检索结果-维普期刊中文期刊服务平台

基于SVM-LeNet模型融合的行人检测算法被引量：12: 1; 作者邹冲蔡敦波 +2 位作者赵娜刘莹赵彤洲《计算机工程》 CAS CSCD 北大核心 2017年第5期169-173,共5页; 在方向梯度直方图(HOG)联合支持向量机(SVM)算法(HOG-SVM)和Le Net网络模型基础上,提出了HOG与卷积神经网络(CNN)融合的行人检测算法(SVM-Le Net)。采用多尺度滑动窗口提取HOG特征并送入SVM分类器,根据后验概率判断候选区,随后运用CNN... 展开更多; 关键词行人检测权重模板支持向量机非极大值抑制算法卷积神经网络; 在线阅读下载PDF 职称材料

基于深度学习的大型陨石坑识别方法研究被引量：8: 2; 作者郑磊胡维多刘畅《北京航空航天大学学报》 EI CAS CSCD 北大核心 2020年第5期994-1004,共11页; 陨石坑是天体表面最为显著的地形特征,传统陨石坑识别方法主要是对小型陨石坑正负样本的二分类问题研究,且效率和精度均不高。以星体宏观视角下的大型陨石坑作为研究对象,结合图像处理和神经网络等方面的知识,创建了来自不同数据源的陨... 展开更多; 关键词深度学习卷积神经网络陨石坑识别非极大值抑制(nms)算法目标检测; 在线阅读下载PDF 职称材料

FS-YOLOv5:轻量化红外目标检测方法被引量：25: 3; 作者黄磊杨媛 +2 位作者杨成煜杨威李耀华《计算机工程与应用》 CSCD 北大核心 2023年第9期215-224,共10页; 针对传统目标识别算法复杂场景下的道路目标识别精度低、实时性差、小目标检测难度大等问题,提出了基于红外场景下FS-YOLOv5轻量化模型。采用单阶段目标检测网络YOLOv5s作为基础网络,提出了一种新的FSMobileNetV3网络代替原网络中的CSPD... 展开更多; 关键词轻量化红外目标检测损失函数 nms算法 YOLOv5; 在线阅读下载PDF 职称材料

改进SSD算法的多目标检测被引量：9: 4; 作者马原东罗子江 +4 位作者倪照风徐斌吴凤娇孙收余杨秀璋《计算机工程与应用》 CSCD 北大核心 2020年第23期23-30,共8页; 目标检测作为计算机视觉的核心,在人脸识别、人脸跟踪、大规模场景识别等方面具有广泛应用,其中Onestage领域的SSD算法检测速度和检测性能较为突出,但在环境较为复杂的多目标检测情况下仍会出现误检和漏检。针对这一问题,提出一种改进SS... 展开更多; 关键词多目标检测 SSD算法优化抗旋转卷积层(ARConv) 概率非极大值抑制(P-nms)算法图片批量测试; 在线阅读下载PDF 职称材料

复杂场景下基于增强YOLOv3的舰面多目标检测被引量：4: 5; 作者朱兴动汪丁 +2 位作者范加利王正黄葵《计算机工程与应用》 CSCD 北大核心 2022年第13期177-184,共8页; 针对舰面场景复杂、目标相互遮挡导致检测率较低等问题,在YOLOv3算法基础上提出了适用于舰面目标检测的增强YOLOv3算法。在输入网络中加入融合的数据增强策略对图像进行色域变换、裁剪、遮挡等操作,设计了多种类图片选取、变换及组合方... 展开更多; 关键词 YOLOv3算法 K-MEANS 非极大抑制密集目标检测数据增强; 在线阅读下载PDF 职称材料

Norm-DP模型行人检测优化算法: 6; 作者柴恩惠马占飞智敏《计算机科学与探索》 CSCD 北大核心 2021年第3期545-552,共8页; 传统深度金字塔模型作为一种有效的行人检测算法备受关注,融合可变形部件模型和卷积神经网络模型,但特征提取部分使用的算法像素区域的大小不同,导致模型之间不能完全融合,在行人数量多、姿势复杂和有遮挡情况时的检测效果不理想。因此... 展开更多; 关键词卷积神经网络(CNN) 可变形部件模型算法规范化深度金字塔(Norm-DP) 柔性非最大抑制(Soft-nms) 边界框回归(BBR); 在线阅读下载PDF 职称材料

