检索结果-维普期刊中文期刊服务平台

基于注意力机制的单发多框检测器算法被引量：12: 1; 作者赵辉李志伟张天琪《电子与信息学报》 EI CSCD 北大核心 2021年第7期2096-2104,共9页; 单发多框检测器SSD是一种在简单、快速和准确性之间有着较好平衡的目标检测器算法。SSD网络结构中检测层单一的利用方式使得特征信息利用不充分,将导致小目标检测不够鲁棒。该文提出一种基于注意力机制的单发多框检测器算法ASSD。ASSD... 展开更多; 关键词目标检测注意力机制特征融合单发多框检测器; 在线阅读下载PDF 职称材料

多尺度增强特征融合的钢表面缺陷目标检测被引量：3: 2; 作者林珊玲彭雪玲 +3 位作者王栋林志贤林坚普郭太良《光学精密工程》 EI CAS CSCD 北大核心 2024年第7期1075-1086,共12页; 针对轻量级目标检测算法在钢表面缺陷检测任务中识别精度低的问题,提出一种多尺度增强特征融合的钢表面缺陷目标检测算法。该算法采用提出的自适应加权融合模块为不同层级特征自适应计算融合权重,将深层语义与浅层细节进行加权融合,使... 展开更多; 关键词缺陷检测单发多框检测器增强特征融合自适应加权融合空间特征增强; 在线阅读下载PDF 职称材料

融合权重与卷积核删减的SSD网络压缩被引量：1: 3; 作者韩佳林王琦琦 +2 位作者杨国威陈隽王以忠《计算机科学》 CSCD 北大核心 2019年第11期272-276,共5页; 目标检测是计算机视觉领域中重要的研究方向。近几年,深度学习在基于视频的目标检测领域取得了突破性研究进展。深度学习强大的特征学习和特征表达能力,使其能够自动学习和提取相关特征并加以利用。然而,复杂的网络结构使得深度学习模... 展开更多; 关键词深度神经网络单发多框检测器网络压缩与加速权重删减卷积核删减; 在线阅读下载PDF 职称材料

时空特征与通道注意力融合的视觉手势识别技术被引量：5: 4; 作者何坚刘炎祖天奇《北京工业大学学报》 CAS CSCD 北大核心 2021年第8期824-832,共9页; 为了解决双流融合网络对动态手势关键帧及手部轮廓特征检测不足的问题,提出一种手势时空特征与通道注意力融合的动态手势识别方法.首先,在双流融合网络中引入有效通道注意力(eficient channel attention,ECA)增强双流识别算法对手势关... 展开更多; 关键词动态手势识别双流融合网络通道注意力关键帧单发多框检测器 Chalearn 2013数据集; 在线阅读下载PDF 职称材料

题名基于注意力机制的单发多框检测器算法被引量：12: 1; 作者赵辉李志伟张天琪; 机构重庆邮电大学通信与信息工程学院信号与信息处理重庆市重点实验室; 出处《电子与信息学报》 EI CSCD 北大核心 2021年第7期2096-2104,共9页; 基金国家自然科学基金(61671095)。; 文摘单发多框检测器SSD是一种在简单、快速和准确性之间有着较好平衡的目标检测器算法。SSD网络结构中检测层单一的利用方式使得特征信息利用不充分,将导致小目标检测不够鲁棒。该文提出一种基于注意力机制的单发多框检测器算法ASSD。ASSD算法首先利用提出的双向特征融合模块进行特征信息融合以获取包含丰富细节和语义信息的特征层,然后利用提出的联合注意力单元进一步挖掘重点特征信息进而指导模型优化。最后,公共数据集上进行的一系列相关实验表明ASSD算法有效提高了传统SSD算法的检测精度,尤其适用于小目标检测。; 关键词目标检测注意力机制特征融合单发多框检测器; Keywords Object detection Attention mechanism Feature fusion Single Shot multibox Detector(SSD); 分类号 TN911.73 [电子电信—通信与信息系统] 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

