检索结果-维普期刊中文期刊服务平台

基于动态自适应通道注意力特征融合的小目标检测被引量：2: 1; 作者吴迪赵品懿 +2 位作者甘升隆沈学军万琴《电子科技大学学报》北大核心 2025年第2期221-232,共12页; 针对小目标检测中卷积操作导致检测特征缺失和不同尺度语义隔阂的问题,提出一种基于动态自适应通道注意力特征融合的小目标检测方法。1)提出一种多尺度三角动态颈(Tri-Neck)网络结构,用于融合多尺度特征语义隔阂及弥补小目标特征缺失的... 展开更多; 关键词小目标检测多尺度融合特征特征金字塔动态通道注意力交并比损失函数; 在线阅读下载PDF 职称材料

基于改进Faster-RCNN的起重机钢丝绳表面缺陷识别方法: 2; 作者苏立鹏娄益凡 +3 位作者杨吴奔高建貌王雪迎易灿灿《机电工程》北大核心 2025年第7期1341-1349,共9页; 针对现有的起重机钢丝绳表面缺陷检测中存在的检测效率低、准确度差、鲁棒性有限等问题,提出了一种基于改进快速区域卷积神经网络(Faster-RCNN)的起重机钢丝绳表面缺陷识别检测方法,该方法结合多个关键技术,显著提升了钢丝绳表面缺陷识... 展开更多; 关键词起重机械损伤检测改进的快速区域卷积神经网络多尺度和自定义锚框策略广义交并比损失函数可变形卷积路径增强特征金字塔区域提议网络消融实验; 在线阅读下载PDF 职称材料

基于点云的自动驾驶下三维目标检测被引量：2: 3; 作者杨咏嘉钟良琪闫胜业《计算机工程与设计》北大核心 2024年第4期1093-1099,共7页; 针对当前三维目标检测算法对行人、骑行人等小目标检测效果不佳的缺点,提出一种改进PV-RCNN的三维目标检测算法。改进关键点下采样方式,通过滤除背景及离群点提高关键点在目标上的命中率;设计多尺度区域建议网络,尺度匹配的特征图提高... 展开更多; 关键词深度学习三维目标检测特征金字塔原始点云交并比损失函数特征融合点云下采样; 在线阅读下载PDF 职称材料

一种基于深度学习的煤矸石检测方法被引量：13: 4; 作者赵学军李建《矿业科学学报》 CSCD 2021年第6期730-736,共7页; 针对选煤场的煤矸分离中基于计算机视觉的煤矸石检测方法需要复杂的人工特征设计过程,在YOLOv3目标检测模型基础上,提出一种基于深度学习的端到端煤矸石检测方法。采用深度可分离卷积以及转置卷积对模型的骨干网络进行改进,以缩减模型... 展开更多; 关键词深度学习 YOLOv3 平衡L1损失函数距离交并比损失函数煤矸石检测; 在线阅读下载PDF 职称材料

基于改进深度网络的钢材表面缺陷检测被引量：11: 5; 作者刘琪雷景生《计算机工程与设计》北大核心 2022年第9期2654-2661,共8页; 为解决传统的采用人工方法进行钢材表面缺陷检测存在错检、漏检、精度低等问题,提出一种改进Faster RCNN的钢材表面缺陷检测算法。使用融合残差网路和密集连接网络的DPN网络进行特征提取,提出改进PANet网络进行多尺度特征融合;使用CIoU... 展开更多; 关键词钢材表面缺陷检测 Faster RCNN模型双路径网络路径增强网络交并比损失函数; 在线阅读下载PDF 职称材料

