期刊文献+
共找到105篇文章
< 1 2 6 >
每页显示 20 50 100
基于改进YOLOv5的遥感图像目标检测 被引量:3
1
作者 崔丽群 曹华维 《计算机工程》 CAS CSCD 北大核心 2024年第4期228-236,共9页
目前目标检测技术虽然已经趋于成熟,但是对遥感图像的检测仍存在不少挑战。针对遥感图像的背景复杂、目标尺度差异大、目标方向任意等特点造成目标检测精度低下的问题,提出一种基于改进YOLOv5的遥感图像目标检测算法。首先,构建一种联... 目前目标检测技术虽然已经趋于成熟,但是对遥感图像的检测仍存在不少挑战。针对遥感图像的背景复杂、目标尺度差异大、目标方向任意等特点造成目标检测精度低下的问题,提出一种基于改进YOLOv5的遥感图像目标检测算法。首先,构建一种联合注意力的多尺度特征增强网络,充分融合高低层特征,使特征层具有语义信息的同时包含丰富的细节信息,并在融合过程中利用设计的特征聚焦模块帮助模型选择关键特征,抑制无关信息。其次,使用感受野模块(RFB)对融合后的特征图进行更新,扩大特征图的感受野,减少特征信息损失。最后,对目标增加旋转角度,并采用圆形平滑标签将回归问题转化成分类问题,提高遥感目标定位的准确性。在用于航拍图像目标检测的大规模数据集(DOTA)上的实验结果表明,与YOLOv5算法相比,所提算法的交并比(Io U)为0.5和0.5~0.95时的平均精度均值(m AP@0.5和m AP@0.5∶0.95)分别提高了7.3和3.3个百分点,能够明显提高复杂背景下遥感图像目标的检测精度,并改善对遥感目标的漏检和误检情况。 展开更多
关键词 目标检测 遥感图像 特征融合 感受野模块 圆形平滑标签
下载PDF
基于多阶段特征提取的鱼类识别研究
2
作者 吕俊霖 陈作志 +2 位作者 李碧龙 蔡润基 高月芳 《南方水产科学》 CAS CSCD 北大核心 2024年第1期99-109,共11页
鱼类自动识别在海洋生态学、水产养殖等领域应用广泛。受光照变化、目标相似、遮挡及类别分布不均衡等因素影响,鱼类精准自动识别极具挑战性。提出了一种基于多阶段特征提取网络(Multi-stage Feature Extraction Network,MF-Net)模型进... 鱼类自动识别在海洋生态学、水产养殖等领域应用广泛。受光照变化、目标相似、遮挡及类别分布不均衡等因素影响,鱼类精准自动识别极具挑战性。提出了一种基于多阶段特征提取网络(Multi-stage Feature Extraction Network,MF-Net)模型进行鱼类识别。该模型首先对图片作弱增强预处理,以提高模型的计算效率;然后采用多阶段卷积特征提取策略,提升模型对鱼类细粒度特征的提取能力;最后通过标签平滑损失计算以缓解数据的不平衡性。为验证模型的性能,构建了一个500类、含32768张图片的鱼类数据集,所建模型在该数据集上的准确率达到86.8%,优于现有的主流目标识别方法。利用公开的蝴蝶数据集对该模型进行泛化性能验证,多组消融实验进一步验证了所提算法的有效性。 展开更多
关键词 鱼类识别 特征提取网络模型 标签平滑 长尾识别
下载PDF
基于YOLOv5的角度优化抓取检测算法研究
3
作者 陈春朝 孙东红 《计算机工程与应用》 CSCD 北大核心 2024年第6期172-179,共8页
针对目前机器人抓取检测方法抓取角度预测过于离散,抓取过程可能产生较大偏角,降低抓取检测精度,甚至导致抓取失败的问题,提出了一种基于YOLOv5神经网络模型改进的机器人实时抓取检测方法。以单阶段目标检测模型YOLOv5为基础,提取抓取... 针对目前机器人抓取检测方法抓取角度预测过于离散,抓取过程可能产生较大偏角,降低抓取检测精度,甚至导致抓取失败的问题,提出了一种基于YOLOv5神经网络模型改进的机器人实时抓取检测方法。以单阶段目标检测模型YOLOv5为基础,提取抓取框坐标及抓取角度。对抓取角度进行更细致的划分,同时引入环形平滑标签以适应角度的周期性,建立相邻角度之间的联系,将YOLOv5检测头进行解耦,并对损失函数进行优化,提高检测精度。在Cornell数据集上进行实验验证。实验结果表明,与经典的抓取检测方法相比,所提算法能够更好地预测抓取角度,提升抓取检测精度;在Cornell数据集上,此模型达到了97.5%的准确率以及71FPS的检测速度。 展开更多
