-
题名三对角方程组的分布式SPP算法
- 1
-
-
作者
王正华
车永刚
赵文涛
-
机构
国防科技大学并行与分布处理国家重点实验室
-
出处
《国防科技大学学报》
EI
CAS
CSCD
1999年第5期13-16,共4页
-
基金
国家 8 6 3项目资助
-
文摘
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。
-
关键词
三对角方程组
并行算法
加速比
分布式
spp算法
-
Keywords
tridiagonal equations,parallel algorithm, speedup
-
分类号
O241.6
[理学—计算数学]
-
-
题名基于改进YOLOv4的输电线路目标检测算法
- 2
-
-
作者
王统
熊君伟
叶世顺
胡志祥
舒冬
-
机构
湖南三一智慧新能源设计有限公司
-
出处
《电器工业》
2023年第10期32-35,40,共5页
-
文摘
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。
-
关键词
YOLOv4
K-MEANS
spp算法
注意力机制
-
分类号
TM75
[电气工程—电力系统及自动化]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于YOLOv4的输电线路外破隐患识别算法
被引量:12
- 3
-
-
作者
田二胜
李春蕾
朱国栋
粟忠来
张小明
徐晓光
-
机构
许继集团有限公司
-
出处
《计算机系统应用》
2021年第7期190-196,共7页
-
文摘
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.
-
关键词
YOLOv4
残差网络
K-MEANS
spp算法
-
Keywords
YOLOv4
Residual Network(ResNet)
K-means
spp algorithm
-
分类号
TM75
[电气工程—电力系统及自动化]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的多目标车辆检测及追踪方法
- 4
-
-
作者
王锋
-
机构
长安大学汽车学院
-
出处
《汽车实用技术》
2023年第4期23-30,共8页
-
文摘
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。
-
关键词
深度学习
多目标车辆
K-MEANS聚类算法
YOLOv3
spp算法
非极大值拟制算法
-
Keywords
Deep learning
Multi-target vehicle
K-means clustering algorithm
YOLOv3 spp algorithm
Non-maximum simulation algorithm
-
分类号
U495
[交通运输工程—交通运输规划与管理]
-