基于改进特征融合和区域生成网络的Mask R-CNN的管件分拣研究 被引量：1

1

作者 韩慧妍 吴伟州 +1 位作者 王文俊 韩燮 《应用科学学报》 CAS CSCD 北大核心 2023年第5期840-854,共15页

针对管件分割任务中各类管件区分难度大,光线和阴影对分割精度存在干扰等问题,提出了一种改进的掩膜区域卷积神经网络(mask region-convolutional neural network,Mask R-CNN)的管件分拣算法。通过增加低层特征图以改进特征融合网络,提... 针对管件分割任务中各类管件区分难度大,光线和阴影对分割精度存在干扰等问题,提出了一种改进的掩膜区域卷积神经网络(mask region-convolutional neural network,Mask R-CNN)的管件分拣算法。通过增加低层特征图以改进特征融合网络,提高小型管件的识别率;根据管件尺寸比例改进区域生长网络的生成框,以加快模型收敛速度;增加通道和空间注意力模块,提升管件识别精度及掩膜效果。将改进后的Mask R-CNN用于四类管件的分拣任务,实验结果表明,改进后Mask R-CNN的掩膜检测平均精度均值(mean average precision, mAP)和平均召回率(mean recall, mRecall)值分别提高了1.5%和1.7%,对管件位置、类型和尺寸的判别能力更强,能够满足实际生产中机器人分拣管件的精度要求。 展开更多

关键词 管件分拣 低层特征 区域生成网络 混合注意力机制 实例分割

在线阅读 下载PDF 职称材料

应用卷积神经网络与RPN的交通标志识别 被引量：13

2

作者 谭台哲 卢剑彪 +2 位作者 温捷文 李楚宏 凌伟林 《计算机工程与应用》 CSCD 北大核心 2018年第21期251-256,264,共7页

在智能交通系统中要求交通标志识别具有良好的鲁棒性、实时性,并且实际交通环境中可能因路标模糊、光照强弱、尺度大小、复杂背景等因素的问题,导致交通标志识别准确率很低。针对上述问题,提出了利用深度学习方法设计卷积神经网络,并通... 在智能交通系统中要求交通标志识别具有良好的鲁棒性、实时性,并且实际交通环境中可能因路标模糊、光照强弱、尺度大小、复杂背景等因素的问题,导致交通标志识别准确率很低。针对上述问题,提出了利用深度学习方法设计卷积神经网络,并通过卷积和池采样的多层处理,结合目标检测方法中的RPN网络结构,以提取图像的候选区域,从而对候选区域进行特征提取,最后利用全连接网络实现对特征图进行回归处理,获取检测目标的位置及识别。实验结果表明,该方法能有效地提高检测精度和计算效率,降低错误率,对于光照、旋转等不良因素下交通标志检测具有较好的稳定性和准确性,有效地提高了交通标志识别效率,具有良好的泛化能力和适应性,且满足一定的实时性的要求。 展开更多

关键词 交通标志检测 实时 区域生成网络(RPN) 智能交通

在线阅读 下载PDF 职称材料

基于轻量级卷积神经网络人脸识别算法的研究与应用 被引量：18

3

作者 胡佳玲 施一萍 +2 位作者 谢思雅 陈藩 刘瑾 《传感器与微系统》 CSCD 北大核心 2022年第1期153-156,共4页

针对多数卷积神经网络(CNN)人脸识别算法在追求高精度的同时,加大网络层数,造成网络参数过多、计算量过大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种改进型轻量级卷积神经网络MobileNet的人脸识别算法。首先,将MobileNe... 针对多数卷积神经网络(CNN)人脸识别算法在追求高精度的同时,加大网络层数,造成网络参数过多、计算量过大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种改进型轻量级卷积神经网络MobileNet的人脸识别算法。首先,将MobileNet中的SoftMax层为L-SoftMax层,避免了过度拟合,实现更好的分类效果。其次,将改进的MobileNet和区域生成网络(RPN)融合,并在Jetson Nano小型设备上进行训练。实验表明:所提算法与传统的卷积神经网络人脸识别算法相比,在LFW人脸数据库和自建的小型数据库上训练测试,模型的参数量减少了88%,识别准确率与原MobileNet相比增加了0.2%,达到了97.54%。运行速度较原MobileNet网络提高了21.3%。 展开更多

关键词 人脸识别 卷积神经网络 MobileNet模型 L-SoftMax层 区域生成网络(RPN)