关键词 抓取检测 YOLOv5 环形平滑标签 检测头解耦
下载PDF
基于深度学习的马拉松号码簿识别方法研究
4
作者 申静波 宋思宇 +1 位作者 豁双 李井辉 《绥化学院学报》 2024年第2期144-148,共5页
在异常行为运动员身份识别任务中,通过号码牌区域定位和号码文本识别两部分完成对号码牌的识别任务。针对号码牌倾斜扭曲、长宽比值变化较小等问题,结合聚类方法设计一种基于旋转目标检测模型rRetinaNet来匹配多种形式的号码牌。采用结... 在异常行为运动员身份识别任务中,通过号码牌区域定位和号码文本识别两部分完成对号码牌的识别任务。针对号码牌倾斜扭曲、长宽比值变化较小等问题,结合聚类方法设计一种基于旋转目标检测模型rRetinaNet来匹配多种形式的号码牌。采用结合注意力机制的基于CRNN的文本识别算法对号码文本进行识别,提升对不规则号码文本的识别性能。通过文本合成算法生成近似号码文本的图像用于网络的预训练,真实号码牌图像则用于预训练模型的微调。实验结果表明,在自主创建的真实赛事马拉松数据集上,改进后的复合型网络在号码簿的检测与识别精度上均有所提升,通过这两个算法的结合可以有效地解决异常行为运动员身份识别问题。 展开更多
关键词 号码簿识别 RetinaNet 旋转目标检测 环形平滑标签 CRNN
下载PDF
考虑训练样本分布不均衡的超短期风电功率概率预测
5
作者 李丹 方泽仁 +3 位作者 缪书唯 胡越 梁云嫣 贺帅 《电网技术》 EI CSCD 北大核心 2024年第3期1133-1145,共13页
提出一种考虑训练样本分布不均衡的超短期风电概率预测方法。首先构建深度信念混合密度网络,通过深度信念网络独特的预训练和微调机制提取输入变量的隐特征,利用Beta混合概率分布的有界性准确表征风电预测功率的概率分布,实现隐特征与... 提出一种考虑训练样本分布不均衡的超短期风电概率预测方法。首先构建深度信念混合密度网络,通过深度信念网络独特的预训练和微调机制提取输入变量的隐特征,利用Beta混合概率分布的有界性准确表征风电预测功率的概率分布,实现隐特征与预测功率概率分布参数之间的非线性映射;然后引入训练样本分布平滑策略,其中特征分布平滑技术用于校准输入特征,标签分布平滑技术用于对各样本误差赋予差异化权重,从输入和输出两方面改善训练样本分布不均衡现象对预测结果的不利影响。实际算例结果表明,与常见风电功率概率预测模型相比,所提模型在点预测和概率预测方面均能获得较高的预测精度,尤其能有效提高低密度样本区域的预测精度。 展开更多
关键词 风电功率概率预测 深度信念网络 混合密度网络 训练样本分布不均衡 特征分布平滑 标签分布平滑
下载PDF
基于多标签语义分割的硬笔字笔画提取
6
作者 余嘉云 李丁宇 +2 位作者 徐占洋 王晶弘 林巍 《计算机系统应用》 2024年第9期174-182,共9页
汉字作为中华文化的载体,因其复杂的结构区别于其他文字.笔画作为汉字的基本单元,在硬笔字评价中起到至关重要的作用.正确提取笔画,是硬笔字评价的首要步骤.现有的笔画提取方法多数是基于规则的,由于汉字的复杂性,这些规则通常无法顾及... 汉字作为中华文化的载体,因其复杂的结构区别于其他文字.笔画作为汉字的基本单元,在硬笔字评价中起到至关重要的作用.正确提取笔画,是硬笔字评价的首要步骤.现有的笔画提取方法多数是基于规则的,由于汉字的复杂性,这些规则通常无法顾及所有特征,且在评价时无法根据笔顺等信息与模板字笔画匹配.为了解决这些问题,该文将笔画提取转化为多标签语义分割问题,提出了多标签语义分割模型(M-TransUNet),利用深度卷积模型以汉字为单位任务进行训练,保留了笔画原有结构,避免了笔画段组合的二义性,同时得到了硬笔字的笔顺,有利于笔画评价等下游任务.