期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
10
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
深度学习中单阶段金属表面缺陷检测算法优化综述
被引量：
4
1
作者
董甲东
郭庆虎
+1 位作者
陈琳
桑飞虎
《计算机工程与应用》
北大核心
2025年第4期72-89,共18页
金属表面的划痕、凹坑、波纹等缺陷会直接影响产品的质量。传统的检测方法耗时耗力,准确性受限于操作人员的经验和技能。近年来,深度学习技术在图像识别领域的突破性进展为金属表面缺陷检测提供了新的解决方案,基于深度学习的金属表面...
金属表面的划痕、凹坑、波纹等缺陷会直接影响产品的质量。传统的检测方法耗时耗力,准确性受限于操作人员的经验和技能。近年来,深度学习技术在图像识别领域的突破性进展为金属表面缺陷检测提供了新的解决方案,基于深度学习的金属表面缺陷检测方法在检测精度和速度方面取得了显著成效。为了便于金属表面缺陷检测算法的研究,综合分析了单阶段深度学习算法在金属表面缺陷检测中的优化方法及应用。介绍了目前常用的金属表面缺陷数据集和算法评价指标;总结了目标检测算法的发展史以及单阶段目标检测算法的基本概念和典型模型;从数据增强、特征的提取与融合、锚框优化三个方面,对比总结了不同算法不同优化方式的优缺点,并研究了金属表面缺陷检测算法的轻量化;从多模态融合、大数据应用技术、现实与虚拟结合三个方面对金属表面缺陷检测算法的未来研究方向进行了展望。
展开更多
关键词
金属表面缺陷
检测
深度学习
单
阶段
目标
检测
算法
模型优化
在线阅读
下载PDF
职称材料
基于优化预测定位的单阶段目标检测算法
被引量：
6
2
作者
张娜
戚旭磊
+3 位作者
包晓安
吴彪
涂小妹
金瑜婷
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第4期783-794,共12页
针对单阶段多边框检测(SSD)算法中存在目标定位不准确和小目标检测精度不高的问题,提出基于优化预测定位的单阶段目标检测算法EL-SSD.通过双向加权特征金字塔将原SSD预测特征图特征融合,对输出特征图进行特征位置信息解码后进行特征通...
针对单阶段多边框检测(SSD)算法中存在目标定位不准确和小目标检测精度不高的问题,提出基于优化预测定位的单阶段目标检测算法EL-SSD.通过双向加权特征金字塔将原SSD预测特征图特征融合,对输出特征图进行特征位置信息解码后进行特征通道权重再分配,提升了特征语义信息,捕获了跨通道位置信息.通过构建分类置信度及额外的定位置信度级联聚类对预测框进行非极大值抑制,提高在检测阶段对选择目标的定位精度.实验结果表明,EL-SSD算法在PASCAL VOC2007上的平均检测均值达到79.8%,比原SSD算法提高了2.6%.在COCO数据集上的精度达到29.4%,比原SSD算法提高了3.5%,在检测图片上的目标定位效果及小目标检测效果明显优于SSD,适用于需要高定位性能的实时应用场景.
展开更多
关键词
目标
检测
单阶段多边框检测算法
特征融合
非极大值抑制
定位置信度
在线阅读
下载PDF
职称材料
基于深度学习的单阶段目标检测算法研究综述
被引量：
51
3
作者
刘俊明
孟卫华
《航空兵器》
CSCD
北大核心
2020年第3期44-53,共10页
近年来,深度学习技术推动目标检测算法取得了突破式进展。基于深度学习的目标检测算法可分为两阶段检测算法和单阶段检测算法。相比两阶段检测算法,单阶段检测算法的结构简单、计算高效,同时具备不错的检测精度,在实时目标检测领域中具...
近年来,深度学习技术推动目标检测算法取得了突破式进展。基于深度学习的目标检测算法可分为两阶段检测算法和单阶段检测算法。相比两阶段检测算法,单阶段检测算法的结构简单、计算高效,同时具备不错的检测精度,在实时目标检测领域中具有较高的研究和应用价值。本文首先回顾了单阶段检测算法的发展历史,分析总结了相关算法的优缺点,然后归纳提出了单阶段目标检测算法的通用框架,接着对框架中的特征提取模块和检测器进行了深入分析,指出了其对算法性能的影响,最后对单阶段检测算法的发展趋势进行了展望。
展开更多
关键词
深度学习
单
阶段
目标
检测
算法
特征提取
特征融合
ANCHOR
损失函数
人工智能
在线阅读
下载PDF
职称材料
基于转置卷积操作改进的单阶段多边框目标检测方法
被引量：
7
4
作者
郭川磊
何嘉
《计算机应用》
CSCD
北大核心
2018年第10期2833-2838,共6页
针对单阶段多边框目标检测(SSD)模型在以高交并比(Io U)评估平均检测精度(m AP)时出现的精度下降问题,提出一种使用转置卷积操作构建的循环特征聚合模型。该模型以SSD模型为基础,使用Res Net 101作为特征提取网络。首先,利用转置卷积操...
