期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
目标检测强化上下文模型
被引量：
6
1
作者
郑晨斌
张勇
+2 位作者
胡杭
吴颖睿
黄广靖
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2020年第3期529-539,共11页
强化上下文模型中的强化上下文模块(ECM)利用双空洞卷积结构,在节省参数量的同时,通过扩大有效感受野来强化浅层上下文信息,并在较少破坏原始SSD网络的基础上灵活作用于网络中浅预测层,形成强化上下文模型网络(ECMNet).当输入图像大小为...
强化上下文模型中的强化上下文模块(ECM)利用双空洞卷积结构,在节省参数量的同时,通过扩大有效感受野来强化浅层上下文信息,并在较少破坏原始SSD网络的基础上灵活作用于网络中浅预测层,形成强化上下文模型网络(ECMNet).当输入图像大小为300×300时,在PASCAL VOC2007测试集上,ECMNet获得的均值平均精度为80.52%,在1080Ti上的速度为73.5帧/s.实验结果表明,ECMNet能有效强化上下文信息,并在参数量、速度和精度上达到较优权衡,优于许多先进的目标检测器.
展开更多
关键词
目标
检测
上下文信息
有效感受野
强化上下文模块(ECM)
一阶段目标检测器
在线阅读
下载PDF
职称材料
基于FCOS和ResNet50-FL的吊弦不受力识别方法
被引量：
10
2
作者
陈强
彭继慎
+1 位作者
闫云凤
齐冬莲
《铁道学报》
EI
CAS
CSCD
北大核心
2021年第10期36-42,共7页
由受电弓长期运行引起的激励和振动不可避免地导致吊弦不受力,影响接触悬挂的结构高度和接触线高度,导致受电弓的受流质量下降。针对接触网吊弦不受力缺陷问题,提出一种基于深度学习的吊弦不受力识别方法,该方法采用全卷积一阶段目标检...
由受电弓长期运行引起的激励和振动不可避免地导致吊弦不受力,影响接触悬挂的结构高度和接触线高度,导致受电弓的受流质量下降。针对接触网吊弦不受力缺陷问题,提出一种基于深度学习的吊弦不受力识别方法,该方法采用全卷积一阶段目标检测器(FCOS)定位吊弦区域,采用添加焦点损失的ResNet50分类网络(ResNet50-FL)对吊弦不受力状态进行识别。在高速铁路接触网图像数据集上的对比实验表明,该方法能够更加准确地识别出吊弦不受力缺陷,具有较好的适应性和鲁棒性。
展开更多
关键词
缺陷识别
吊弦不受力
全卷积
一阶段目标检测器
焦点损失
在线阅读
下载PDF
职称材料
题名
目标检测强化上下文模型
被引量：
6
1
作者
郑晨斌
张勇
胡杭
吴颖睿
黄广靖
机构
北京航空航天大学仪器科学与光电工程学院
解放军
北京航空航天大学航空科学与工程学院
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2020年第3期529-539,共11页
文摘
强化上下文模型中的强化上下文模块(ECM)利用双空洞卷积结构,在节省参数量的同时,通过扩大有效感受野来强化浅层上下文信息,并在较少破坏原始SSD网络的基础上灵活作用于网络中浅预测层,形成强化上下文模型网络(ECMNet).当输入图像大小为300×300时,在PASCAL VOC2007测试集上,ECMNet获得的均值平均精度为80.52%,在1080Ti上的速度为73.5帧/s.实验结果表明,ECMNet能有效强化上下文信息,并在参数量、速度和精度上达到较优权衡,优于许多先进的目标检测器.
关键词
目标
检测
上下文信息
有效感受野
强化上下文模块(ECM)
一阶段目标检测器
Keywords
object detection
context information
effective receptive field
enhanced context module(ECM)
one-stage object detector
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
基于FCOS和ResNet50-FL的吊弦不受力识别方法
被引量：
10
2
作者
陈强
彭继慎
闫云凤
齐冬莲
机构
浙江大学电气工程学院
辽宁工程技术大学电气与控制工程学院
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2021年第10期36-42,共7页
基金
国家电网公司总部科技项目(5200-201919048A-0-0-00)。
文摘
由受电弓长期运行引起的激励和振动不可避免地导致吊弦不受力,影响接触悬挂的结构高度和接触线高度,导致受电弓的受流质量下降。针对接触网吊弦不受力缺陷问题,提出一种基于深度学习的吊弦不受力识别方法,该方法采用全卷积一阶段目标检测器(FCOS)定位吊弦区域,采用添加焦点损失的ResNet50分类网络(ResNet50-FL)对吊弦不受力状态进行识别。在高速铁路接触网图像数据集上的对比实验表明,该方法能够更加准确地识别出吊弦不受力缺陷,具有较好的适应性和鲁棒性。
关键词
缺陷识别
吊弦不受力
全卷积
一阶段目标检测器
焦点损失
Keywords
defect identification
stress-freedropper
FCOS
focal loss
分类号
U225.4 [交通运输工程—道路与铁道工程]
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
目标检测强化上下文模型
郑晨斌
张勇
胡杭
吴颖睿
黄广靖
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2020
6
在线阅读
下载PDF
职称材料
2
基于FCOS和ResNet50-FL的吊弦不受力识别方法
陈强
彭继慎
闫云凤
齐冬莲
《铁道学报》
EI
CAS
CSCD
北大核心
2021
10
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
