-
题名基于加强特征提取的道路病害检测算法
被引量：3
- 1
-
-
作者
龙伍丹
彭博
胡节
申颖
丁丹妮
-
机构
西南交通大学计算机与人工智能学院
可持续城市交通智能化教育部工程研究中心(西南交通大学)
成都信息工程大学计算机学院
-
出处
《计算机应用》
CSCD
北大核心
2024年第7期2264-2270,共7页
-
基金
四川省自然科学基金资助项目(2022NSFSC0502)
四川省科技计划项目(2023YFG0354)
四川省科技创新苗子工程培育项目(MZGC20230077)。
-
文摘
针对道路病害区域小、类别数量不均衡导致检测困难的问题,提出基于YOLOv7-tiny的道路病害检测算法RDD-YOLO。首先,采用K-means++算法得到拟合目标尺寸更好的锚框。其次,在小目标检测支路上使用量化感知重参数化模块(QARepVGG),增强浅层特征提取,同时构建加强注意力模块(AM-CBAM)嵌入颈部的3个输入,抑制复杂背景干扰。然后,设计特征融合模块(Res-RFB),模拟人眼扩大感受野融合多尺度信息,提高表征能力;另外,构造轻量级解耦头(S-DeHead)提高小目标检测精确率。最后,采用归一化Wasserstein距离度量(NWD)优化小目标定位过程,并缓解样本不均衡问题。实验结果表明,与YOLOv7-tiny相比,RDD-YOLO算法在仅增加0.71×10^(6)参数量和1.7 GFLOPs计算量的成本下,mAP50提高6.19个百分点,F1-Score提高5.31个百分点,并且检测速度达到135.26 frame/s,满足道路养护工作中对检测精度和速度的需求。
-
关键词
道路病害检测
加强特征提取
YOLOv7-tiny
小目标
类别数量不平衡
-
Keywords
road damage detection
enhanced feature extraction
YOLOv7-tiny
small object
category number unbalance
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进TabNet的糖尿病预测模型
- 2
-
-
作者
徐绍钦
彭博
龙伍丹
丁丹妮
-
机构
西南交通大学计算机与人工智能学院
成都信息工程大学计算机学院
-
出处
《计算机应用》
CSCD
北大核心
2024年第S2期364-369,共6页
-
基金
四川省科技创新苗子工程培育项目(MZGC20230077)。
-
文摘
针对糖尿病数据特征冗余、类别数不平衡导致的预测困难问题,提出一种基于改进TabNet的糖尿病预测模型dTabNet(dual TabNet)。首先,通过dTabNet得到量化的特征全局贡献指标,同时构造3层全连接层替代特征转换器和注意力转换器中的单层全连接层,以增强对数据的表示能力;其次,设计特征选择模块,以去除糖尿病数据集中的冗余和无关特征,从而提高学习的效率;最后,根据特征选择模块输出的特征子集预测糖尿病。此外,引入Focal loss函数优化损失函数,以解决糖尿病数据类别数不平衡的问题;之后,利用贝叶斯优化算法对dTabNet进行超参数优化。在预处理后的真实糖尿病检测数据集上评估所提模型。实验结果表明,dTabNet针对糖尿病预测的准确率达到了90.9%,曲线下面积(AUC)值达到了94.7%,相较于TabNet的准确率和AUC值分别提高了4.0和2.2个百分点。这表明所提模型在数据冗余、类别数量不平衡的糖尿病数据上能有效地完成糖尿病预测。
-
关键词
糖尿病预测
TabNet
特征选择
类别数量不平衡
表格数据
贝叶斯优化
-
Keywords
diabetes prediction
TabNet
feature selection
unbalanced number of categories
tabular data
Bayesian optimization
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