针对单阶段多边框目标检测(SSD)模型在以高交并比(Io U)评估平均检测精度(m AP)时出现的精度下降问题,提出一种使用转置卷积操作构建的循环特征聚合模型。该模型以SSD模型为基础,使用Res Net 101作为特征提取网络。首先,利用转置卷积操作扩大网络结构中深层特征图的尺寸,为浅层特征图引入对目标的高层抽象和上下文信息;其次,使用全连接卷积层减少浅层特征图在进行特征聚合时出现偏差的可能性;最后,将浅层特征图与表示了上下文信息的深层特征图拼接,并使用1×1卷积操作恢复通道数。特征聚合过程可以循环进行多次。实验结果表明,使用KITTI数据集,以交并比(Io U)为0. 7评估平均检测精度,与原始SSD模型相比,循环特征聚合模型的检测精度提高了5. 1个百分点;与已有的精度最高Faster R-CNN相比,检测精度提高了2个百分点。循环特征聚合模型能有效提升平均目标检测精度,生成高质量的边界框。
展开更多
关键词
目标
检测
转置卷积
特征聚合
单
阶段多
边框
目标
检测
模型
在线阅读
下载PDF
职称材料
基于改进YOLOv3的单阶段目标检测算法
被引量：
5
5
作者
刘建男
聂凯
《电光与控制》
CSCD
北大核心
2021年第9期30-33,69,共5页
针对目标检测领域对高检测精度和高检测速度共存的需求,提出了一种单阶段目标检测算法即性能平衡的YOLO算法(B-YOLO),该算法首先引入空间注意力机制,利用多尺度最大池化层增大感受野范围;然后采用跨阶段局部连接结构和直通层优化主干网...
针对目标检测领域对高检测精度和高检测速度共存的需求,提出了一种单阶段目标检测算法即性能平衡的YOLO算法(B-YOLO),该算法首先引入空间注意力机制,利用多尺度最大池化层增大感受野范围;然后采用跨阶段局部连接结构和直通层优化主干网络结构,改善计算效率;最后在多尺度检测结构中增加自下而上的路径,并使用拼接操作进行横向连接,融合深层语义信息和浅层位置信息。实验结果表明,该算法在精度和速度之间取得了较好的平衡。
展开更多
关键词
目标
检测
深度卷积神经网络
YOLOv3
算法
单
阶段
空间注意力机制
多尺度
检测
在线阅读
下载PDF
职称材料
基于多通道交叉注意力融合的三维目标检测算法
被引量：
2
6
作者
鲁斌
杨振宇
+2 位作者
孙洋
刘亚伟
王明晗
《智能系统学报》
CSCD
北大核心
2024年第4期885-897,共13页
针对现有单阶段三维目标检测算法对点云下采样特征利用方式单一、特征对长程上下文信息的聚合程度无法满足算法性能提升需求的问题,本文提出了基于多通道交叉注意力融合的单阶段三维目标检测算法。首先,设计通道交叉注意力模块用于融合...
针对现有单阶段三维目标检测算法对点云下采样特征利用方式单一、特征对长程上下文信息的聚合程度无法满足算法性能提升需求的问题,本文提出了基于多通道交叉注意力融合的单阶段三维目标检测算法。首先,设计通道交叉注意力模块用于融合下采样特征,可基于交叉注意力机制在通道层面上增强多尺度特征对不同感受野下长程空间信息的表达能力;然后,提出级联特征激励模块,结合原始下采样特征对通道交叉注意力加权特征进行级联激励,提升算法对关键空间特征的学习能力。在公共自动驾驶数据集KITTI上进行了大量实验并与主流算法对比,本文算法作为单阶段目标检测算法,在车辆类别3个难度级别上的检测准确率分别为91.34%、79.85%和75.98%,较基线算法分别提升了4.83%、3.26%和3.32%。实验结果证明了本文算法及所提模块在三维目标检测任务上的有效性和先进性。
展开更多
关键词
三维点云
自动驾驶
激光雷达
深度学习
三维目标
检测
柱体素
交叉注意力
单
阶段
算法
在线阅读
下载PDF
职称材料
基于特征优化与深层次融合的目标检测算法
被引量：
5
7
作者
谢誉
包梓群
+3 位作者
张娜
吴彪
涂小妹
包晓安
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第12期2403-2415,共13页
针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD.SCFE模块基于局部空间特征增强和全局通道特征增强...
