期刊文献+
共找到12篇文章
< 1 >
每页显示 20 50 100
集成全局局部特征交互与角动量机制的端到端多目标跟踪算法
1
作者 计忠平 王相威 +3 位作者 何志伟 杜晨杰 金冉 柴本成 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第9期3703-3712,共10页
针对多目标跟踪(MOT)算法性能对于检测准确度和数据关联策略的依赖性问题,该文提出一种新的端到端算法。在检测方面,首先基于特征金字塔网络,提出空间残差特征金字塔模块(SRFPN),以提升特征融合和信息传递的效率。随后,引入全局局部特... 针对多目标跟踪(MOT)算法性能对于检测准确度和数据关联策略的依赖性问题,该文提出一种新的端到端算法。在检测方面,首先基于特征金字塔网络,提出空间残差特征金字塔模块(SRFPN),以提升特征融合和信息传递的效率。随后,引入全局局部特征交互模块(GLFIM)来平衡局部细节和全局上下文信息,增强多尺度特征的专注度,提高模型对目标尺度变化的适应性。在关联方面,引入角动量机制(AMM),充分考虑目标运动方向,以提升连续帧之间目标匹配的精确性。在MOT17和UAVDT数据集上进行实验验证,所提跟踪器的检测性能和关联性能均显著提升,并且在目标遮挡、尺度变化和杂乱背景等复杂场景下表现出良好的鲁棒性。 展开更多
关键词 目标跟踪 特征金字塔网络 全局局部特征交互 角动量
下载PDF
基于改进YOLOv8的道路缺陷检测
2
作者 李昊璇 苏艳琼 《测试技术学报》 2024年第5期506-512,共7页
针对道路缺陷小目标在复杂背景下检测精度低、漏检误检率高、泛化能力欠佳的问题,提出了一种改进YOLOv8的道路缺陷检测算法SGBNet。首先,Neck部分用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network, BiFPN)替换PANet,... 针对道路缺陷小目标在复杂背景下检测精度低、漏检误检率高、泛化能力欠佳的问题,提出了一种改进YOLOv8的道路缺陷检测算法SGBNet。首先,Neck部分用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network, BiFPN)替换PANet,提升模型的特征融合能力;其次,Neck引入全局注意力机制(Global Attention Machanism, GAM),在特征融合阶段进行注意力调整,提高检测精度;最后,添加小目标检测层,进一步增强深层语义信息与浅层语义信息的结合,提高对道路缺陷小目标的检测能力。与原始YOLOv8n算法相比,算法SGBNet的精确率、召回率和平均精度分别提升了3.3%, 2.5%和2.5%,实现了对道路缺陷更精准的检测。 展开更多
关键词 道路缺陷检测 双向特征金字塔网络(BiFPN) 全局注意力机制(GAM) 小目标检测层
下载PDF
基于自适应全局定位算法的带钢表面缺陷检测
3
作者 王延舒 余建波 《自动化学报》 EI CAS CSCD 北大核心 2024年第8期1550-1564,共15页
针对热轧带钢表面缺陷检测存在的智能化水平低、检测精度低和检测速度慢等问题,提出了一种基于自适应全局定位网络(Adaptive global localization network,AGLNet)的深度学习缺陷检测算法.首先,引入一种残差网络(Residual network,ResN... 针对热轧带钢表面缺陷检测存在的智能化水平低、检测精度低和检测速度慢等问题,提出了一种基于自适应全局定位网络(Adaptive global localization network,AGLNet)的深度学习缺陷检测算法.首先,引入一种残差网络(Residual network,ResNet)与特征金字塔网络(Feature pyramid network,FPN)集成的特征提取结构,减少缺陷语义信息在层级传递间的消失;其次,提出基于TPE(Tree-structure Parzen estimation)的自适应树型候选框提取网络(Adaptive treestructure region proposal extraction network,AT-RPN),无需先验知识的积累,避免了人为调参的训练模式;最后,引入全局定位回归算法,以全局定位的模式在复杂的缺陷检测中实现缺陷更精确定位.本文实现一种快速、准确、更智能化、更适用于实际应用的热轧带钢表面缺陷的算法.实验结果表明,AGLNet在NEU-DET热轧带钢表面缺陷数据集上的检测速度保持在11.8帧/s,平均精度达到79.90%,优于目前其他深度学习带钢表面缺陷检测算法.另外,该算法还具备较强的泛化能力. 展开更多
关键词 表面缺陷检测 深度学习 特征金字塔网络 自适应树型候选框提取 全局定位
下载PDF
基于改进YOLOv5的船舶多尺度SAR图像检测算法
4
作者 李生辉 李晓飞 +1 位作者 宋璋晗 王必祥 《数据采集与处理》 CSCD 北大核心 2024年第1期120-131,共12页