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... 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%. 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

基于卷积神经网络的复杂构件内部零件装配正确性识别 被引量：12

5

作者 赵耀霞 吴桐 韩焱 《电子学报》 EI CAS CSCD 北大核心 2018年第8期1983-1988,共6页

X射线成像是解决复杂构件内部零件装配正确性识别的最有效方法,现有特征识别方法是以图像中的连通区域形状、长宽比、面积等特征为目标.虽然检测效果较好,但受机械精度、装配公差、零件错位等因素影响,识别鲁棒性较差.基于此,综合卷积... X射线成像是解决复杂构件内部零件装配正确性识别的最有效方法,现有特征识别方法是以图像中的连通区域形状、长宽比、面积等特征为目标.虽然检测效果较好,但受机械精度、装配公差、零件错位等因素影响,识别鲁棒性较差.基于此,综合卷积神经网络目标分类识别技术与X射线多视角成像技术,首先设计了一个深度卷积神经网络模型,通过深度学习的方法提取特征、训练分类器,对工件内部零件进行分类,输出坐标框,完成工件零件漏装检测.进而针对所识别零件坐标信息;依据CT投影正弦特性,找到与当前检测工件投影角度相符的标准工件投影,完成零件换位、错位等识别.通过实验验证,此方法在自行建立的数据集上完成了对工件内部零件漏缺和换位的识别,鲁棒性较高. 展开更多

关键词 装配识别 卷积神经网络 区域生成网络 X射线多视角 角度匹配

在线阅读 下载PDF 职称材料

基于多任务级联卷积神经网络的交通标志检测 被引量：2

6

作者 王弘宇 张雪芹 《计算机工程与设计》 北大核心 2022年第1期210-216,共7页

为解决复杂驾驶环境中小目标交通标志的高精度检测问题,基于Cascade R-CNN级联模型提出一种多任务级联模型GA-CMF R-CNN(guided anchoring-cascade mask flow R-CNN)。采用ResneXt101(32×4d)-FPN作为特征提取网络,确保特征图的语... 为解决复杂驾驶环境中小目标交通标志的高精度检测问题,基于Cascade R-CNN级联模型提出一种多任务级联模型GA-CMF R-CNN(guided anchoring-cascade mask flow R-CNN)。采用ResneXt101(32×4d)-FPN作为特征提取网络,确保特征图的语义信息和分辨率信息;采用GA-RPN作为区域生成网络,提高网络特征表达能力;模型融合Mask R-CNN的mask分支,在级联的mask分支间添加信息流,通过对先验框中的目标进行语义分割,提高检测精度。在公开交通标志检测数据集上的测试结果表明,该模型能有效提高复杂环境下小目标交通标志的检测和识别精度。 展开更多

关键词 交通标志检测 多任务级联模型 特征提取网络 区域生成网络 mask分支

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：8

7

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... 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. 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

融合注意力机制的输电部件及缺陷检测模型 被引量：4

8

作者 高伟 董云云 +1 位作者 刘军 张兴忠 《计算机工程与设计》 北大核心 2023年第3期929-936,共8页

针对输电线路的多目标识别和缺陷检测中的错检和漏检等问题,提出SE-Faster RCNN模型。在Faster RCNN模型的基础上,将SENet模块嵌入到ResNet模型中,提取关键特征;优化候选框的生成方案;提出基于面积的非极大值抑制算法。通过微调U-Net模... 针对输电线路的多目标识别和缺陷检测中的错检和漏检等问题,提出SE-Faster RCNN模型。在Faster RCNN模型的基础上,将SENet模块嵌入到ResNet模型中,提取关键特征;优化候选框的生成方案;提出基于面积的非极大值抑制算法。通过微调U-Net模型的数据增广方法,构建样本量为23327的数据集,达到91.37%的检测mAP。实验结果表明,提出模型满足输电线路多目标识别和故障检测的鲁棒性和准确性要求。 展开更多

关键词 SENet模块 Faster RCNN模型 基于面积的非极大值抑制(Aera-NMS)算法 无人机巡检 数据增广 SE-Faster RCNN模型 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

9

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... 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. 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

