三对角方程组的分布式SPP算法

发展了单向并行分裂法(SPP)用于求解三对角和块三对角线性方程组,算法考虑了三对角线性系统求解中文件IO及结果传输通信所占时间比例较大的特点,充分利用了计算、文件IO与通信三者之间的重叠。分析了SPP算法的计算与通信开销。在工作站机群上进行了测试分析。

基于改进YOLOv4的输电线路目标检测算法

针对人工巡检及传统视频监测方式不能及时识别输电线路外破隐患的问题,本文提出基于YOLOv4改进的输电线路外破隐患识别算法。该算法通过改进K-means++算法对图片样本集目标的大小进行聚类分析,筛选出符合检测目标特征的锚框,之后利用CSPDarknet-53残差网络提取图片深层次网络特征数据,采用SPP算法对特征图进行处理增加感受野,并引用自注意力机制(CBAM),增强模型的特征提取能力。最后结合实际输电线路现场监控图,测试后表明该算法能够及时准确检测到外破隐患。

基于YOLOv4的输电线路外破隐患识别算法

针对人工巡检及传统视频监测方式不能及时识别输电线路外破隐患的问题,本文提出基于YOLOv4的输电线路外破隐患识别算法.该算法采用改进K-means算法对图片样本集目标的大小进行聚类分析,筛选出符合检测目标特征的锚框,之后利用CSPDarknet-53残差网络提取图片深层次网络特征数据,并采用SPP算法对特征图进行处理增加感受野,提取更高层次的语义特征.最后结合实际的输电线路现场监控图片,测试结果表明该算法能够及时准确检测到外破隐患.

基于深度学习的多目标车辆检测及追踪方法

文章是以MTALAB软件为主要平台,基于深度学习建立一种多目标车辆检测及追踪的方法。首先建立一个基于深度学习的模型用于训练的不同场景的车辆数据集,并对所采集的数据集进行标注和格式归一化处理。然后使用K-means聚类算法进行锚框,建立以YOLOv3SPP算法为主的神经网络框架,采用非极大值拟制(NMS)算法得到最终的预测框。最终训练神经网络模型,再对该模型进行测试和评定。经实验可以得出该模型能够准确地检测及追踪多目标车辆。