题名基于SVM-LeNet模型融合的行人检测算法被引量：12: 1; 作者邹冲蔡敦波赵娜刘莹赵彤洲; 机构武汉工程大学计算机科学与工程学院武汉工程大学智能机器人湖北省重点实验室华中科技大学自动化学院; 出处《计算机工程》 CAS CSCD 北大核心 2017年第5期169-173,共5页; 基金国家自然科学基金(61103136) 武汉工程大学创新基金(CX2015057); 文摘在方向梯度直方图(HOG)联合支持向量机(SVM)算法(HOG-SVM)和Le Net网络模型基础上,提出了HOG与卷积神经网络(CNN)融合的行人检测算法(SVM-Le Net)。采用多尺度滑动窗口提取HOG特征并送入SVM分类器,根据后验概率判断候选区,随后运用CNN算法剔除误检窗口。为解决单个目标被多个候选区域框定的问题,使用非极大值抑制算法(NMS)进行多矩形融合,保留检测区域中后验概率最大的窗口抑制与其重叠的检测窗口。分类过程中,以候选区域在SVM和Le Net中后验概率为依据判断行人区域。实验结果表明,与HOGSVM和Le Net行人检测算法相比,该算法在准确率和召回率上有明显优势。; 关键词行人检测权重模板支持向量机非极大值抑制算法卷积神经网络; Keywords pedestrian detection weighting template Support Vector Machine （SVM） non-maximum suppression （ nms ） algorithm Convolutional Neural Network（CNN）; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度学习的大型陨石坑识别方法研究被引量：8: 2; 作者郑磊胡维多刘畅; 机构北京航空航天大学宇航学院中国科学院深圳先进技术研究院; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2020年第5期994-1004,共11页; 基金国家自然科学基金(61703017)。; 文摘陨石坑是天体表面最为显著的地形特征,传统陨石坑识别方法主要是对小型陨石坑正负样本的二分类问题研究,且效率和精度均不高。以星体宏观视角下的大型陨石坑作为研究对象,结合图像处理和神经网络等方面的知识,创建了来自不同数据源的陨石坑样本数据库,研究了数据源对网络模型泛化能力的影响,提出了一种效率更高的陨石坑多分类识别方法。在非极大值抑制(NMS)算法基础上,提出了一种精度更高的陨石坑检测算法。经过参数优化和实验验证,构建的基于深度学习的多尺度多分类陨石坑自动识别网络框架取得了较高的准确率,在同源验证集上识别率可达0.985,在异源验证集上识别率可达0.863,并且有效改善了目标检测时检测框冗余及误检测的问题。; 关键词深度学习卷积神经网络陨石坑识别非极大值抑制(nms)算法目标检测; Keywords deep learning convolutional neural network crater identification non-maximum suppression(nms)algorithm object detection; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] V448.251 [航空宇航科学与技术—飞行器设计]; 在线阅读下载PDF 职称材料