针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD.SCFE模块基于局部空间特征增强和全局通道特征增强机制优化特征层,注重特征层的细节信息;DFPN基于残差空间通道增强模块改进特征金字塔网络,使不同尺度特征层进行深层次特征融合,提升目标检测精度.在训练阶段添加样本加权训练策略,使网络注重训练定位良好的样本和置信度高的样本.实验结果表明,在PASCAL VOC数据集上,所提算法在保证速度的同时检测精度由SSD的77.2%提升至79.7%;在COCO数据集上,所提算法的检测精度由SSD的25.6%提升至30.1%,对小目标的检测精度由SSD的6.8%提升至13.3%.
展开更多
关键词
目标
检测
深层次特征金字塔网络(DFPN)
空间通道特征增强(SCFE)
样本加权训练
单阶段多边框检测算法
(SSD)
在线阅读
下载PDF
职称材料
基于深度学习的目标检测算法综述
被引量：
69
8
作者
吴雪
宋晓茹
+1 位作者
高嵩
陈超波
《传感器与微系统》
CSCD
北大核心
2021年第2期4-7,18,共5页
视觉目标检测作为计算机视觉的一个重要研究方向,已广泛应用于人脸检测、行人检测和无人驾驶等领域。随着大数据、计算机硬件技术和深度学习算法在图像分类中的突破性进展,基于深度学习的目标检测算法成为主流。本文综述了基于深度学习...
视觉目标检测作为计算机视觉的一个重要研究方向,已广泛应用于人脸检测、行人检测和无人驾驶等领域。随着大数据、计算机硬件技术和深度学习算法在图像分类中的突破性进展,基于深度学习的目标检测算法成为主流。本文综述了基于深度学习目标检测算法的研究现状和发展方向。首先介绍卷积神经网络(CNN)的研究进展和经典模型;然后对目前主流的基于深度学习的两阶段目标检测算法和单阶段目标检测算法的发展、改进和不足进行归纳;最后对深度学习目标检测两种主流算法进行比较并做出总结和未来展望。
展开更多
关键词
目标
检测
卷积神经网络
两
阶段
目标
检测
算法
单
阶段
目标
检测
算法
在线阅读
下载PDF
职称材料
基于深度学习的轻量化目标检测算法
被引量：
15
9
作者
宋爽
张悦
+2 位作者
张琳娜
岑翼刚
李浥东
《系统工程与电子技术》
EI
CSCD
北大核心
2022年第9期2716-2725,共10页
深度卷积神经网络在各个领域都表现出很好的效果,与之伴随的是庞大的计算量和参数量。针对当前基于深度卷积神经网络的目标检测算法对计算资源需求太大和内存消耗严重的问题,提出一种高性能轻量化的网络模型。首先将Stem模块和ShuffleNe...
深度卷积神经网络在各个领域都表现出很好的效果,与之伴随的是庞大的计算量和参数量。针对当前基于深度卷积神经网络的目标检测算法对计算资源需求太大和内存消耗严重的问题,提出一种高性能轻量化的网络模型。首先将Stem模块和ShuffleNet V2进行融合,提升网络特征提取能力,并利用融合后的网络对原始YOLOv5的骨干网络进行重构,显著降低了网络的计算量和内存占用,同时,引入可变形卷积以提升网络的检测性能。道路监控图像和VOC、COCO数据集测试结果表明,所提出的模型在保持检测精度的前提下,将参数量和模型尺寸降低了90%,计算量仅为原始模型的18%,实现了检测模型的轻量化,更有助于在计算资源有限和对实时性要求高的场景中部署。
展开更多
关键词
目标
检测
卷积神经网络
轻量化网络
单
阶段
检测
算法
可变形卷积
在线阅读
下载PDF
职称材料
基于改进型YOLOv3的SAR图像舰船目标检测
被引量：
15
10
作者
陈冬
句彦伟
《系统工程与电子技术》
EI
CSCD
北大核心
2021年第4期937-943,共7页
传统合成孔径雷达(synthetic aperture radar,SAR)图像目标检测的方法依赖于人工设计特征且易受复杂背景干扰,泛化能力较差。深度学习的方法可以自动提取特征且具有良好的抗干扰特性,对于未来雷达智能感知具有重要意义。不同于其他只能...
