检索结果-维普期刊中文期刊服务平台

结合候选区域距离度量学习与CNN分类回归联合的左心室检测被引量：1: 1; 作者王旭初翟随强 +1 位作者牛彦敏葛永新《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第3期474-487,共14页; 心脏MRI左心室自动检测在心脏疾病计算机辅助诊断中具有重要价值,针对左心室候选区域与周边组织分布复杂而导致区分度低的问题,提出结合候选区域2级距离度量学习与CNN分类回归联合学习的左心室检测方法.在候选区域生成阶段,利用超像素... 展开更多; 关键词左心室检测候选区域生成距离度量学习超像素卷积神经网络; 在线阅读下载PDF 职称材料

点云场景下基于结构感知的车辆检测被引量：9: 2; 作者李宗民姚纯纯 +1 位作者刘玉杰李华《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第3期405-412,共8页; 在自动驾驶领域,计算机对周围环境的感知和理解是必不可少的.其中,相比于二维目标检测,三维点云目标检测可以提供二维目标检测所不具有的物体的三维方位信息,这对于安全自动驾驶是至关重要的.针对三维目标检测中原始输入点云到检测结果... 展开更多; 关键词三维点云目标检测结构特征候选区域生成网络; 在线阅读下载PDF 职称材料

基于Faster R-CNN模型的火焰检测被引量：14: 3; 作者严云洋朱晓妤 +1 位作者刘以安高尚兵《南京师大学报（自然科学版）》 CAS CSCD 北大核心 2018年第3期1-5,共5页; 常规的火焰检测一般是提取火焰的静态或动态特征,然后进行火焰的判别.但是传统特征无法全面描述火焰特性,会导致识别的准确率降低.本文提出一种基于Faster R-CNN模型的火焰检测算法.首先利用候选区域生成网络(Region Proposal Network,R... 展开更多; 关键词 FASTER R-CNN 候选区域生成网络快速区域卷积神经网络火焰检测; 在线阅读下载PDF 职称材料

基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法被引量：34: 4; 作者曹磊王强 +1 位作者史润佳蒋忠进《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第1期87-91,共5页; 针对传统Faster-RCNN方法中候选区域生成网络(RPN)模块在进行目标检测时对目标特征提取不够充分的问题,提出一种基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法.首先基于VGG-16网络提取出图片的多层特征,然后利用卷积核对最深的... 展开更多; 关键词 SAR图像车辆目标检测卷积神经网络 Faster-RCNN 候选区域生成网络; 在线阅读下载PDF 职称材料

基于跨连接卷积神经网络的绝缘子检测方法被引量：36: 5; 作者左国玉马蕾 +1 位作者徐长福徐家园《电力系统自动化》 EI CSCD 北大核心 2019年第4期101-106,共6页; 针对电力设备图像中绝缘子所占比例较小和容易漏检的问题,提出了基于跨连接卷积神经网络的绝缘子检测方法。首先,通过在区域建议网络将网络后三层的卷积层分别和全连接层连接,使得这三层的卷积特征同时送入分类层和回归层,从而得到一系... 展开更多; 关键词绝缘子卷积神经网络候选区域生成跨连接 ADABOOST; 在线阅读下载PDF 职称材料

题名结合候选区域距离度量学习与CNN分类回归联合的左心室检测被引量：1: 1; 作者王旭初翟随强牛彦敏葛永新; 机构重庆大学光电技术及系统教育部重点实验室重庆大学光电工程学院重庆师范大学计算机与信息科学学院重庆大学大数据与软件学院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第3期474-487,共14页; 基金重庆市基础与前沿研究计划(cstc2016jcyjA0317); 文摘心脏MRI左心室自动检测在心脏疾病计算机辅助诊断中具有重要价值,针对左心室候选区域与周边组织分布复杂而导致区分度低的问题,提出结合候选区域2级距离度量学习与CNN分类回归联合学习的左心室检测方法.在候选区域生成阶段,利用超像素产生初始区域并合并为中间区域,设计有监督的2级距离度量学习算法,融合中间区域来构建目标候选区域;在检测阶段,以CNN分类与回归联合学习的方式定位候选区域,并设计难例样本挖掘策略对模型进行微调,以缓解样本不均衡问题.将该方法与扩展的4种变体方法(改变或舍弃部分模块)在公开心脏图谱数据集(CAP)上进行了实验,结果表明该方法中各模块设置具有合理性;与FastR-CNN和基于SSAE方法的检测结果相比,该方法取得了较高的检测精度.; 关键词左心室检测候选区域生成距离度量学习超像素卷积神经网络; Keywords left ventricle detection proposal region generation distance metric learning superpixel convolutional neural network; 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