针对复杂场景下合成孔径雷达(Synthetic aperture radar, SAR)图像船舶目标像素尺度差异大和船舶密集排列造成目标漏检的问题,提出一种基于改进YOLOv5的船舶多尺度SAR图像检测算法。对于YOLOv5的颈部网络,采用双向特征金字塔结构(Bi-dir... 针对复杂场景下合成孔径雷达(Synthetic aperture radar, SAR)图像船舶目标像素尺度差异大和船舶密集排列造成目标漏检的问题,提出一种基于改进YOLOv5的船舶多尺度SAR图像检测算法。对于YOLOv5的颈部网络,采用双向特征金字塔结构(Bi-directional feature pyramid network, BiFPN)提升网络多尺度特征融合能力,并在其自下而上的特征融合支路中,基于深度可分离卷积(Depthwise separable convolution, DSC)和通道MLP构建EC-MLP(Enhanced channel-MLP)模块,从而丰富语义信息,提供更充分的船舶目标上下文特征;引入全局注意力机制(Global attention mechanism, GAM),使网络对输入特征进行针对性提取并运算,减少网络的信息丢失;此外,使用SIoU损失函数进一步提高网络的训练收敛速度和检测精度。在SSDD和HRSID数据集上与其他8种方法(Faster R-CNN、Libra R-CNN、FCOS、YOLOv5s、PP-YOLOv2、YOLOX-s、PP-YOLOE-s和YOLOv7-tiny)进行对比实验。实验结果表明:改进后算法在SSDD数据集上的AP50达到了96.7%,在HRSID数据集上AP50达到了95.6%,优于对比方法。 展开更多
关键词 合成孔径雷达 船舶目标检测 双向特征金字塔网络 深度可分离卷积 全局注意力机制
下载PDF
结合全局注意力机制的实时语义分割网络 被引量:3
5
作者 李涛 高志刚 +2 位作者 管晟媛 徐久成 马媛媛 《智能系统学报》 CSCD 北大核心 2023年第2期282-292,共11页
针对轻量化网络结构从特征图提取有效语义信息不足,以及语义信息与空间细节信息融合模块设计不合理而导致分割精度降低的问题,本文提出一种结合全局注意力机制的实时语义分割网络(global attention mechanism with real time semantic s... 针对轻量化网络结构从特征图提取有效语义信息不足,以及语义信息与空间细节信息融合模块设计不合理而导致分割精度降低的问题,本文提出一种结合全局注意力机制的实时语义分割网络(global attention mechanism with real time semantic segmentation network,GaSeNet)。首先在双分支结构的语义分支中引入全局注意力机制,在通道与空间两个维度引导卷积神经网来关注与分割任务相关的语义类别,以提取更多有效语义信息;其次在空间细节分支设计混合空洞卷积块,在卷积核大小不变的情况下扩大感受野,以获取更多全局空间细节信息,弥补关键特征信息损失。然后重新设计特征融合模块,引入深度聚合金塔池化,将不同尺度的特征图深度融合,从而提高网络的语义分割性能。最后将所提出的方法在CamVid数据集和Vaihingen数据集上进行实验,通过与最新的语义分割方法对比分析可知,GaSeNet在分割精度上分别提高了4.29%、16.06%,实验结果验证了本文方法处理实时语义分割问题的有效性。 展开更多
关键词 实时语义分割 全局注意力机制 多尺度特征融合 混合空洞卷积 卷积神经网络 金字塔池化 感受野 特征提取
下载PDF
单阶段目标检测网络的实例分割方法 被引量:2
6
作者 戴云峰 冯兴明 +2 位作者 丁亚杰 王瀚 王庆华 《应用科技》 CAS 2023年第6期42-47,共6页
针对现有多数实例分割算法特征表示能力差、对不同大小目标检测精度差等问题,提出一种基于改进全卷积单阶段目标检测(fully convolutional one-stage object detection,FCOS)网络的实例分割方法。所提方法在FCOS网络模型的骨干网络之后... 针对现有多数实例分割算法特征表示能力差、对不同大小目标检测精度差等问题,提出一种基于改进全卷积单阶段目标检测(fully convolutional one-stage object detection,FCOS)网络的实例分割方法。所提方法在FCOS网络模型的骨干网络之后增加一个底层分支模块,用于获取目标不同尺度特征图在像素粒度上的得分;在FCOS网络模型的5个主干(head)检测网络之后增加一个顶层注意力分支,用于计算特征金字塔所获取的每一层尺度下输出边界框内的全局注意力特征图;最后设计一个特征融合模块,用于建立局部空间位置特征与全局语义信息之间的联系,提高特征获取能力。在MSCOCO数据集上进行的定量实验表明,所提网络与PolarMask、Mask-RCNN网络相比,平均精度(average precision,AP)结果分别提升了5.5%和1.3%。在实际场景中的定性试验结果表明,所提方法具有更高的稳定性。 展开更多
关键词 深度学习 卷积神经网络 目标检测 实例分割 全局注意力 多尺度特征 特征金字塔 特征融合
下载PDF
基于改进YOLOX-s的机场跑道冰雪状态感知
7
作者 邢志伟 阚犇 +2 位作者 刘子硕 李彪 罗谦 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第10期1292-1304,共13页