传统合成孔径雷达(synthetic aperture radar,SAR)图像目标检测的方法依赖于人工设计特征且易受复杂背景干扰,泛化能力较差。深度学习的方法可以自动提取特征且具有良好的抗干扰特性,对于未来雷达智能感知具有重要意义。不同于其他只能对固定区域进行检测的常规卷积神经网络,本文提出一种改进型YOLOv3的SAR图像舰船目标检测方法,该方法基于舰船尺寸与形状自适应采样的可变形卷积、ResNet50变体特征提取器和ShuffleNetv2轻量化思想等设计YOLOv3模型。通过SSDD数据集验证,在检测效果方面,相较于原YOLOv3模型,平均精度从93.21%提高至96.94%,检测概率从95.51%提高至97.75%;在模型大小方面,轻量化设计模型仅为原YOLOv3模型的八分之一,可实现嵌入式的使用。
展开更多
关键词
合成孔径雷达
舰船
检测
单
阶段
检测
算法
可变形卷积
卷积神经网络
在线阅读
下载PDF
职称材料
题名
深度学习中单阶段金属表面缺陷检测算法优化综述
被引量：
4
1
作者
董甲东
郭庆虎
陈琳
桑飞虎
机构
安庆师范大学电子工程与智能制造学院
出处
《计算机工程与应用》
北大核心
2025年第4期72-89,共18页
基金
国家自然科学基金(62205005)
安徽省高校科研计划重大项目(2024AH040174)。
文摘
金属表面的划痕、凹坑、波纹等缺陷会直接影响产品的质量。传统的检测方法耗时耗力,准确性受限于操作人员的经验和技能。近年来,深度学习技术在图像识别领域的突破性进展为金属表面缺陷检测提供了新的解决方案,基于深度学习的金属表面缺陷检测方法在检测精度和速度方面取得了显著成效。为了便于金属表面缺陷检测算法的研究,综合分析了单阶段深度学习算法在金属表面缺陷检测中的优化方法及应用。介绍了目前常用的金属表面缺陷数据集和算法评价指标;总结了目标检测算法的发展史以及单阶段目标检测算法的基本概念和典型模型;从数据增强、特征的提取与融合、锚框优化三个方面,对比总结了不同算法不同优化方式的优缺点,并研究了金属表面缺陷检测算法的轻量化;从多模态融合、大数据应用技术、现实与虚拟结合三个方面对金属表面缺陷检测算法的未来研究方向进行了展望。
关键词
金属表面缺陷
检测
深度学习
单
阶段
目标
检测
算法
模型优化
Keywords
metal surface defect detection
deep learning
one-stage target detection algorithm
model optimization
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
基于优化预测定位的单阶段目标检测算法
被引量：
6
2
作者
张娜
戚旭磊
包晓安
吴彪
涂小妹
金瑜婷
机构
浙江理工大学信息学院
浙江广厦建设职业技术大学信息学院
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第4期783-794,共12页
基金
国家自然科学基金资助项目(6207050141)
浙江省重点研发计划资助项目(2020C03094)。
文摘
针对单阶段多边框检测(SSD)算法中存在目标定位不准确和小目标检测精度不高的问题,提出基于优化预测定位的单阶段目标检测算法EL-SSD.通过双向加权特征金字塔将原SSD预测特征图特征融合,对输出特征图进行特征位置信息解码后进行特征通道权重再分配,提升了特征语义信息,捕获了跨通道位置信息.通过构建分类置信度及额外的定位置信度级联聚类对预测框进行非极大值抑制,提高在检测阶段对选择目标的定位精度.实验结果表明,EL-SSD算法在PASCAL VOC2007上的平均检测均值达到79.8%,比原SSD算法提高了2.6%.在COCO数据集上的精度达到29.4%,比原SSD算法提高了3.5%,在检测图片上的目标定位效果及小目标检测效果明显优于SSD,适用于需要高定位性能的实时应用场景.