由于硬笔字图像只分为前景和背景,没有额外颜色信息,所以更容易产生FP(false positive)分割噪声.为解决此问题,本文还提出了一种针对笔画分割结果的局部平滑策略(local smooth strategy on stroke,LSSS),淡化噪声的影响.最后,本文对M-TransUNet的分割性能以及效率进行了实验,证明了本文算法在很小性能损失的情况下,极大地提升了效率.同时对LSSS算法进行了实验,证明其在FP噪声消除的有效性. 展开更多
关键词 硬笔字 笔画提取 多标签语义分割 局部平滑策略
下载PDF
权重推断与标签平滑的轻量级人脸表情识别 被引量:2
7
作者 刘劲 罗晓曙 徐照兴 《计算机工程与应用》 CSCD 北大核心 2024年第2期254-263,共10页
针对轻量级网络在复杂环境下对面部表情的特征提取不够充分、模型参数存在冗余以及单标签数据集无法有效描述复杂情感倾向所带来的歧义表情等问题,提出了一种结合改进ShuffleNet与标签平滑学习的人脸表情识别方法。通过对原始网络的分... 针对轻量级网络在复杂环境下对面部表情的特征提取不够充分、模型参数存在冗余以及单标签数据集无法有效描述复杂情感倾向所带来的歧义表情等问题,提出了一种结合改进ShuffleNet与标签平滑学习的人脸表情识别方法。通过对原始网络的分析与剪裁,得到了改进后更紧凑的K5_Light_ShuffleNet,不仅优化了网络参数,还提高了模型的表征能力。为了增强模型对人脸表情图像局部细节特征的提取能力,抑制非表情特征,在模型中嵌入了设计的轻量化通道空间关键权重推断模块。通过标签平滑学习方法,在不引入额外信息的前提下,利用软标签分布监督网络的学习,以减少由于歧义表情对识别性能所带来的不利影响。实验结果表明,在公开的RAF-DB、AffectNet-7和AffectNet-8数据集上分别达到了86.91%、61.80%和58.75%的表情识别准确率,相较于目前其他人脸表情识别方法,其识别率有一定提高,同时模型参数量和计算量均保持在较低水平,利于其在实际中的应用。 展开更多
关键词 人脸表情识别 关键权重推断 轻量化 标签平滑学习 歧义表情
下载PDF
局部特征引导标签平滑与优化的井下弱特征人员重识别
8
作者 张杰 缪小然 +3 位作者 赵作鹏 胡建峰 闵冰冰 高宇蒙 《工矿自动化》 CSCD 北大核心 2024年第2期83-89,共7页
煤矿井下低照度、强光扰、高粉尘等环境条件,以及井下人员服装的相似性和脸部落煤现象,导致井下弱特征人员重识别困难。现有人员重识别方法仅提取全局特征,未充分考虑局部特征,使得井下人员重识别准确率较低。针对上述问题,提出了一种... 煤矿井下低照度、强光扰、高粉尘等环境条件,以及井下人员服装的相似性和脸部落煤现象,导致井下弱特征人员重识别困难。现有人员重识别方法仅提取全局特征,未充分考虑局部特征,使得井下人员重识别准确率较低。针对上述问题,提出了一种局部特征引导标签平滑与优化的井下弱特征人员重识别方法。该方法首先通过卷积神经网络提取井下人员图像的全局特征与局部特征;然后利用k最近邻相似性计算全局特征和局部特征的互补性得分,来衡量全局特征和局部特征的相似程度;最后根据特征互补性得分对局部特征进行标签平滑及对全局特征进行标签优化,即动态调整每个局部特征的权重,以改进每个局部特征的标签,并对局部特征的预测结果进行汇总,利用更可靠的信息来完善标签以作为全局特征的标签,从而减少图像噪声并增强特征识别能力。实验结果表明,该方法在公开数据集和包含井下人员图像的自建数据集上的平均精度均值(mAP)、第一匹配正确率(Rank-1)和平均逆置负样本惩罚率(mINP)总体优于主流人员重识别方法,具有良好的泛化性和鲁棒性,能有效实现井下弱特征人员重识别。 展开更多
关键词 人员重识别 弱特征人员 局部特征 标签平滑 标签优化 特征互补性
