检索结果-维普期刊中文期刊服务平台

基于anchor-free的光学遥感舰船关重部位检测算法被引量：3: 1; 作者张冬冬王春平付强《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第4期1365-1374,共10页; 针对基于深度学习的遥感舰船检测算法存在精细化程度不足、检测效率低的问题,提出一种基于anchor-free的光学遥感舰船关重部位检测算法。所提算法以全卷积的单阶段目标检测(FCOS)算法为基准,在主干网络中引入全局上下文模块,提高网络的... 展开更多; 关键词深度学习遥感图像 anchor-free 舰船检测关重部位检测全卷积单阶段检测; 在线阅读下载PDF 职称材料

基于改进FCOS的拥挤行人检测算法被引量：10: 2; 作者齐鹏宇王洪元 +2 位作者张继朱繁徐志晨《智能系统学报》 CSCD 北大核心 2021年第4期811-818,共8页; 针对大规模拥挤场景视频中行人目标小、行人遮挡和行人交叠而导致的检测困难等问题,本文将逐像素预测目标检测框架—全卷积单阶段目标检测FCOS(fully convolutional one-stage object detection)应用于行人检测,提出一种改进的主干网络... 展开更多; 关键词行人检测多尺度检测全卷积单阶段目标检测拥挤行人场景训练策略小目标检测尺度回归逐像素预测; 在线阅读下载PDF 职称材料

HourglassNet:一种用于遥感目标检测的改进FCOS算法被引量：2: 3; 作者原瑜蔓白宏阳 +2 位作者郭宏伟付宏建李泽超《南京理工大学学报》 CAS CSCD 北大核心 2022年第6期719-727,741,共10页; 针对遥感图像中背景复杂、目标分布密集、目标尺度形态多样等问题,该文在单阶段全卷积(FCOS)目标检测模型的基础上,基于沙漏特征金字塔并且与多尺度上下文场景结合,提出了沙漏网(HourglassNet)。针对卷积神经网络(CNN)中不同深度语义信... 展开更多; 关键词单阶段全卷积目标检测遥感图像沙漏特征金字塔多尺度特征上下文场景卷积神经网络注意力机制特征融合; 在线阅读下载PDF 职称材料

基于FCOS算法改进的交通标志检测被引量：1: 4; 作者陈哲程艳云《计算机工程与设计》北大核心 2022年第11期3271-3278,共8页; 针对道路中交通标志检测存在的检测对象目标小、自然环境干扰等问题,提出基于全卷积单阶段目标检测(fully convolutional one-stage object detection,FCOS)算法改进的多尺度特征融合的单阶段无锚检测器。以FCOS算法为框架,在特征提取... 展开更多; 关键词全卷积单阶段目标检测交通标志检测注意力模块 swish激活函数多尺度特征融合; 在线阅读下载PDF 职称材料