针对机场冰雪跑道安全性和适航性状态感知能力不足及跑道表面状况报告交互的新需求,提出一种面向多尺度特征融合的机场跑道冰雪状态感知模型.以YOLOX-s模型为基础,在主干特征提取网络中引入全局上下文模块,获取更丰富的浅层与深层特征;... 针对机场冰雪跑道安全性和适航性状态感知能力不足及跑道表面状况报告交互的新需求,提出一种面向多尺度特征融合的机场跑道冰雪状态感知模型.以YOLOX-s模型为基础,在主干特征提取网络中引入全局上下文模块,获取更丰富的浅层与深层特征;将颈部结构中路径聚合网络替换为双向特征金字塔,以提升特征融合能力;在加强特征提取网络尾部添加自适应空间特征融合结构,进一步增强特征融合效果;使用α-EIoU优化损失函数,提高模型收敛速度与精度.实验结果表明,改进后的YOLOX-s模型在跑道冰雪实验系统所得的冰雪污染物数据集上平均精度达到了91.53%,比原始的YOLOX-s模型提高了4.68%,能够为机场跑道除冰雪作业提供决策支持. 展开更多
关键词 跑道冰雪状态感知 YOLOX-s 全局上下文模块 双向特征金字塔网络 自适应空间特征融合结构 α-EIoU损失函数
下载PDF
Improved YOLOv7 Algorithm for Floating Waste Detection Based on GFPN and Long-Range Attention Mechanism
8
作者 PENG Cheng HE Bing +1 位作者 XI Wenqiang LIN Guancheng 《Wuhan University Journal of Natural Sciences》 CAS CSCD 2024年第4期338-348,共11页
Floating wastes in rivers have specific characteristics such as small scale,low pixel density and complex backgrounds.These characteristics make it prone to false and missed detection during image analysis,thus result... Floating wastes in rivers have specific characteristics such as small scale,low pixel density and complex backgrounds.These characteristics make it prone to false and missed detection during image analysis,thus resulting in a degradation of detection performance.In order to tackle these challenges,a floating waste detection algorithm based on YOLOv7 is proposed,which combines the improved GFPN(Generalized Feature Pyramid Network)and a long-range attention mechanism.Firstly,we import the improved GFPN to replace the Neck of YOLOv7,thus providing more effective information transmission that can scale into deeper networks.Secondly,the convolution-based and hardware-friendly long-range attention mechanism is introduced,allowing the algorithm to rapidly generate an attention map with a global receptive field.Finally,the algorithm adopts the WiseIoU optimization loss function to achieve adaptive gradient gain allocation and alleviate the negative impact of low-quality samples on the gradient.The simulation results reveal that the proposed algorithm has achieved a favorable average accuracy of 86.3%in real-time scene detection tasks.This marks a significant enhancement of approximately 6.3%compared with the baseline,indicating the algorithm's good performance in floating waste detection. 展开更多
关键词 floating waste detection YOLOv7 gfpn(Generalized feature pyramid network) long-range attention