下载PDF
基于多级区域选择与跨层特征融合的野生菌分类
9
作者 李俊仪 李向阳 +3 位作者 龙朝勋 李海燕 李红松 余鹏飞 《计算机工程》 CAS CSCD 北大核心 2024年第9期179-188,共10页
近年来误食有毒野生菌导致的中毒事件频发,严重危害人们的身体健康,这使得准确鉴别野生菌变得尤为重要。然而,现有的野生菌分类算法在处理背景噪声大、类间差异小和类内差异大的图片时容易出现识别错误的问题。为了解决这一问题,提出一... 近年来误食有毒野生菌导致的中毒事件频发,严重危害人们的身体健康,这使得准确鉴别野生菌变得尤为重要。然而,现有的野生菌分类算法在处理背景噪声大、类间差异小和类内差异大的图片时容易出现识别错误的问题。为了解决这一问题,提出一种基于Vision Transformer(ViT)架构结合多级区域选择和跨层特征融合的野生菌分类算法。该算法旨在捕获具有强鉴别力的特征,以确保网络能够聚焦在主要信息上,并提高分类的准确性。首先采用ViT作为网络框架,以提取野生菌图像的特征和全局上下文信息。其次设计多头自注意力选择模块,用于提取具有鉴别力的token,并通过自适应分配算法为不同层级的编码层确定抽取token的数量。最后为进一步提升分类性能,引入跨层特征融合策略和标签平滑损失进行拟合训练,从而减少细节信息的丢失。为使网络对野生菌图像特征的学习更具针对性,自建野生菌数据集。实验结果表明,所提出的算法与基线算法相比,分类精度有了显著提高,准确率达到98.65%。 展开更多
关键词 图像分类 Vision Transformer架构 特征选择 自适应分配 特征融合 标签平滑
下载PDF
基于MacBERT和标签平滑的新冠疫情公众情感分析研究
10
作者 王坤朋 禹龙 +2 位作者 王博 周铁军 田生伟 《东北师大学报(自然科学版)》 CAS 北大核心 2024年第2期83-90,共8页
针对BERT预训练与下游任务微调阶段存在不匹配差异,以及人工对文本数据进行情感倾向性标注可能存在误差的问题,提出一种基于MacBERT和标签平滑的网络模型(MacLMC).首先,在BERT的基础上引入MLM as correction策略,利用近义词替换被掩码词... 针对BERT预训练与下游任务微调阶段存在不匹配差异,以及人工对文本数据进行情感倾向性标注可能存在误差的问题,提出一种基于MacBERT和标签平滑的网络模型(MacLMC).首先,在BERT的基础上引入MLM as correction策略,利用近义词替换被掩码词,通过MacBERT预训练模型获取词向量;其次,经过双层LSTM学习长距离依赖;再次,采用双通道多卷积核的卷积操作,分别提取信息的最大特征和均值特征;最后,利用标签平滑策略降低模型预测类别的概率,提升模型对于标签的容错能力,提高模型泛化性.实验结果表明:与现有主流模型相比,本文模型在多种数据集上性能表现更佳,能够更好地用于新冠疫情公众情感分析任务. 展开更多
关键词 新冠疫情 MacBERT 标签平滑 情感分析
下载PDF
监控管理中基于交叉姿态平滑的行人重识别
11
作者 陈小慧 何宜庆 《计算机工程与设计》 北大核心 2024年第4期1202-1209,共8页
现有行人重识别缺乏对局部上下文信息之间的关联,且由于局部图像中存在许多与行人身份无关的信息,使用与全局图像相同的标签去学习局部信息会产生许多噪声。为缓解以上问题,提出一种基于交叉姿态平滑的行人重识别方法。整个方法分为两... 现有行人重识别缺乏对局部上下文信息之间的关联,且由于局部图像中存在许多与行人身份无关的信息,使用与全局图像相同的标签去学习局部信息会产生许多噪声。为缓解以上问题,提出一种基于交叉姿态平滑的行人重识别方法。整个方法分为两个模块,提出一种关键点语义交叉划分策略获取具有交叉语义关联的局部上下文信息;设计一个基于相对姿态上下文的局部伪标签平滑方法,使模型学习到更多局部区域的细微姿态差异。实验结果表明,所提方法在公开数据集上的表现优于其它最新方法,有效提升了模型对行人姿态细微变化的鲁棒性与鉴别能力。 展开更多