改进Faster R-CNN在两轮车辆载人检测中的应用 被引量：6

10

作者 邝先验 陈涛 +1 位作者 周亚龙 欧阳鹏 《河南科技大学学报（自然科学版）》 CAS 北大核心 2021年第1期48-53,I0004,共7页

针对交通场景复杂、人头尺寸偏小、乘客重叠等因素导致的两轮车辆载人检测经常出现的乘客漏检问题,设计了一种改进的Faster R-CNN检测模型。该模型以GoogLeNet为特征提取网络,修改了区域生成网络中候选框尺寸,采用特征融合策略,使得模... 针对交通场景复杂、人头尺寸偏小、乘客重叠等因素导致的两轮车辆载人检测经常出现的乘客漏检问题,设计了一种改进的Faster R-CNN检测模型。该模型以GoogLeNet为特征提取网络,修改了区域生成网络中候选框尺寸,采用特征融合策略,使得模型对小目标更加灵敏。针对乘客重叠导致的漏检问题,模型采用柔和的非极大值抑制(Soft-NMS)算法替换原始Faster R-CNN中的非极大值抑制(NMS)算法。实验结果表明:改进后算法可以解决两轮车上乘客检测问题,在两轮车辆载人数据集上获得了91.33%的检测精度和96.76%的召回率。 展开更多

关键词 深度学习 两轮车 人头 Faster R-CNN 目标检测 区域生成网络 特征融合

在线阅读 下载PDF 职称材料

改进的Quasi-Dense多目标跟踪算法 被引量：1

11

作者 宁晴 鲍泓 +1 位作者 潘卫国 王立剑 《传感器与微系统》 CSCD 北大核心 2023年第6期124-128,共5页

在无人驾驶领域车辆前方动态多目标跟踪中,针对尺度变化明显时或者对于大车的跟踪,Quasi-Dense跟踪算法的跟踪结果较差的问题,提出了改进的Quasi-Dense多目标跟踪算法。结合了注意力机制、自适应等思想,提升模型对于尺度变化较大目标的... 在无人驾驶领域车辆前方动态多目标跟踪中,针对尺度变化明显时或者对于大车的跟踪,Quasi-Dense跟踪算法的跟踪结果较差的问题,提出了改进的Quasi-Dense多目标跟踪算法。结合了注意力机制、自适应等思想,提升模型对于尺度变化较大目标的检测和跟踪的能力。在网络结构中使用空间注意力机制,同时在设定锚框时使用启发式方法,改进模型的跟踪效果,有效地降低了跟踪时ID切换的次数。在伯克利驾驶数据集(BDD)公开跟踪数据集上对模型进行训练和评估。实验结果表明:改进的端到端多目标跟踪方法显著提高了跟踪的精度,同时速度能够达到36.3 fps,满足实时性要求。 展开更多

关键词 多目标跟踪 空间注意力 自动驾驶 区域生成网络 可变卷积

在线阅读 下载PDF 职称材料

基于深度特征学习的冬小麦生育阶段分类识别研究

12

作者 姚建斌 刘建华 +1 位作者 张英娜 李元好 《华北水利水电大学学报（自然科学版）》 北大核心 2023年第3期102-108,共7页

冬小麦生育阶段及生育期田间环境要素的精准识别是农业信息化管理研究的核心内容之一。为实现对冬小麦不同生育阶段的精准分类识别,提出了一种基于深度学习的冬小麦生育阶段分类识别模型。首先,采集田间图像并对其进行预处理;其次,构建... 冬小麦生育阶段及生育期田间环境要素的精准识别是农业信息化管理研究的核心内容之一。为实现对冬小麦不同生育阶段的精准分类识别,提出了一种基于深度学习的冬小麦生育阶段分类识别模型。首先,采集田间图像并对其进行预处理;其次,构建了一种基于深度可分离卷积的冬小麦、土壤及杂草的图像分割模型,利用该模型从田间图像中准确提取出冬小麦样本,并对冬小麦样本进行前景及后景标注;最后,基于VGG16提取的图像特征以及区域生成网络模型,构建了生成候选框的改进Faster R-CNN目标检测模型,通过对候选框的分类训练和回归训练实现了对冬小麦3个主要生育阶段的分类识别。结果表明:构建的图像分割模型对小麦、杂草及土壤的分割准确率分别为90.91%、22.87%、65.15%,查准率分别为93.45%、17.21%、60.58%,召回率分别为95.02%、18.43%、58.32%;构建的改进Faster R-CNN模型对冬小麦生育阶段的分类识别准确率达96.00%,且具有广阔的应用前景。 展开更多

关键词 冬小麦 生育阶段识别 深度特征学习 深度可分离卷积 区域生成网络模型

在线阅读 下载PDF 职称材料