关键词
目标
检测
单阶段多边框检测算法
特征融合
非极大值抑制
定位置信度
Keywords
object detection
single shot multi-box detector algorithm
feature fusion
non-maximum suppression
localization confidence
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
基于深度学习的单阶段目标检测算法研究综述
被引量：
51
3
作者
刘俊明
孟卫华
机构
中国空空导弹研究院
航空制导武器航空科技重点实验室
出处
《航空兵器》
CSCD
北大核心
2020年第3期44-53,共10页
文摘
近年来,深度学习技术推动目标检测算法取得了突破式进展。基于深度学习的目标检测算法可分为两阶段检测算法和单阶段检测算法。相比两阶段检测算法,单阶段检测算法的结构简单、计算高效,同时具备不错的检测精度,在实时目标检测领域中具有较高的研究和应用价值。本文首先回顾了单阶段检测算法的发展历史,分析总结了相关算法的优缺点,然后归纳提出了单阶段目标检测算法的通用框架,接着对框架中的特征提取模块和检测器进行了深入分析,指出了其对算法性能的影响,最后对单阶段检测算法的发展趋势进行了展望。
关键词
深度学习
单
阶段
目标
检测
算法
特征提取
特征融合
ANCHOR
损失函数
人工智能
Keywords
deep learning
single-stage object detection algorithm
feature extraction
feature fusion
anchor
loss function
artificial intelligence
分类号
TJ760 [兵器科学与技术—武器系统与运用工程]
TP18 [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
基于转置卷积操作改进的单阶段多边框目标检测方法
被引量：
7
4
作者
郭川磊
何嘉
机构
成都信息工程大学计算机学院
出处
《计算机应用》
CSCD
北大核心
2018年第10期2833-2838,共6页
基金
四川省科技厅应用基础重点项目(2017JY0011)~~
文摘
针对单阶段多边框目标检测(SSD)模型在以高交并比(Io U)评估平均检测精度(m AP)时出现的精度下降问题,提出一种使用转置卷积操作构建的循环特征聚合模型。该模型以SSD模型为基础,使用Res Net 101作为特征提取网络。首先,利用转置卷积操作扩大网络结构中深层特征图的尺寸,为浅层特征图引入对目标的高层抽象和上下文信息;其次,使用全连接卷积层减少浅层特征图在进行特征聚合时出现偏差的可能性;最后,将浅层特征图与表示了上下文信息的深层特征图拼接,并使用1×1卷积操作恢复通道数。特征聚合过程可以循环进行多次。实验结果表明,使用KITTI数据集,以交并比(Io U)为0. 7评估平均检测精度,与原始SSD模型相比,循环特征聚合模型的检测精度提高了5. 1个百分点;与已有的精度最高Faster R-CNN相比,检测精度提高了2个百分点。循环特征聚合模型能有效提升平均目标检测精度,生成高质量的边界框。
关键词
目标
检测
转置卷积
特征聚合
单
阶段多
边框
目标
检测
模型
Keywords
object detection
transposed convolution
feature aggregation
Single Shot multibox Detector(SSD)model
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv3的单阶段目标检测算法
被引量：
5
5
作者
刘建男
聂凯
机构
中国人民解放军
出处
《电光与控制》
CSCD
北大核心
2021年第9期30-33,69,共5页
基金
装发预研基金(61400010109)。
文摘
针对目标检测领域对高检测精度和高检测速度共存的需求,提出了一种单阶段目标检测算法即性能平衡的YOLO算法(B-YOLO),该算法首先引入空间注意力机制,利用多尺度最大池化层增大感受野范围;然后采用跨阶段局部连接结构和直通层优化主干网络结构,改善计算效率;最后在多尺度检测结构中增加自下而上的路径,并使用拼接操作进行横向连接,融合深层语义信息和浅层位置信息。实验结果表明,该算法在精度和速度之间取得了较好的平衡。
关键词
目标
检测
深度卷积神经网络
YOLOv3
算法
单
阶段
空间注意力机制
多尺度
检测
Keywords
object detection
deep convolutional neural network
YOLOv3 algorithm
one stage
spatial attention mechanism
multi-scale detection
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
基于多通道交叉注意力融合的三维目标检测算法
被引量：
2
6
作者
鲁斌
杨振宇
孙洋
刘亚伟
王明晗
机构
华北电力大学控制与计算机工程学院
华北电力大学河北省能源电力知识计算重点实验室
出处
《智能系统学报》
CSCD
北大核心
2024年第4期885-897,共13页
基金
河北省重点研发计划项目(20310103D)
河北省在读研究生创新能力培养资助项目(CXZZBS2023153).