关键词 行人重识别 关键点语义交叉划分策略 相对姿态偏移量 局部伪标签 标签平滑 交叉语义 智能监控管理
下载PDF
基于RepVGG-A0改进的公路车型识别网络
12
作者 任成汉 黄俊 《激光杂志》 CAS 北大核心 2024年第1期166-171,共6页
针对当前车型识别过程中检测精度与实时性难以平衡的问题,提出了一种基于RepVGG-A0改进的公路车型识别网络,利用结构重参数化思想融合多分枝网络以提升网络推理速度。使用混合空洞卷积替换传统卷积,强化了模型对大目标的识别能力。在网... 针对当前车型识别过程中检测精度与实时性难以平衡的问题,提出了一种基于RepVGG-A0改进的公路车型识别网络,利用结构重参数化思想融合多分枝网络以提升网络推理速度。使用混合空洞卷积替换传统卷积,强化了模型对大目标的识别能力。在网络主干中插入融合残差结构的坐标注意力(RES-CA)模块,提升了网络对有效特征信息的提取能力,同时避免了梯度消失与梯度退化造成的影响。此外采用了标签平滑正则化方法对损失函数进行改进,降低了模型过拟合对检测结果的影响,提升了模型的泛化性。经验证,本方法在公路车辆数据集BIT-Vehicle上的识别准确率达到了97.17%,较原模型提升了2.67%,优于现有的ResNet-18,VGG等网络模型,同时保证了模型的检测速度。 展开更多
关键词 车型识别 结构重参数化 残差结构 混合空洞卷积 标签平滑正则化
下载PDF
基于RoBERTa-RCNN和注意力池化的新闻主题文本分类 被引量:1
13
作者 王乾 曾诚 +2 位作者 何鹏 张海丰 余新言 《郑州大学学报(理学版)》 CAS 北大核心 2024年第2期43-50,共8页
针对中文新闻主题因缺乏上下文信息而造成语义模糊和用词规范性不高的问题,提出一种基于RoBERTa-RCNN和多头注意力池化机制的新闻主题文本分类方法。利用数据增强技术对部分训练数据进行回译处理,再通过自编码预训练模型和RCNN对文本进... 针对中文新闻主题因缺乏上下文信息而造成语义模糊和用词规范性不高的问题,提出一种基于RoBERTa-RCNN和多头注意力池化机制的新闻主题文本分类方法。利用数据增强技术对部分训练数据进行回译处理,再通过自编码预训练模型和RCNN对文本进行初步和深度的特征提取,并结合多头注意力思想改进最大池化层。该方法采用融合机制,改善了RCNN中最大池化策略单一和无法进行动态优化的缺陷。在三个新闻主题数据集上进行实验,使用更适用于新闻主题分类的Mish函数代替ReLU函数,并利用标签平滑来解决过拟合问题。结果表明,所提方法相比传统分类方法效果突出,并通过消融实验验证了模型在分类任务上的可行性。 展开更多
关键词 预训练语言模型 文本分类 循环卷积神经网络 注意力机制 标签平滑 数据增强
下载PDF
基于LS-SO算法的情感文本分类方法 被引量:8
14
作者 姚艳秋 郑雅雯 吕妍欣 《吉林大学学报(理学版)》 CAS 北大核心 2019年第2期375-379,共5页
首先,基于点互信息与信息检索(PMI-IR)算法,提出一种Laplace平滑情感判定(LS-SO)算法,对情感词典与表情符号情感词典进行自动扩充,得到了具有一定规模、高质量的情感词典,包括基础情感词典、目标情感词典、网络用语情感词典、表情符号... 首先,基于点互信息与信息检索(PMI-IR)算法,提出一种Laplace平滑情感判定(LS-SO)算法,对情感词典与表情符号情感词典进行自动扩充,得到了具有一定规模、高质量的情感词典,包括基础情感词典、目标情感词典、网络用语情感词典、表情符号情感词典、否定词词典、疑问词词典、程度副词词典和连词词典.其次,通过细化文本语义分析规则计算文本情感值.实验结果验证了该方法的有效性. 展开更多
关键词 情感文本分类 情感词典 点互信息与信息检索(PMI-IR)算法 Laplace平滑情感判定(ls-SO)算法
