别。将该方法应用于实际案例,将常减压蒸馏过程根据工艺特点划分为5个子系统,通过计算对比子系统中各个能量分配系数得出其能效瓶颈识别结果,证明了该方法分析复杂化学过程的有效性。

一种面向计算网格U2R攻击的主机入侵检测技术

文中提出了一种针对计算网格U2R攻击的主机入侵检测技术,在主机层使用BV方法,以降低漏报率和误报率.在主机操作系统内核中使用基于整数比较实现的BV方法,不仅占用较小的系统开销,而且可对主机关键资源的使用进行检测.同时通过整合网格访问控制机制,在网格环境下准确地标识入侵者,并向网格中间件层提供网格用户使用主机资源的信息为进一步的用户行为分析提供支持.