基于改进Faster R-CNN的纸病检测算法

目的达到纸病检测中能够充分提取纸病特征、提高检测精度、降低小目标漏检率的目标。方法基于Faster R-CNN的检测算法进行改进,主要改进的做法是利用深度残差网络ResNet-50替换原模型的骨干特征提取网络VGG16,以保留更多的纸病特征信息,增强特征网络对纸张缺陷的提取能力;在算法中添加空间和通道的双重注意力机制CBAM,用来提高纸病检测精度;将ROI-Pooling替换为ROI-Align,增强网络的泛化能力。结果实验结果表明,改进后的算法平均精度达到98%,较原算法平均精度提升了9%。结论改进后的算法能够充分提取纸病特征信息,有效提高了纸病的检测精度,以及提高了小目标纸病的检测率,降低了错漏检率。

基于改进Faster R-CNN的钢板表面缺陷检测

针对钢板表面缺陷检测过程中出现的检测精度不高、小缺陷定位不准、误检率和漏检率高的问题,提出一种改进的快速区域卷积神经网络(faster region-based convolutional neural network,简称Faster R-CNN)算法.实验结果表明:相对于CNN(convolutional neural network),YOLOv3(the third version of you only look once),SSD(single shot multibox detector)和YOLOv5(the fifth version of you only look once)算法,该文算法的检测平均精度均值最高、缺陷定位最准确、分类成功率最高.因此,该文算法具有有效性.

基于ResNet-50改进的Faster R-CNN手势识别算法

为了解决不同识别环境下光照强度的变化对手势识别准确率影响的问题,提出了基于ResNet-50残差网络的改进Faster R-CNN手势识别算法。相较于普通的Faster R-CNN算法,该算法用了ResNet-50网络,提高网络特征的学习能力,并在ResNet-50中加入了实例批处理标准化(IBN)方法用于对单个图片的表征内容学习,适应不同的识别环境。实验结果表明,该算法在测试集上的识别率高达98.7%,相较于常用手势识别算法,有效性更高,鲁棒性更好。

一种面向鱼眼图像的行人检测算法

鱼眼镜头非线性光学畸变导致鱼眼图像行人检测算法精度低,且校正算法也无法完全克服鱼眼图像的边缘严重变形。针对上述问题,文中以Faster R-CNN架构为基础,建立了鱼眼图像校正光路模型。针对鱼眼图像畸变,提出一种基于微分方程的鱼眼图像校正模型,并提出一种改进算法用于鱼眼图像的行人检测。构建了ResNet 50融合特征金字塔网络结构,以增强网络的多尺度特征提取能力,提高网络对行人小目标的定位和识别能力;优化平滑L1损失函数解决大梯度难学样本与小梯度易学样本间的不平衡问题,提高训练效果。实验结果表明,文中算法与现有鱼眼图像行人检测算法相比,检测精度提高了39.68%。在边缘轻微畸变及小尺度行人的检测精度可以达到90%以上,有助于提高极端条件下鱼眼图像的行人检测性能。

基于改进Faster R-CNN的百香果自动检测

针对自然场景下百香果果实密集,生长环境相对复杂,大规模种植带来人工识别、采摘和估计产量困难等问题,提出了改进Faster R-CNN的百香果目标检测算法,实现无遮挡、遮挡、重叠和背景四类果实自动检测和产量预测。该方法首先采用ResNet网络融合FPN对百香果进行多尺度特征提取;然后采用RPN网络提取ROI区域;最后,通过全连接层实现百香果分类和检测。经测试集验证,该方法在4类情况下检测的平均精确率达到87.98%,其平均准确率和召回率分别达到90.79%和90.47%,每幅图片的检测时间在0.178 s左右;产量估算中,其准确率为96.80%。结果表明,基于FPN+ResNet-101特征提取的Faster R-CNN目标检测算法能应用于自然场景下百香果的快速、准确检测和产量估算。

小型无人直升机稳定杆建模与姿态系统设计

对某小型无人直升机的稳定杆单独进行了建模,并着重分析了稳定杆在整个飞行控制系统中所起的作用以及它对姿态系统的影响。针对稳定杆所引起的姿态系统动态响应的峰值和弱阻尼,采取在控制策略中加入陷波器的方法进行补偿。仿真结果表明:陷波器消除了稳定杆所引起的峰值,提高了姿态系统的动态阻尼,姿态系统的性能得到了明显的优化,最后实现了姿态系统的自行稳定和按设定值变化,为小型无人直升机的姿态系统设计提供了工程设计方法。

一些化合物在钴60的γ射线辐照下的色变研究

用钴60的γ射线辐照了一批化合物样品,对这些样品在受辐照前后的颜色变化进行了观察研究,对显色样品颜色的热稳定性作了实验观测,还考察了一些样品的化学纯度对颜色变化的影响.

融合自适应注意力机制的Faster R-CNN目标检测算法

针对Faster R-CNN目标检测算法存在的定位和检测精度问题,设计了一种可嵌入Faster R-CNN目标检测算法并进行端到端训练的可移动的注意力(MA)模型。首先,为了获取更加精确的空间位置信息,MA采用两个自适应最大池化分别基于输入特征图的水平和竖直两个方向进行特征聚合,生成两个独立的方向感知特征图;其次,为了防止模型过拟合,使用Sigmoid激活函数增加网络非线性;最后,为了充分利用已经得到的空间位置信息,将具有非线性的两个特征图与输入特征图依次相乘以增强输入特征图的表征能力。实验结果表明:基于MA改进的Faster R-CNN目标检测算法有效地提升了网络对感兴趣目标的定位能力,并且平均检测精度也得到了明显的提升。

研发投入强度增长与中年就业退出

研发投入强度增长通过改变劳动力市场的技术需求结构,促使不适应劳动力市场变化的劳动者提前退出就业。本文考察不具年龄优势的劳动者微观行为对宏观技术环境变化的响应问题,即行业研发投入增长带来的潜在技术进步,对41~59岁年龄段劳动者退出劳动力市场的影响。考虑行业特征、劳动者个人基本特征及其家庭特征在内的基本结果表明,2002—2010年各行业的研发投入强度增长显著提高了劳动者提前退出就业的概率;并且该效应具有持续性,2002—2010年的研发投入强度增长也提高了劳动者在2011—2015年退出就业的概率。行业研发投入强度增长对劳动者提前退出就业的偏效应非恒定,研发投入强度增幅越大的行业中劳动者提前退出的概率提升越大,此效应还随劳动者年龄的增加而加大,学历相对较低者、非技能型劳动者、女性劳动者以及迁移者受到的平均冲击也更大。劳动者提前退出劳动力市场的现象,是充分利用人力资源的一个矛盾,完善相关政策应充分兼顾生产者效率和劳动者福利。