一、前言1983年,美国古生物学家G. P. Lohmann发明了“特征形状分析”(eigenshape analysis)方法,用其分析、对比浮游有孔虫不同居群的形态,并取得了良好的结果(Lohmann, 1983;Malmgren, Berggen and Lohmann, 1984)。采用这种分析方法...一、前言1983年,美国古生物学家G. P. Lohmann发明了“特征形状分析”(eigenshape analysis)方法,用其分析、对比浮游有孔虫不同居群的形态,并取得了良好的结果(Lohmann, 1983;Malmgren, Berggen and Lohmann, 1984)。采用这种分析方法,可以从一个物种的一批标本中计算、重建出一批“特征形状”(eigenshape)来代表这批标本(或一个居群)的形状特征。通过对不同居群的“第一特征形状”(first eigenshape)的对比,可以发现不同居群的生物个体在形状上的主要差异。但是,运用这种方法来研究不同居群间的形态差异时,必须借助文字来描述它们的特征形状之间的差异,且无法定量地表示出,这些差异的大小,这就给进一步分析、利用形态对比的结果带来了困难.针对这一缺陷,笔者和S.M.Stanley在研究北美新第三纪海相双壳类的演化模式的过程中,提出了用“不重合面积百分比”(percentage of展开更多
路面病害自动化检测是实现道路智慧化管养的关键技术之一,针对路面病害图像中病害目标占比小、不同类型病害尺度差异大、背景环境复杂等特性,基于YOLOv8架构,提出聚焦形状特征的路面病害检测算法FSF-YOLO(focusing on shape features YO...路面病害自动化检测是实现道路智慧化管养的关键技术之一,针对路面病害图像中病害目标占比小、不同类型病害尺度差异大、背景环境复杂等特性,基于YOLOv8架构,提出聚焦形状特征的路面病害检测算法FSF-YOLO(focusing on shape features YOLO)。构建一种无信息丢失的加强特征提取模块,通过保留多维度空间特征信息,增强骨干网络对低分辨率图像和细小病害目标的特征提取能力;引入可形变注意力特征融合模块,利用病害细长形状特征拓展目标识别区域,提高模型对于长距离病害目标的特征表达能力;运用分组卷积空间金字塔池化模块,强化不同尺寸病害目标特征识别;采用轻量级共享卷积检测头,减少网络参数量和计算量。实验结果表明,提出的方法对不同类别的路面病害目标均获得了较好的效果,在RDD2022数据集上的平均精度达到67.3%,与原算法相比提升了5.3个百分点,整体性能优于其他路面病害检测算法。展开更多
文摘一、前言1983年,美国古生物学家G. P. Lohmann发明了“特征形状分析”(eigenshape analysis)方法,用其分析、对比浮游有孔虫不同居群的形态,并取得了良好的结果(Lohmann, 1983;Malmgren, Berggen and Lohmann, 1984)。采用这种分析方法,可以从一个物种的一批标本中计算、重建出一批“特征形状”(eigenshape)来代表这批标本(或一个居群)的形状特征。通过对不同居群的“第一特征形状”(first eigenshape)的对比,可以发现不同居群的生物个体在形状上的主要差异。但是,运用这种方法来研究不同居群间的形态差异时,必须借助文字来描述它们的特征形状之间的差异,且无法定量地表示出,这些差异的大小,这就给进一步分析、利用形态对比的结果带来了困难.针对这一缺陷,笔者和S.M.Stanley在研究北美新第三纪海相双壳类的演化模式的过程中,提出了用“不重合面积百分比”(percentage of
文摘路面病害自动化检测是实现道路智慧化管养的关键技术之一,针对路面病害图像中病害目标占比小、不同类型病害尺度差异大、背景环境复杂等特性,基于YOLOv8架构,提出聚焦形状特征的路面病害检测算法FSF-YOLO(focusing on shape features YOLO)。构建一种无信息丢失的加强特征提取模块,通过保留多维度空间特征信息,增强骨干网络对低分辨率图像和细小病害目标的特征提取能力;引入可形变注意力特征融合模块,利用病害细长形状特征拓展目标识别区域,提高模型对于长距离病害目标的特征表达能力;运用分组卷积空间金字塔池化模块,强化不同尺寸病害目标特征识别;采用轻量级共享卷积检测头,减少网络参数量和计算量。实验结果表明,提出的方法对不同类别的路面病害目标均获得了较好的效果,在RDD2022数据集上的平均精度达到67.3%,与原算法相比提升了5.3个百分点,整体性能优于其他路面病害检测算法。