下载PDF
Joint training with local soft attention and dual cross-neighbor label smoothing for unsupervised person re-identification
15
作者 Qing Han Longfei Li +4 位作者 Weidong Min Qi Wang Qingpeng Zeng Shimiao Cui Jiongjin Chen 《Computational Visual Media》 SCIE EI CSCD 2024年第3期543-558,共16页
Existing unsupervised person re-identification approaches fail to fully capture thefine-grained features of local regions,which can result in people with similar appearances and different identities being assigned the... Existing unsupervised person re-identification approaches fail to fully capture thefine-grained features of local regions,which can result in people with similar appearances and different identities being assigned the same label after clustering.The identity-independent information contained in different local regions leads to different levels of local noise.To address these challenges,joint training with local soft attention and dual cross-neighbor label smoothing(DCLS)is proposed in this study.First,the joint training is divided into global and local parts,whereby a soft attention mechanism is proposed for the local branch to accurately capture the subtle differences in local regions,which improves the ability of the re-identification model in identifying a person’s local significant features.Second,DCLS is designed to progressively mitigate label noise in different local regions.The DCLS uses global and local similarity metrics to semantically align the global and local regions of the person and further determines the proximity association between local regions through the cross information of neighboring regions,thereby achieving label smoothing of the global and local regions throughout the training process.In extensive experiments,the proposed method outperformed existing methods under unsupervised settings on several standard person re-identification datasets. 展开更多
