期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度可分离卷积和多级特征金字塔网络的行人检测
被引量:
1
1
作者
姜义成
李凡
《汽车安全与节能学报》
CAS
CSCD
2020年第1期94-101,共8页
为提高行人检测的准确率,提出一种基于卷积神经网络的行人检测方法。该方法以YOLOv3-tiny算法为基础,在骨干网络部分,用深度可分离卷积的网络结构代替原卷积网络结构,加深网络深度。在检测部分,提出一种改进的多级特征金字塔网络,该网络...
为提高行人检测的准确率,提出一种基于卷积神经网络的行人检测方法。该方法以YOLOv3-tiny算法为基础,在骨干网络部分,用深度可分离卷积的网络结构代替原卷积网络结构,加深网络深度。在检测部分,提出一种改进的多级特征金字塔网络,该网络由8个结构相同的使用深度可分离卷积的特征金字塔组成,特征金字塔之间串联连接,将不同金字塔得到的相同尺寸的特征进行融合,利用融合后的特征金字塔进行检测。在Caltech Pedestrian数据集上进行测试。结果表明:该方法的漏检率为57.83%,比梯度方向直方图(HOG)方法低32.53%,比基于深度学习的方法SA Fast-RCNN和MS-CNN分别低4.67%、3.21%;运行速度为34 ms/帧。因而,该方法满足了实时性要求。
展开更多
关键词
汽车主动安全
行人检测
深度可分离卷积
多级特征金字塔
网络
特征
融合
下载PDF
职称材料
基于多级特征金字塔网络的目标检测研究
2
作者
梁礼明
钱艳群
+1 位作者
熊文
蓝智敏
《传感器与微系统》
CSCD
北大核心
2021年第11期73-75,87,共4页
针对目标检测中广泛的尺度变化所带来的问题,提出一种基于多级特征金字塔网络的一级目标检测方法。以SSD算法模型为基础,将主干网络提取的特征融合为基础特征,将基础特征送入设计的一个交替连接的U型模块和特征融合模块中,从每个U型模...
针对目标检测中广泛的尺度变化所带来的问题,提出一种基于多级特征金字塔网络的一级目标检测方法。以SSD算法模型为基础,将主干网络提取的特征融合为基础特征,将基础特征送入设计的一个交替连接的U型模块和特征融合模块中,从每个U型模块输出的特征进行尺度特征聚合,用来构造一个多级特征金字塔网络用于最终的目标检测。该方法在MS COCO数据集和PASCAL VOC数据集上进行了仿真,实验结果表明,该算法优于目前其他主流的目标检测方法。
展开更多
关键词
多尺度检测
尺度
特征
聚合
特征
融合
多级特征金字塔
下载PDF
职称材料
基于改进RetinaNet的高铁无砟轨道板表面裂缝检测
被引量:
3
3
作者
张诗慧
罗晖
+2 位作者
裴莹玲
余俊英
徐杰
《计算机工程与应用》
CSCD
北大核心
2023年第6期310-317,共8页
针对高铁无砟轨道板表面裂缝尺度差异大、裂缝类别不平衡等问题,提出了基于改进RetinaNet的裂缝检测方法。为了缓解下采样与特征金字塔横向连接压缩而导致的细微信息丢失的问题,利用多级特征金字塔融合ResNet-50主干网络中提取的不同层...
针对高铁无砟轨道板表面裂缝尺度差异大、裂缝类别不平衡等问题,提出了基于改进RetinaNet的裂缝检测方法。为了缓解下采样与特征金字塔横向连接压缩而导致的细微信息丢失的问题,利用多级特征金字塔融合ResNet-50主干网络中提取的不同层次的深浅特征,实现了图像特征信息的充分表达;为了解决检测过程中表面裂缝的分类和定位置信度之间不匹配的问题,提出自适应锚点学习使锚点与网络模型同时进行优化,提高了对小尺度裂缝的检测精度;为了缓解裂缝类别不平衡对检测性能的影响,引入焦点损失函数(Focal Loss)作为分类损失函数,并在其中添加类平衡权重项因子,提升了对小类别裂缝的检测精度。实验结果表明,改进RetinaNet检测网络对高铁无砟轨道板不同类别的裂缝均获得了较好的效果,平均检测精度(mAP)达到72.58%,较之原始RetinaNet检测网络提高了3.60个百分点,有效实现了对不同尺度裂缝的准确检测。
展开更多
关键词
目标检测
高铁无砟轨道板
裂缝检测
RetinaNet
多级特征金字塔
锚点
Focal
Loss
下载PDF
职称材料
题名
基于深度可分离卷积和多级特征金字塔网络的行人检测
被引量:
1
1
作者
姜义成
李凡
机构
湖南大学机械与运载工程学院
出处
《汽车安全与节能学报》
CAS
CSCD
2020年第1期94-101,共8页
基金
国家自然科学基金资助项目(81673996)
湖南省战略性新兴产业科技攻关与重大科技成果转化项目(2018GK4004)。
文摘