原文传递
改进SSD算法的道路小目标检测研究 被引量:15
9
作者 邹慧海 侯进 《计算机工程》 CAS CSCD 北大核心 2022年第5期281-288,共8页
在道路场景中,因小目标分辨率低且特征不明显,传统的目标检测算法难以确认其所属类别和位置信息,导致检测精度低、检测速度慢、漏检率高。提出一种改进SSD的道路小目标检测算法RFG_SSD。在SSD网络结构的主干部分和检测部分之间,通过引... 在道路场景中,因小目标分辨率低且特征不明显,传统的目标检测算法难以确认其所属类别和位置信息,导致检测精度低、检测速度慢、漏检率高。提出一种改进SSD的道路小目标检测算法RFG_SSD。在SSD网络结构的主干部分和检测部分之间,通过引入改进的特征金字塔网络结构,融合浅层和深层感受野的特征信息,以获得小目标语义信息丰富的特征图。将深层特征提取网络ResNet 50作为改进网络的主干特征提取网络,提高整体网络的检测精度。为加快网络运算速度,基于检测层结构,利用全局平均池化层代替全连接层,减少网络参数量。实验结果表明,与SSD、VGG16+SFPN等算法相比,该算法能够有效提高小目标检测性能,且加快检测速度,其在BDD100K数据集上的平均精度和检测速度分别为98.05%和85.56 frame/s,小目标检测个数相较于SSD算法提高3倍多。 展开更多
关键词 小目标检测 SSD算法 ResNet50网络 特征金字塔网络 全局平均池化
下载PDF
基于渐进结构感受野和全局注意力的显著性检测 被引量:2
10
作者 董波 周燕 王永雄 《电子科技》 2021年第1期23-30,共8页
当前的显著性检测算法在复杂场景下难以分割出完整显著性区域以及锐利的边缘细节。针对这一问题,文中提出了一种新颖的特征融合算法。该方法利用全卷积神经网络获取多个层次粗糙的初始特征并结合特征金字塔结构对其深度解析。设计渐进... 当前的显著性检测算法在复杂场景下难以分割出完整显著性区域以及锐利的边缘细节。针对这一问题,文中提出了一种新颖的特征融合算法。该方法利用全卷积神经网络获取多个层次粗糙的初始特征并结合特征金字塔结构对其深度解析。设计渐进结构感受野模块将特征转换至不同尺度的空间进行优化,实现特征的渐进融合与传递,有选择性地增强显著性区域。采用全局注意力机制消除背景噪声并建立显著性像素之间的长距离依赖,以提高显著性区域的有效性,突出显著性目标,再通过学习融合个层次特征得到显著图。综合实验表明,在绝对误差减小的情况下,F-measure指标远超出其他7种主流方法。所提的显著性模型综合了全卷积神经网络和特征金字塔结构的优点,结合文中设计的渐进结构感受野和全局注意力机制,使得显著图更接近真值图。 展开更多
关键词 显著性检测 全卷积神经网络 特征金字塔 渐进结构感受野 全局注意力 F-measure指标
下载PDF
Mask R-CNN中特征不平衡问题的全局信息融合方法 被引量:4
11
作者 文韬 周稻祥 李明 《计算机工程》 CAS CSCD 北大核心 2021年第3期256-260,268,共6页
特征不平衡问题是影响神经网络检测效率的关键因素。针对Mask R-CNN中的特征不平衡问题,提出一种基于全局特征金字塔网络(GFPN)的信息融合方法。通过将GFPN产生的不同大小特征相融合,生成包含全局语义信息的特征网络,并采用反向过程对... 特征不平衡问题是影响神经网络检测效率的关键因素。针对Mask R-CNN中的特征不平衡问题,提出一种基于全局特征金字塔网络(GFPN)的信息融合方法。通过将GFPN产生的不同大小特征相融合,生成包含全局语义信息的特征网络,并采用反向过程对原始特征层进行重新标度,从而使得每个特征层均含有全局语义信息。实验结果表明,与原始基于Mask R-CNN的方法相比,该方法的检测精度提升4~6个百分点,而检测时间仅增加0.112 s。 展开更多
关键词 特征不平衡 全局特征金字塔网络 语义信息 Mask R-CNN方法 深度学习
下载PDF
基于跳跃连接金字塔模型的小目标检测 被引量:7
12
作者 单义 杨金福 +1 位作者 武随烁 许兵兵 《智能系统学报》 CSCD 北大核心 2019年第6期1144-1151,共8页
随着深度学习的发展,目标检测已经获得了较高的精度和效率。但是小目标的检测仍然是一个挑战。小目标检测准确率较低的重要原因是没有充分利用高层特征的语义信息和低层特征的细节信息之间的关系。针对上述问题,本文提出一种基于跳跃连... 随着深度学习的发展,目标检测已经获得了较高的精度和效率。但是小目标的检测仍然是一个挑战。小目标检测准确率较低的重要原因是没有充分利用高层特征的语义信息和低层特征的细节信息之间的关系。针对上述问题,本文提出一种基于跳跃连接金字塔模型的小目标检测方法。与其他的目标检测方法不同,本文提出利用跳跃连接金字塔结构来融合多层高层语义特征信息和低层特征图的细节信息。而且为了更好地提取不同尺度物体对应的特征信息,在网络模型中采用不同大小的卷积核和不同步长的空洞卷积来提取全局特征信息。在PASCAL VOC和MS COCO数据集上进行了实验,验证了算法的有效性。 展开更多
关键词 跳跃连接金字塔 全局感受野 目标检测 深度学习 特征提取 卷积神经网络 空洞卷积 图像处理
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部