关键词 person re-identification(Re-ID) unsupervised learning(USL) local soft attention joint training dual cross-neighbor label smoothing(DCls)
原文传递
基于概率LS-SVM的多标签非均衡样本分类算法
16
作者 范海雄 刘付显 夏璐 《解放军理工大学学报(自然科学版)》 EI 北大核心 2013年第2期169-175,共7页
针对多标签分类问题,提出了一种面向样本不均衡及类属不确定性的多标签分类算法。首先,结合"一对一"分解策略和贝叶斯理论,将多标签数据集分解为单标签数据子集,并利用Parzen窗方法估计子集样本后验概率,对类标签进行了基于... 针对多标签分类问题,提出了一种面向样本不均衡及类属不确定性的多标签分类算法。首先,结合"一对一"分解策略和贝叶斯理论,将多标签数据集分解为单标签数据子集,并利用Parzen窗方法估计子集样本后验概率,对类标签进行了基于概率的不确定性表示。然后,在融合概率类标签和LS-SVM模型的基础上,利用样本差异信息来调节惩罚参数值,建立了考虑样本不均衡的概率LS-SVM子分类器模型。依据正态分布的3σ原理,设计了子分类器决策阈值确定方法。最后,结合实例对算法进行了性能分析,结果证明了新算法的合理性和有效性。 展开更多
关键词 最小二乘支持向量机 后验概率 多标签分类 PARZEN窗
下载PDF
基于因果推断的多标记因果类属属性学习算法
17
作者 鲍家朝 柏琪 《黑龙江工程学院学报》 CAS 2024年第5期16-24,共9页
真实世界中的事件间存在着因果关系,特征与标记间也存在着潜在的因果关系。基于此,提出一种基于因果推断的类属属性学习算法CLSF。类属属性算法充分挖掘各标记的独有特征并构建分类器,从而在一定程度上提升多标记学习的性能。传统的类... 真实世界中的事件间存在着因果关系,特征与标记间也存在着潜在的因果关系。基于此,提出一种基于因果推断的类属属性学习算法CLSF。类属属性算法充分挖掘各标记的独有特征并构建分类器,从而在一定程度上提升多标记学习的性能。传统的类属属性算法大多依赖于欧氏距离或L1范数提取类属属性。然而,欧氏距离并不适用于高维空间的度量。而L1范数的稀疏性很大程度上取决于参数。因此,文中算法使用因果推断学习类属属性。首先对原始标记进行增强化处理,并基于增强标记学习标记和特征之间的因果关系,然后通过因果关系矩阵约束权重矩阵提取因果类属属性。多个多标记基准数据集中的实验表明,CLSF算法较其他对比算法具有一定的性能优势,统计假设检验的结果也表明文中算法的有效性。 展开更多
关键词 类属属性 标记增强 因果推断 多标记学习
下载PDF
基于YOLOv5s的轻量化遥感舰船检测算法
18
作者 王浩臣 辛月兰 +1 位作者 郭江 王庆庆 《中国舰船研究》 CSCD 北大核心 2024年第5期200-207,共8页