题名FS-YOLOv5:轻量化红外目标检测方法被引量：25: 3; 作者黄磊杨媛杨成煜杨威李耀华; 机构西安理工大学自动化与信息工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2023年第9期215-224,共10页; 基金国家自然科学基金面上项目(62174134) 陕西省创新能力支撑计划项目(2021TD-25)。; 文摘针对传统目标识别算法复杂场景下的道路目标识别精度低、实时性差、小目标检测难度大等问题,提出了基于红外场景下FS-YOLOv5轻量化模型。采用单阶段目标检测网络YOLOv5s作为基础网络,提出了一种新的FSMobileNetV3网络代替原网络中的CSPDarknet主干网络来提取特征图像;在原网络CIoU损失函数的基础上引入Power变换,替换为α-CIoU,提高网络对小目标的检测能力;将K-means++聚类算法应用在FLIR红外数据集上重新生成Anchor,最后利用DIoU-NMS替换原网络的NMS后处理方法,改善对遮挡物体的检测能力,降低了模型的漏检率。通过在FLIR红外数据集上的消融实验验证了FS-YOLOv5轻量化算法满足红外场景下的道路目标检测任务,与原网络相比,在平均精度仅降低0.37个百分点的前提下,FS-YOLOv5模型的大小减少了26%,参数量减少了29%,检测速度提升了11 FPS,满足了在不同场景下移动端部署的需求。; 关键词轻量化红外目标检测损失函数 nms算法 YOLOv5; Keywords lightweight infrared target detection loss function non-maximum suppression(nms)algorithm YOLOv5; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进SSD算法的多目标检测被引量：9: 4; 作者马原东罗子江倪照风徐斌吴凤娇孙收余杨秀璋; 机构贵州财经大学信息学院北京盛开互动科技有限公司; 出处《计算机工程与应用》 CSCD 北大核心 2020年第23期23-30,共8页; 基金国家自然科学基金(No.11664005) 贵州省科技计划项目(黔科合基础[2019]1041,黔科合基础[2020]1Y021,黔科合基础[2020]1Y279) 贵州省研究生教育创新计划项目(黔教合YJSCXJH[2019]066)。; 文摘目标检测作为计算机视觉的核心,在人脸识别、人脸跟踪、大规模场景识别等方面具有广泛应用,其中Onestage领域的SSD算法检测速度和检测性能较为突出,但在环境较为复杂的多目标检测情况下仍会出现误检和漏检。针对这一问题,提出一种改进SSD算法的多目标检测方法,通过优化SSD内部网络和提高样本适用性的方式改善检测性能;其中,采用修改网络输出和添加抗旋转层ARConv来统一网络结构,降低模型训练时间,减少漏检;并提出P-NMS算法和限制函数优化训练样本,减少误检;在测试阶段,提出单张图片批量测试方法,有效提高模型召回率。实验结果表明,改进后算法具有更强的鲁棒性,并且能有效降低误检、漏检率提升网络性能。; 关键词多目标检测 SSD算法优化抗旋转卷积层(ARConv) 概率非极大值抑制(P-nms)算法图片批量测试; Keywords multi-target detection optimization of Single Shot MultiBox Detector(SSD)algorithm Anti Rotation Convolution(ARConv) Probability-Non Maximum suppression(P-nms)algorithm picture batch testing; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名复杂场景下基于增强YOLOv3的舰面多目标检测被引量：4: 5; 作者朱兴动汪丁范加利王正黄葵; 机构海军航空大学海军航空大学青岛校区; 出处《计算机工程与应用》 CSCD 北大核心 2022年第13期177-184,共8页; 基金国家部委科研基金。; 文摘针对舰面场景复杂、目标相互遮挡导致检测率较低等问题,在YOLOv3算法基础上提出了适用于舰面目标检测的增强YOLOv3算法。在输入网络中加入融合的数据增强策略对图像进行色域变换、裁剪、遮挡等操作,设计了多种类图片选取、变换及组合方式来丰富样本信息;针对舰面目标尺寸的特点,利用K-means算法重新设计与检测目标相匹配的先验锚框并分配至对应的预测尺度,以加速模型收敛;在输出网络中通过线性函数对Soft-NMS算法的高斯软阈值函数参数设定进行了改进,以适应不同密集度下的抑制需要,提高网络检测能力。通过将增强的目标检测算法在目标数据集上进行实验对比,其结果显示,在5类舰面目标识别的精确率和召回率分别提高了1.4%和10.3%,平均准确率值(mAP)达到了95.24%,检测速度达到21.5 frame/s,有效解决了复杂场景下的舰面多目标检测问题。; 关键词 YOLOv3算法 K-MEANS 非极大抑制密集目标检测数据增强; Keywords YOLOv3 algorithm K-means non-maximum suppression(nms) dense target detection data augmentation; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名Norm-DP模型行人检测优化算法: 6; 作者柴恩惠马占飞智敏; 机构内蒙古科技大学包头师范学院信息科学与技术学院内蒙古师范大学计算机科学学院; 出处《计算机科学与探索》 CSCD 北大核心 2021年第3期545-552,共8页; 基金国家自然科学基金(61762071,61163025) 内蒙古自治区自然科学基金(2016MS0614,2019MS06037,2018MS06008)。; 文摘传统深度金字塔模型作为一种有效的行人检测算法备受关注,融合可变形部件模型和卷积神经网络模型,但特征提取部分使用的算法像素区域的大小不同,导致模型之间不能完全融合,在行人数量多、姿势复杂和有遮挡情况时的检测效果不理想。因此,提出一种基于规范化函数的深度金字塔模型(Norm-DP)算法,使用规范化函数融合可变形部件模型和卷积神经网络模型,直接从金字塔特征中提取正负样本,使用隐变量支持向量机进行模型训练,结合柔性非最大抑制(soft-NMS)算法和边界框回归(BBR)算法对定位框进行优化。分别使用INRIA和MS COCO数据集进行实验验证,在行人数量多、姿势复杂和有遮挡情况时,检测精度高于最优的可变形部件模型算法、卷积神经网络算法、深度金字塔模型算法和结合区域选择的卷积神经网络算法。; 关键词卷积神经网络(CNN) 可变形部件模型算法规范化深度金字塔(Norm-DP) 柔性非最大抑制(Soft-nms) 边界框回归(BBR); Keywords convolutional neural network(CNN) deformable part model algorithm normalization deep pyramid(Norm-DP) soft-non-maximum suppression(Soft-nms) bounding box regression(BBR); 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于SVM-LeNet模型融合的行人检测算法	邹冲蔡敦波赵娜刘莹赵彤洲	《计算机工程》 CAS CSCD 北大核心	2017	12	在线阅读下载PDF 职称材料
2	基于深度学习的大型陨石坑识别方法研究	郑磊胡维多刘畅	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2020	8	在线阅读下载PDF 职称材料
3	FS-YOLOv5:轻量化红外目标检测方法	黄磊杨媛杨成煜杨威李耀华	《计算机工程与应用》 CSCD 北大核心	2023	25	在线阅读下载PDF 职称材料
4	改进SSD算法的多目标检测	马原东罗子江倪照风徐斌吴凤娇孙收余杨秀璋	《计算机工程与应用》 CSCD 北大核心	2020	9	在线阅读下载PDF 职称材料
5	复杂场景下基于增强YOLOv3的舰面多目标检测	朱兴动汪丁范加利王正黄葵	《计算机工程与应用》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
6	Norm-DP模型行人检测优化算法	柴恩惠马占飞智敏	《计算机科学与探索》 CSCD 北大核心	2021	0	在线阅读下载PDF 职称材料