题名基于动态自适应通道注意力特征融合的小目标检测被引量：2: 1; 作者吴迪赵品懿甘升隆沈学军万琴; 机构湖南工程学院电气与信息工程学院湖南大学机器人视觉感知与控制技术国家工程研究中心; 出处《电子科技大学学报》北大核心 2025年第2期221-232,共12页; 基金国家重点研发计划(2020YFB1713600) 国家自然科学基金(62476084) +2 种基金湖南省教育厅重点项目(24A0528) 湖南省研究生科研创新项目(YC202213)。; 文摘针对小目标检测中卷积操作导致检测特征缺失和不同尺度语义隔阂的问题,提出一种基于动态自适应通道注意力特征融合的小目标检测方法。1)提出一种多尺度三角动态颈(Tri-Neck)网络结构,用于融合多尺度特征语义隔阂及弥补小目标特征缺失的问题。2)提出一种分组批量动态自适应通道注意力模块,增强弱语义小目标特征同时抑制无用信息,且在动态自适应通道注意力模块中设计新的激活函数和交并比损失函数,提升通道注意力表征能力。3)采用ResNet50作为骨干网络依次连接特征金字塔网络和Tri-Neck网络。实验结果表明,该方法在Pascal Voc 2007、Pascal Voc 2012上比YOLOv8算法mAP分别提升5.3%和6.2%,在MS COCO 2017数据集上AP和AP_S分别提升1.6%和2%,在SODA-D数据集上比YOLOv8算法AP提升0.9%。; 关键词小目标检测多尺度融合特征特征金字塔动态通道注意力交并比损失函数; Keywords small object detection multi-stage feature fusion feature pyramid network dynamic channelattention iIOU loss; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TH701 [机械工程—精密仪器及机械]; 在线阅读下载PDF 职称材料

题名基于改进Faster-RCNN的起重机钢丝绳表面缺陷识别方法: 2; 作者苏立鹏娄益凡杨吴奔高建貌王雪迎易灿灿; 机构温州市特种设备检测科学研究院武汉科技大学机械工程学院; 出处《机电工程》北大核心 2025年第7期1341-1349,共9页; 基金国家自然科学基金资助项目(U1709210) 温州市基础性科研项目(2023G0277)。; 文摘针对现有的起重机钢丝绳表面缺陷检测中存在的检测效率低、准确度差、鲁棒性有限等问题,提出了一种基于改进快速区域卷积神经网络(Faster-RCNN)的起重机钢丝绳表面缺陷识别检测方法,该方法结合多个关键技术,显著提升了钢丝绳表面缺陷识别的性能。首先,采用了多尺度策略提高输入图像的分辨率,从而更好地检测不同大小的缺陷;其次,在网络中引入了可变形卷积,以增强其捕捉传统卷积技术难以检测的钢丝绳缺陷复杂形状特征的能力;采用了路径增强技术融合低维和高维特征,有效解决了在下采样和特征融合过程中信息丢失的问题,极大提升了模型在各层之间保持关键信息的能力;最后,采用了广义交并比(GIOU)损失函数替代传统的交并比(IOU)损失函数,显著提高了边界框预测的准确性,验证了改进后的Faster-RCNN算法在起重机钢丝绳损伤检测的性能提升方面较为显著。研究结果表明:改进版Faster-RCNN模型相比原算法在精度上有了显著提高,准确率从81.8%提升至90.2%,召回率从83.8%提高至94.2%,最终平均精度达到0.934,提升了9.6%。与传统检测算法如SSD和原版YOLOv5相比,该方法的准确率分别提高了17.6%和11.0%,证明了其在钢丝绳损伤图像识别中的有效性。; 关键词起重机械损伤检测改进的快速区域卷积神经网络多尺度和自定义锚框策略广义交并比损失函数可变形卷积路径增强特征金字塔区域提议网络消融实验; Keywords hoisting machinery damage detection improved faster region-based convolutional neural network(Faster-RCNN) multi-scale and custom anchor frame strategy generalized intersection over union(GIOU) deformable convolution path enhancement feature pyramid region proposal network(RPN) ablation experiment; 分类号 TH21 [机械工程—机械制造及自动化] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于点云的自动驾驶下三维目标检测被引量：2: 3; 作者杨咏嘉钟良琪闫胜业; 机构南京信息工程大学自动化学院; 出处《计算机工程与设计》北大核心 2024年第4期1093-1099,共7页; 基金国家自然科学基金项目(61300163)。; 文摘针对当前三维目标检测算法对行人、骑行人等小目标检测效果不佳的缺点,提出一种改进PV-RCNN的三维目标检测算法。改进关键点下采样方式,通过滤除背景及离群点提高关键点在目标上的命中率;设计多尺度区域建议网络,尺度匹配的特征图提高边界框的生成质量;使用加入方向感知的DIoU损失函数优化边界框的回归。实验结果表明,与基准网络相比,算法在KITTI测试集的车辆、行人和骑行人的mAP分别提高了0.77%、6.33%和2.05%,有效提高了网络性能。; 关键词深度学习三维目标检测特征金字塔原始点云交并比损失函数特征融合点云下采样; Keywords deep learning 3D object detection feature pyramid network raw point cloud IoU loss feature fusion point cloud downsampling; 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