题名点云场景下基于结构感知的车辆检测被引量：9: 2; 作者李宗民姚纯纯刘玉杰李华; 机构中国石油大学(华东)计算机科学与技术学院中国石油大学胜利学院中国科学院计算技术研究所智能信息处理重点实验室中国科学院大学; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第3期405-412,共8页; 基金国家自然科学基金(61379106,61379082,61227802) 山东省自然科学基金(ZR2013FM036,ZR2015FM011) 中央高校基本科研业务费专项资金(18CX06050A).; 文摘在自动驾驶领域,计算机对周围环境的感知和理解是必不可少的.其中,相比于二维目标检测,三维点云目标检测可以提供二维目标检测所不具有的物体的三维方位信息,这对于安全自动驾驶是至关重要的.针对三维目标检测中原始输入点云到检测结果之间跨度大的问题,首先,提出了基于结构感知的候选区域生成模块,其中定义了每个点的结构特征,充分利用了三维点云目标检测数据集提供的监督信息,通过预测该特征,网络可以学习到更具有鉴别能力的特征,从而提高候选框的生成质量;其次,将该特征加入到候选框微调阶段中,使得点云上下文特征和局部特征更加丰富.在三维点云目标检测数据集进行了实验,结果表明,文中方法能够在增加极少计算量的前提下,在候选区域生成阶段使用50个候选框0.7的IoU阈值下,提高超过13%的召回率;在候选框微调阶段,3种难度目标框的检测效果均有明显提升,表明了该方法对三维点云目标检测的有效性.; 关键词三维点云目标检测结构特征候选区域生成网络; Keywords 3D point cloud object detection structure feature region proposal network; 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Faster R-CNN模型的火焰检测被引量：14: 3; 作者严云洋朱晓妤刘以安高尚兵; 机构淮阴工学院计算机与软件工程学院江南大学物联网工程学院; 出处《南京师大学报（自然科学版）》 CAS CSCD 北大核心 2018年第3期1-5,共5页; 基金国家自然科学基金(61402192) 江苏省"六大人才高峰"项目(2013DZXX-023) +1 种基金江苏省"青蓝工程" 淮安市"533英才工程"; 文摘常规的火焰检测一般是提取火焰的静态或动态特征,然后进行火焰的判别.但是传统特征无法全面描述火焰特性,会导致识别的准确率降低.本文提出一种基于Faster R-CNN模型的火焰检测算法.首先利用候选区域生成网络(Region Proposal Network,RPN)提取火焰候选区域,然后对候选区域进行卷积及池化操作,提取火焰特征,最后利用联合训练的快速区域卷积神经网络(Fast R-CNN)进行火焰识别.实验结果表明该方法能够自动提取火焰特征,有效提高复杂背景下的火焰识别的准确率,具有良好的泛化能力和鲁棒性.; 关键词 FASTER R-CNN 候选区域生成网络快速区域卷积神经网络火焰检测; Keywords Faster R-CNN RPN Fast R-CNN flame detection; 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

题名基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法被引量：34: 4; 作者曹磊王强史润佳蒋忠进; 机构东南大学毫米波国家重点实验室; 出处《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第1期87-91,共5页; 文摘针对传统Faster-RCNN方法中候选区域生成网络(RPN)模块在进行目标检测时对目标特征提取不够充分的问题,提出一种基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法.首先基于VGG-16网络提取出图片的多层特征,然后利用卷积核对最深的3个特征层作进一步的特征提取和正则化处理,最后对处理后的3个特征层进行信息融合.利用MSTAR数据集中车辆目标SAR图像和自然背景SAR图像,通过图像分割和贴图的方式制作了SAR场景数据集,对所改进网络进行训练和测试.实验结果表明,在SAR图像车辆目标检测中,与传统RPN相比,改进RPN收敛速度更快,不仅将检测结果的查准率从97.7%提高到了99.7%,虚警率明显降低,而且泛化性能更强,针对训练范围以外的目标,能将查准率由98.0%提高到99.0%.; 关键词 SAR图像车辆目标检测卷积神经网络 Faster-RCNN 候选区域生成网络; Keywords SAR images vehicle target detection convolutional neural network Faster-RCNN region proposal network(RPN); 分类号 TN957.51 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于跨连接卷积神经网络的绝缘子检测方法被引量：36: 5; 作者左国玉马蕾徐长福徐家园; 机构北京工业大学信息学部计算智能与智能系统北京市重点实验室国网江苏省电力有限公司电力科学研究院; 出处《电力系统自动化》 EI CSCD 北大核心 2019年第4期101-106,共6页; 基金国家自然科学基金资助项目(61873008) 北京市自然科学基金资助项目(4182008)~~; 文摘针对电力设备图像中绝缘子所占比例较小和容易漏检的问题,提出了基于跨连接卷积神经网络的绝缘子检测方法。首先,通过在区域建议网络将网络后三层的卷积层分别和全连接层连接,使得这三层的卷积特征同时送入分类层和回归层,从而得到一系列高质量的绝缘子候选区域;将得到的候选区域映射绝缘子检测子网络,通过将得到的感兴趣区域特征送入级联的Adaboost分类器,实现对绝缘子的检测。对所提出跨连接卷积神经网络生成的候选区域进行了评估,并对不同的绝缘子检测方法进行了对比实验。实验结果表明,该方法得到的候选区域召回率高且更集中于绝缘子所在位置,绝缘子检测准确率比常规方法高出10%。所提方法能较好地对复杂背景图像中不同大小的绝缘子进行有效识别和精确定位。; 关键词绝缘子卷积神经网络候选区域生成跨连接 ADABOOST; Keywords insulator convolutional neural network candidate region generation cross-connected Adaboost; 分类号 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	作者	出处	发文年	被引量	操作
1	结合候选区域距离度量学习与CNN分类回归联合的左心室检测	王旭初翟随强牛彦敏葛永新	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2019	1	在线阅读下载PDF 职称材料
2	点云场景下基于结构感知的车辆检测	李宗民姚纯纯刘玉杰李华	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2021	9	在线阅读下载PDF 职称材料
3	基于Faster R-CNN模型的火焰检测	严云洋朱晓妤刘以安高尚兵	《南京师大学报（自然科学版）》 CAS CSCD 北大核心	2018	14	在线阅读下载PDF 职称材料
4	基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法	曹磊王强史润佳蒋忠进	《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心	2021	34	在线阅读下载PDF 职称材料
5	基于跨连接卷积神经网络的绝缘子检测方法	左国玉马蕾徐长福徐家园	《电力系统自动化》 EI CSCD 北大核心	2019	36	在线阅读下载PDF 职称材料