题名基于anchor-free的光学遥感舰船关重部位检测算法被引量：3: 1; 作者张冬冬王春平付强; 机构陆军工程大学石家庄校区电子与光学工程系; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第4期1365-1374,共10页; 文摘针对基于深度学习的遥感舰船检测算法存在精细化程度不足、检测效率低的问题,提出一种基于anchor-free的光学遥感舰船关重部位检测算法。所提算法以全卷积的单阶段目标检测(FCOS)算法为基准,在主干网络中引入全局上下文模块,提高网络的特征表达能力;为更好地描述目标的方向性,在预测阶段构建了具有方向表征能力的回归分支;对中心度函数进行优化,使其具备方向感知和自适应能力。实验结果表明:在自建舰船关重部位数据集和HRSC2016上,所提算法的平均精度(AP)比FCOS算法有显著提升;与其他算法相比,所提算法在检测速度和检测精度上均表现优越,具有较高的检测效率。; 关键词深度学习遥感图像 anchor-free 舰船检测关重部位检测全卷积单阶段检测; Keywords deep learning remote sensing anchor-free ship detection critical part detection fully convolutional one-stage object detection; 分类号 TP753 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于改进FCOS的拥挤行人检测算法被引量：10: 2; 作者齐鹏宇王洪元张继朱繁徐志晨; 机构常州大学信息科学与工程学院; 出处《智能系统学报》 CSCD 北大核心 2021年第4期811-818,共8页; 基金国家自然科学基金项目(61976028,61572085,61806026,61502058) 江苏省自然科学基金项目(BK20180956).; 文摘针对大规模拥挤场景视频中行人目标小、行人遮挡和行人交叠而导致的检测困难等问题,本文将逐像素预测目标检测框架—全卷积单阶段目标检测FCOS(fully convolutional one-stage object detection)应用于行人检测,提出一种改进的主干网络用于提取行人特征,通过增加尺度回归实现目标行人的多尺度检测,同时减少其他特征层检测的目标数量,进而提升行人检测的能力。在拥挤行人场景数据集CrowdHuman和小目标行人数据集Caltech上的大量实验结果表明,和目前先进的方法相比,本文的方法对行人的检测精度有所提升,特别是对于小目标行人检测。与原始FCOS算法相比,在CrowdHuman上平均精度提升接近15%,丢失率降低接近33.0%;在Caltech上的平均精度提升2%。在复杂拥挤场景下的实际应用也证明本文方法的有效性。; 关键词行人检测多尺度检测全卷积单阶段目标检测拥挤行人场景训练策略小目标检测尺度回归逐像素预测; Keywords pedestrian detection multi-scale detection fully convolutional one-stage object detection crowded pedestrian scene training strategy small object detection scale regression pixel by pixel prediction; 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HourglassNet:一种用于遥感目标检测的改进FCOS算法被引量：2: 3; 作者原瑜蔓白宏阳郭宏伟付宏建李泽超; 机构南京理工大学能源与动力工程学院南京理工大学计算机科学与工程学院; 出处《南京理工大学学报》 CAS CSCD 北大核心 2022年第6期719-727,741,共10页; 基金国家自然科学基金(U2031138)。; 文摘针对遥感图像中背景复杂、目标分布密集、目标尺度形态多样等问题,该文在单阶段全卷积(FCOS)目标检测模型的基础上,基于沙漏特征金字塔并且与多尺度上下文场景结合,提出了沙漏网(HourglassNet)。针对卷积神经网络(CNN)中不同深度语义信息和空间信息不均衡的问题,提出了一种沙漏特征金字塔,通过将多尺度特征缩放至中间尺度进行融合和优化以获得全局特征。基于注意力机制将全局特征向不同尺度特征传递,在抑制无关特征的同时增强了有效特征,实现了对多尺度特征的补偿。为了将高层特征的语义信息更加充分地融入不同尺寸的特征图内,设计了多尺度上下文融合模块。利用适当的感受野提取高层特征的上下文信息,提升了特征的鲁棒性和辨识性。分别在DOTA v1.5和NWPU VHR-10公开遥感图像数据集上进行了性能对比与消融实验。结果表明,该文算法的均值平均精度(mAP)相比于FCOS在DOTA v1.5和NWPU VHR-10数据集上分别提升了4.3%和3.4%,且检测性能优于YOLOv3等其它对比方法。; 关键词单阶段全卷积目标检测遥感图像沙漏特征金字塔多尺度特征上下文场景卷积神经网络注意力机制特征融合; Keywords fully convolutional one-stage object detection remote sensing images hourglass feature pyramid multi-scale feature context scenario convolutional neural network attention mechanism feature fusion; 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算法改进的交通标志检测被引量：1: 4; 作者陈哲程艳云; 机构南京邮电大学自动化学院、人工智能学院; 出处《计算机工程与设计》北大核心 2022年第11期3271-3278,共8页; 文摘针对道路中交通标志检测存在的检测对象目标小、自然环境干扰等问题,提出基于全卷积单阶段目标检测(fully convolutional one-stage object detection,FCOS)算法改进的多尺度特征融合的单阶段无锚检测器。以FCOS算法为框架,在特征提取网络中通过引入注意力模块CBAM(convolutional block attention module)对数据集进行特征提取,在该网络中引入模型效果优于Re LU的swish激活函数;在特征加强网络中进行轻量级的多尺度特征融合。在TT100K数据集上的实验结果表明,该算法的F1-measure达到了83.2%,检测速度达到了24.39FPS,验证了改进后网络的可行性和有效性。; 关键词全卷积单阶段目标检测交通标志检测注意力模块 swish激活函数多尺度特征融合; Keywords FCOS traffic sign detection attention module swish activation function multi-scale feature fusion; 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anchor-free的光学遥感舰船关重部位检测算法	张冬冬王春平付强	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
2	基于改进FCOS的拥挤行人检测算法	齐鹏宇王洪元张继朱繁徐志晨	《智能系统学报》 CSCD 北大核心	2021	10	在线阅读下载PDF 职称材料
3	HourglassNet:一种用于遥感目标检测的改进FCOS算法	原瑜蔓白宏阳郭宏伟付宏建李泽超	《南京理工大学学报》 CAS CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
4	基于FCOS算法改进的交通标志检测	陈哲程艳云	《计算机工程与设计》北大核心	2022	1	在线阅读下载PDF 职称材料