[目的]针对遥感图像舰船目标检测任务中轻量化和快速推理的需求,提出一种基于改进YOLOv5s的轻量化遥感舰船目标检测算法LR-YOLO。[方法]首先,主干网络采用ShuffleNet v2 Block堆叠方式,有效减少算法的参数量并提高计算速度;其次,设计区... [目的]针对遥感图像舰船目标检测任务中轻量化和快速推理的需求,提出一种基于改进YOLOv5s的轻量化遥感舰船目标检测算法LR-YOLO。[方法]首先,主干网络采用ShuffleNet v2 Block堆叠方式,有效减少算法的参数量并提高计算速度;其次,设计区域选择模块Filter,选择感兴趣的区域,更充分地提取有效特征;最后,引入圆形光滑标签计算角度损失,对遥感舰船目标进行旋转检测,并采用可变形卷积,以此来适应几何形变,提升检测效果。[结果]在HRSC2016舰船数据集上的实验结果表明,该算法的检测精度达到92.90%,提高1.3%,并且算法参数量仅为基线模型的39.33%。[结论]该算法实现了轻量化和检测准确率的平衡,为轻量化遥感舰船目标检测提供了参考。 展开更多
关键词 YOLOv5s 遥感图像 舰船目标检测 可变形卷积 圆形平滑标签
下载PDF
标签平滑的孪生高分辨率变化检测方法
19
作者 潘畅 李阳 +2 位作者 张旭波 马鑫骥 苗壮 《陆军工程大学学报》 2024年第4期51-59,共9页
针对现有变化检测方法编解码过程中出现的噪声失准、物体边界模糊和小目标变化检测率低等问题,提出了一种变化检测方法HAPNet-CD。该方法编码器采用孪生分支,使用HRNetV2作为骨干网,并在其中嵌入对齐扰动辅助差异模块提取变化特征和差... 针对现有变化检测方法编解码过程中出现的噪声失准、物体边界模糊和小目标变化检测率低等问题,提出了一种变化检测方法HAPNet-CD。该方法编码器采用孪生分支,使用HRNetV2作为骨干网,并在其中嵌入对齐扰动辅助差异模块提取变化特征和差异信息,使提取特征过程中始终保持高分辨率特征表示,进而在空间上得到更精确的特征。HAPNet-CD解码器利用变化特征和差异信息构建混合解码器和差异解码器进行解码,通过设计一种基于标签平滑的损失函数,使网络更加关注物体边界和小目标的变化,提高了物体边界和小目标变化检测准确率。在公开数据集DSIFN-CD和LEVIR-CD上进行测试,实验结果表明,相较于其他9种主流方法,HAPNet-CD在DSIFN-CD数据集上,Precision、Recall、F1和IoU指标分别提升了2.55%、4.58%、3.59%和5.9%;在LEVIR-CD数据集上,Precision指标提升了0.54%,Recall、F1和IoU指标均接近最先进水平。 展开更多
关键词 变化检测 孪生网络 高分辨率 标签平滑
下载PDF
基于航空图像的目标检测算法Trans_YOLOv5
20
作者 文青 伍欣 +2 位作者 敖斌 李宽 殷建平 《计算机技术与发展》 2024年第1期77-82,共6页
与自然图像的检测算法相比较,航空图像的检测存在目标角度随机、目标尺度变化剧烈、小目标密集、图像背景复杂等问题。针对这一系列难题,提出适用于航空图像检测的Trans-YOLOv5算法。修改YOLOv5算法中数据预处理模块以及后处理方法,增... 与自然图像的检测算法相比较,航空图像的检测存在目标角度随机、目标尺度变化剧烈、小目标密集、图像背景复杂等问题。针对这一系列难题,提出适用于航空图像检测的Trans-YOLOv5算法。修改YOLOv5算法中数据预处理模块以及后处理方法,增加一个目标角度标签的处理,使其适用于目标角度随机的航空图像。针对后续出现的边界问题,引入CSL(Circular Smooth Label,圆形平滑标签)将标签角度回归问题转换为分类问题,提高角度标签检测的精度。针对航空图像小目标检测问题,将Swin Transformer集成于YOLOv5框架中,提升模型对小目标的检测效果,并配合注意力机制模块,提高全局表征能力,使网络模型更加关注于待检测的目标对象。在DOTAv2.0航空图像数据集上的实验结果验证了所提方法的有效性,检测结果达到60.98%mAP,与原YOLOv5算法检测结果相比提高10.85百分点,与官网公布的竞赛最佳结果相比提高2.01百分点。 展开更多
关键词 小目标检测 航空图像 YOLOv5 圆形平滑标签 Swin Transformer
下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部