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
2
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
基于一种改进的Faster-RCNN的公路中央隔离带绿化识别
被引量:
1
1
作者
卜华雨
杨国平
《农业装备与车辆工程》
2022年第9期114-117,共4页
研究了一种结合不感兴趣区域的Faster-RCNN改进算法对公路隔离带中绿化的识别。通过将次最深特征层同样进行3×3的卷积并进行L2正则化得到新的特征层,将浅层次特征层与深层次特征层的特征信息进行融合,使得该算法在增强识别精度和...
研究了一种结合不感兴趣区域的Faster-RCNN改进算法对公路隔离带中绿化的识别。通过将次最深特征层同样进行3×3的卷积并进行L2正则化得到新的特征层,将浅层次特征层与深层次特征层的特征信息进行融合,使得该算法在增强识别精度和准度的同时不增加特征选取框候取层的厚度。同时设置了不感兴趣区域对冗余检测信息进行筛除,以提高检测准确率。经试验验证,改进算法可有效完成检测任务,从而为无人驾驶浇灌车的控制提供支持。
展开更多
关键词
浇灌车
智能驾驶
目标识别
Faster-RCNN
改进的rpn网络
下载PDF
职称材料
基于深度学习利用特征图加权融合的目标检测方法
被引量:
6
2
作者
张世辉
王红蕾
+4 位作者
陈宇翔
刘新焕
张健
何欢
任卫东
《计量学报》
CSCD
北大核心
2020年第11期1344-1351,共8页
为了提高目标检测的准确性,提出了一种基于深度学习利用特征图加权融合实现目标检测的方法。首先,提出将卷积神经网络中的浅层特征图采样后与最深层特征图进行加权融合的思想;其次,根据所提的特征图加权融合思想以及卷积神经网络的具体...
为了提高目标检测的准确性,提出了一种基于深度学习利用特征图加权融合实现目标检测的方法。首先,提出将卷积神经网络中的浅层特征图采样后与最深层特征图进行加权融合的思想;其次,根据所提的特征图加权融合思想以及卷积神经网络的具体结构,制定相应的特征图加权融合方案,并由该方案得到新特征图;然后,提出改进的RPN网络,并将新特征图输入到改进的RPN网络得到区域建议;最后,将新特征图和区域建议输入到后续网络层完成目标检测。实验结果表明所提方法取得了更高的目标检测精度以及更好的目标检测效果。
展开更多
关键词
计量学
目标检测
视觉测量
深度学习
特征图加权融合
改进的rpn网络
下载PDF
职称材料
题名
基于一种改进的Faster-RCNN的公路中央隔离带绿化识别
被引量:
1
1
作者
卜华雨
杨国平
机构
上海工程技术大学机械与汽车工程学院
出处
《农业装备与车辆工程》
2022年第9期114-117,共4页
文摘
研究了一种结合不感兴趣区域的Faster-RCNN改进算法对公路隔离带中绿化的识别。通过将次最深特征层同样进行3×3的卷积并进行L2正则化得到新的特征层,将浅层次特征层与深层次特征层的特征信息进行融合,使得该算法在增强识别精度和准度的同时不增加特征选取框候取层的厚度。同时设置了不感兴趣区域对冗余检测信息进行筛除,以提高检测准确率。经试验验证,改进算法可有效完成检测任务,从而为无人驾驶浇灌车的控制提供支持。
关键词
浇灌车
智能驾驶
目标识别
Faster-RCNN
改进的rpn网络
Keywords
watering car
intelligent driving
target recognition
Faster-RCNN
improved
rpn
network
分类号
U463.6 [机械工程—车辆工程]
TP391.4 [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
基于深度学习利用特征图加权融合的目标检测方法
被引量:
6
2
作者
张世辉
王红蕾
陈宇翔
刘新焕
张健
何欢
任卫东
机构
燕山大学信息科学与工程学院
河北省计算机虚拟技术与系统集成重点实验室
北京计算机技术及应用研究所
出处
《计量学报》
CSCD
北大核心
2020年第11期1344-1351,共8页
基金
国家自然科学基金(61379065)
河北省自然科学基金(F2014203119)
装备发展部信息系统局“十三五”预研课题(31511040401)。
文摘
为了提高目标检测的准确性,提出了一种基于深度学习利用特征图加权融合实现目标检测的方法。首先,提出将卷积神经网络中的浅层特征图采样后与最深层特征图进行加权融合的思想;其次,根据所提的特征图加权融合思想以及卷积神经网络的具体结构,制定相应的特征图加权融合方案,并由该方案得到新特征图;然后,提出改进的RPN网络,并将新特征图输入到改进的RPN网络得到区域建议;最后,将新特征图和区域建议输入到后续网络层完成目标检测。实验结果表明所提方法取得了更高的目标检测精度以及更好的目标检测效果。
关键词
计量学
目标检测
视觉测量
深度学习
特征图加权融合
改进的rpn网络
Keywords
metrology
object detection
visual measurement
deep learning
feature map weighted fusion
improved
rpn
network
分类号
TB96 [机械工程—光学工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于一种改进的Faster-RCNN的公路中央隔离带绿化识别
卜华雨
杨国平
《农业装备与车辆工程》
2022
1
下载PDF
职称材料
2
基于深度学习利用特征图加权融合的目标检测方法
张世辉
王红蕾
陈宇翔
刘新焕
张健
何欢
任卫东
《计量学报》
CSCD
北大核心
2020
6
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