题名一种基于深度学习的煤矸石检测方法被引量：13: 4; 作者赵学军李建; 机构中国矿业大学(北京)机电与信息工程学院; 出处《矿业科学学报》 CSCD 2021年第6期730-736,共7页; 基金国家高技术研究发展计划(863计划)(2012AA12A308) 国家高技术研究发展计划(1212011120222)。; 文摘针对选煤场的煤矸分离中基于计算机视觉的煤矸石检测方法需要复杂的人工特征设计过程,在YOLOv3目标检测模型基础上,提出一种基于深度学习的端到端煤矸石检测方法。采用深度可分离卷积以及转置卷积对模型的骨干网络进行改进,以缩减模型大小并提高模型运行速度;加入空间金字塔池化模块,改善模型的特征融合能力;引入平衡L1损失函数和距离交并比损失函数,加速模型收敛并提高定位准确性。研究结果表明,所提算法能够实时精准地检测出煤与矸石混合体中的矸石,为提高煤炭质量、改进分拣效率提供有效保障。; 关键词深度学习 YOLOv3 平衡L1损失函数距离交并比损失函数煤矸石检测; Keywords deep learning YOLOv3 balanced L1 loss function distance-IoU loss function coal gangue detection; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于改进深度网络的钢材表面缺陷检测被引量：11: 5; 作者刘琪雷景生; 机构上海电力大学计算机科学与技术学院; 出处《计算机工程与设计》北大核心 2022年第9期2654-2661,共8页; 基金国家自然科学基金项目(61672337)。; 文摘为解决传统的采用人工方法进行钢材表面缺陷检测存在错检、漏检、精度低等问题,提出一种改进Faster RCNN的钢材表面缺陷检测算法。使用融合残差网路和密集连接网络的DPN网络进行特征提取,提出改进PANet网络进行多尺度特征融合;使用CIoU损失函数替代原算法中的Smooth L1作为边框回归损失函数;构建用于模型训练的钢材缺陷数据集。通过对比实验进行分析,实验结果表明,提出方法能够快速、准确地识别和定位钢材表面缺陷。; 关键词钢材表面缺陷检测 Faster RCNN模型双路径网络路径增强网络交并比损失函数; Keywords surface defects detection of steel Faster RCNN model DPN PANet CIoU; 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	作者	出处	发文年	被引量	操作
1	基于动态自适应通道注意力特征融合的小目标检测	吴迪赵品懿甘升隆沈学军万琴	《电子科技大学学报》北大核心	2025	2	在线阅读下载PDF 职称材料
2	基于改进Faster-RCNN的起重机钢丝绳表面缺陷识别方法	苏立鹏娄益凡杨吴奔高建貌王雪迎易灿灿	《机电工程》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于点云的自动驾驶下三维目标检测	杨咏嘉钟良琪闫胜业	《计算机工程与设计》北大核心	2024	2	在线阅读下载PDF 职称材料
4	一种基于深度学习的煤矸石检测方法	赵学军李建	《矿业科学学报》 CSCD	2021	13	在线阅读下载PDF 职称材料
5	基于改进深度网络的钢材表面缺陷检测	刘琪雷景生	《计算机工程与设计》北大核心	2022	11	在线阅读下载PDF 职称材料