为提高行人检测的准确率,提出一种基于卷积神经网络的行人检测方法。该方法以YOLOv3-tiny算法为基础,在骨干网络部分,用深度可分离卷积的网络结构代替原卷积网络结构,加深网络深度。在检测部分,提出一种改进的多级特征金字塔网络,该网络由8个结构相同的使用深度可分离卷积的特征金字塔组成,特征金字塔之间串联连接,将不同金字塔得到的相同尺寸的特征进行融合,利用融合后的特征金字塔进行检测。在Caltech Pedestrian数据集上进行测试。结果表明:该方法的漏检率为57.83%,比梯度方向直方图(HOG)方法低32.53%,比基于深度学习的方法SA Fast-RCNN和MS-CNN分别低4.67%、3.21%;运行速度为34 ms/帧。因而,该方法满足了实时性要求。
关键词
汽车主动安全
行人检测
深度可分离卷积
多级特征金字塔
网络
特征
融合
Keywords
automotive active safety
pedestrian detection
depthwise separable convolution
multi-level feature pyramid network
feature fusion
分类号
U461.91 [机械工程—车辆工程]
下载PDF
职称材料
题名
基于多级特征金字塔网络的目标检测研究
2
作者
梁礼明
钱艳群
熊文
蓝智敏
机构
江西理工大学电气工程与自动化学院
出处
《传感器与微系统》
CSCD
北大核心
2021年第11期73-75,87,共4页
基金
国家自然科学基金资助项目(51365017,61463018)
江西省自然科学基金面上资助项目(20192BAB205084)
江西省教育厅科学技术研究重点项目(GJJ170491)。
文摘
针对目标检测中广泛的尺度变化所带来的问题,提出一种基于多级特征金字塔网络的一级目标检测方法。以SSD算法模型为基础,将主干网络提取的特征融合为基础特征,将基础特征送入设计的一个交替连接的U型模块和特征融合模块中,从每个U型模块输出的特征进行尺度特征聚合,用来构造一个多级特征金字塔网络用于最终的目标检测。该方法在MS COCO数据集和PASCAL VOC数据集上进行了仿真,实验结果表明,该算法优于目前其他主流的目标检测方法。
关键词
多尺度检测
尺度
特征
聚合
特征
融合
多级特征金字塔
Keywords
multi-scale detection
scale feature aggregation
feature fusion
multistage feature pyramid
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进RetinaNet的高铁无砟轨道板表面裂缝检测
被引量:
3
3
作者
张诗慧
罗晖
裴莹玲
余俊英
徐杰
机构
华东交通大学信息工程学院
江西慧通科技发展有限责任公司
出处
《计算机工程与应用》
CSCD
北大核心
2023年第6期310-317,共8页
基金
江西省教育厅科学技术研究重点项目(GJJ200603)
江西省重点研发计划项目(20202BBEL53001)。
文摘
针对高铁无砟轨道板表面裂缝尺度差异大、裂缝类别不平衡等问题,提出了基于改进RetinaNet的裂缝检测方法。为了缓解下采样与特征金字塔横向连接压缩而导致的细微信息丢失的问题,利用多级特征金字塔融合ResNet-50主干网络中提取的不同层次的深浅特征,实现了图像特征信息的充分表达;为了解决检测过程中表面裂缝的分类和定位置信度之间不匹配的问题,提出自适应锚点学习使锚点与网络模型同时进行优化,提高了对小尺度裂缝的检测精度;为了缓解裂缝类别不平衡对检测性能的影响,引入焦点损失函数(Focal Loss)作为分类损失函数,并在其中添加类平衡权重项因子,提升了对小类别裂缝的检测精度。实验结果表明,改进RetinaNet检测网络对高铁无砟轨道板不同类别的裂缝均获得了较好的效果,平均检测精度(mAP)达到72.58%,较之原始RetinaNet检测网络提高了3.60个百分点,有效实现了对不同尺度裂缝的准确检测。
关键词
目标检测
高铁无砟轨道板
裂缝检测
RetinaNet
多级特征金字塔
锚点
Focal
Loss
Keywords
object detection
ballastless slab track of high-speed railway
crack detection
RetinaNet
multi-level feature pyramid network(MLFPN)
anchor
Focal Loss
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度可分离卷积和多级特征金字塔网络的行人检测
姜义成
李凡
《汽车安全与节能学报》
CAS
CSCD
2020
1
下载PDF
职称材料
2
基于多级特征金字塔网络的目标检测研究
梁礼明
钱艳群
熊文
蓝智敏
《传感器与微系统》
CSCD
北大核心
2021
0
下载PDF
职称材料
3
基于改进RetinaNet的高铁无砟轨道板表面裂缝检测
张诗慧
罗晖
裴莹玲
余俊英
徐杰
《计算机工程与应用》
CSCD
北大核心
2023
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部