题名多尺度增强特征融合的钢表面缺陷目标检测被引量：3: 2; 作者林珊玲彭雪玲王栋林志贤林坚普郭太良; 机构福州大学先进制造学院中国福建光电信息科学与技术实验室福州大学物理与信息工程学院; 出处《光学精密工程》 EI CAS CSCD 北大核心 2024年第7期1075-1086,共12页; 基金国家重点研发计划资助项目(No.2021YFB3600603,No.2022YFB3603705) 福建省自然科学基金资助项目(No.2020J01468) +1 种基金国家重点研发计划资助(2023YFB3609400)。; 文摘针对轻量级目标检测算法在钢表面缺陷检测任务中识别精度低的问题,提出一种多尺度增强特征融合的钢表面缺陷目标检测算法。该算法采用提出的自适应加权融合模块为不同层级特征自适应计算融合权重,将深层语义与浅层细节进行加权融合,使得浅层特征在不丢失细节信息的同时获得丰富的深层语义。利用提出的空间特征增强模块从3个独立方向强化融合特征,通过引出残差旁路增强网络结构的稳定性,使卷积过程能够挖掘到更多的关键信息。根据先验框与真实框的整体交并程度为模型选择更为合适的训练样本。实验结果表明,该算法的检测精度达到80.47%,相比原始算法提升6.81%。该算法的参数量为2.36 M,计算量为952.67 MFLOPs,能快速且高精度检测钢材表面的缺陷信息,具有较高的应用价值。; 关键词缺陷检测单发多框检测器增强特征融合自适应加权融合空间特征增强; Keywords defect detection Single Shot multibox Detector(SSD) enhanced feature fusion adaptive weighted fusion spatial feature enhancement; 分类号 TP394.1 [自动化与计算机技术—计算机应用技术] TH691.9 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名融合权重与卷积核删减的SSD网络压缩被引量：1: 3; 作者韩佳林王琦琦杨国威陈隽王以忠; 机构天津科技大学电子信息与自动化学院麦克马斯特大学电子工程系; 出处《计算机科学》 CSCD 北大核心 2019年第11期272-276,共5页; 文摘目标检测是计算机视觉领域中重要的研究方向。近几年,深度学习在基于视频的目标检测领域取得了突破性研究进展。深度学习强大的特征学习和特征表达能力,使其能够自动学习和提取相关特征并加以利用。然而,复杂的网络结构使得深度学习模型具有参数规模大、计算需求高、占用存储空间大等问题。基于深度神经网络的单发多框检测器(Single-shot Multi-box Detector 300,SSD300)能够对视频中的目标进行实时检测,但无法移植到嵌入式设备或移动终端以满足实际应用中的需求。为了解决该问题,文中提出了一种权重删减和卷积核删减融合的方法。首先,针对深度卷积神经网络模型权重参数过多导致模型过大的问题,采用权重删减的方法移除各卷积层中的冗余权重,确定各层权重的稀疏度;然后,针对卷积层计算量大的问题,根据各卷积层中的权重稀疏度对冗余卷积核进行删减,以减少冗余参数和计算量;最后,对删减后的神经网络进行训练,以恢复其检测精度。为验证该方法的有效性,在卷积神经网络框架caffe平台上对SSD网络模型进行验证。结果表明,压缩加速后的SSD300网络模型的大小为12.5 MB,检测速度最高可达50 FPS(frames per second)。实验实现了在网络检测准确率下降尽量小的前提下,将SSD300网络压缩了8.4×,加速了2×。权重删减和卷积核删减融合的方法为SSD300网络在视频检测中的智能化应用提供了可行性方案。; 关键词深度神经网络单发多框检测器网络压缩与加速权重删减卷积核删减; Keywords Deep neural networks Single-shot multi-box detector(SSD) Network compression and acceleration Weight pruning Filter pruning; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] 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

题名时空特征与通道注意力融合的视觉手势识别技术被引量：5: 4; 作者何坚刘炎祖天奇; 机构北京市物联网软件与系统工程技术研究中心北京工业大学信息学部; 出处《北京工业大学学报》 CAS CSCD 北大核心 2021年第8期824-832,共9页; 基金国家自然科学基金资助项目(61602016) 国家重点研发计划资助项目(2020YFB2104400)。; 文摘为了解决双流融合网络对动态手势关键帧及手部轮廓特征检测不足的问题,提出一种手势时空特征与通道注意力融合的动态手势识别方法.首先,在双流融合网络中引入有效通道注意力(eficient channel attention,ECA)增强双流识别算法对手势关键帧的关注度,并利用双流中的空间卷积网络和时间卷积网络分别提取动态手势中的空间和时序特征;其次,通过ECA在空间流中选取最高关注度的手势帧,利用单发多框检测器技术(single shot multibox detector,SSD)提取相应手部轮廓特征;最后,将手部轮廓特征与双流中提取的人体姿态特征、时序特征融合后分类识别手势.该方法在Chalearn 2013多模态手语识别数据集上进行了验证,准确率为66.23%,相比之前在该数据集上仅使用RGB信息进行双流识别的方法获得了更好的手势识别效果.; 关键词动态手势识别双流融合网络通道注意力关键帧单发多框检测器 Chalearn 2013数据集; Keywords dynamic gesture recognition two-stream fusion channel attention key frames single shot multibox detector Chalearn 2013 dataset; 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	作者	出处	发文年	被引量	操作
1	基于注意力机制的单发多框检测器算法	赵辉李志伟张天琪	《电子与信息学报》 EI CSCD 北大核心	2021	12	在线阅读下载PDF 职称材料
2	多尺度增强特征融合的钢表面缺陷目标检测	林珊玲彭雪玲王栋林志贤林坚普郭太良	《光学精密工程》 EI CAS CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
3	融合权重与卷积核删减的SSD网络压缩	韩佳林王琦琦杨国威陈隽王以忠	《计算机科学》 CSCD 北大核心	2019	1	在线阅读下载PDF 职称材料
4	时空特征与通道注意力融合的视觉手势识别技术	何坚刘炎祖天奇	《北京工业大学学报》 CAS CSCD 北大核心	2021	5	在线阅读下载PDF 职称材料