文摘
针对现有单阶段三维目标检测算法对点云下采样特征利用方式单一、特征对长程上下文信息的聚合程度无法满足算法性能提升需求的问题,本文提出了基于多通道交叉注意力融合的单阶段三维目标检测算法。首先,设计通道交叉注意力模块用于融合下采样特征,可基于交叉注意力机制在通道层面上增强多尺度特征对不同感受野下长程空间信息的表达能力;然后,提出级联特征激励模块,结合原始下采样特征对通道交叉注意力加权特征进行级联激励,提升算法对关键空间特征的学习能力。在公共自动驾驶数据集KITTI上进行了大量实验并与主流算法对比,本文算法作为单阶段目标检测算法,在车辆类别3个难度级别上的检测准确率分别为91.34%、79.85%和75.98%,较基线算法分别提升了4.83%、3.26%和3.32%。实验结果证明了本文算法及所提模块在三维目标检测任务上的有效性和先进性。
关键词
三维点云
自动驾驶
激光雷达
深度学习
三维目标
检测
柱体素
交叉注意力
单
阶段
算法
Keywords
3D point cloud
autonomous driving
LiDAR
deep learning
3D object detection
pillar
cross attention
single-stage algorithm
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
基于特征优化与深层次融合的目标检测算法
被引量：
5
7
作者
谢誉
包梓群
张娜
吴彪
涂小妹
包晓安
机构
浙江理工大学计算机科学与技术学院
浙江理工大学理学院
浙江广厦建设职业技术大学建筑工程学院
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第12期2403-2415,共13页
基金
浙江省重点研发计划项目(2020C03094)
浙江省教育厅一般科研项目(Y202147659)
+2 种基金
浙江省教育厅项目(Y202250706,Y202250677)
国家自然科学基金资助项目(6207050141)
浙江省基础公益研究计划项目(QY19E050003)。
文摘
针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD.SCFE模块基于局部空间特征增强和全局通道特征增强机制优化特征层,注重特征层的细节信息;DFPN基于残差空间通道增强模块改进特征金字塔网络,使不同尺度特征层进行深层次特征融合,提升目标检测精度.在训练阶段添加样本加权训练策略,使网络注重训练定位良好的样本和置信度高的样本.实验结果表明,在PASCAL VOC数据集上,所提算法在保证速度的同时检测精度由SSD的77.2%提升至79.7%;在COCO数据集上,所提算法的检测精度由SSD的25.6%提升至30.1%,对小目标的检测精度由SSD的6.8%提升至13.3%.
关键词
目标
检测
深层次特征金字塔网络(DFPN)
空间通道特征增强(SCFE)
样本加权训练
单阶段多边框检测算法
(SSD)
Keywords
object detection
deep feature pyramid network(DFPN)
spatial and channel feature enhancement(SCFE)
sample weighted training
single-stage multi-box detector algorithm(SSD)
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
基于深度学习的目标检测算法综述
被引量：
69
8
作者
吴雪
宋晓茹
高嵩
陈超波
机构
西安工业大学电子信息工程学院
出处
《传感器与微系统》
CSCD
北大核心
2021年第2期4-7,18,共5页
基金
陕西省重点研发计划资助项目(2018KW-022,2017KW-009)。
文摘
视觉目标检测作为计算机视觉的一个重要研究方向,已广泛应用于人脸检测、行人检测和无人驾驶等领域。随着大数据、计算机硬件技术和深度学习算法在图像分类中的突破性进展,基于深度学习的目标检测算法成为主流。本文综述了基于深度学习目标检测算法的研究现状和发展方向。首先介绍卷积神经网络(CNN)的研究进展和经典模型;然后对目前主流的基于深度学习的两阶段目标检测算法和单阶段目标检测算法的发展、改进和不足进行归纳;最后对深度学习目标检测两种主流算法进行比较并做出总结和未来展望。
关键词
目标
检测
卷积神经网络
两
阶段
目标
检测
算法
单
阶段
目标
检测
算法
Keywords
target detection
convolutional neural network(CNN)
two-stage target detection algorithm
one-stage target detection algorithm
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
基于深度学习的轻量化目标检测算法
被引量：
15
9
作者
宋爽
张悦
张琳娜
岑翼刚
李浥东
机构
北京交通大学计算机与信息技术学院
现代信息科学与网络技术北京市重点实验室
贵州大学机械工程学院
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2022年第9期2716-2725,共10页
基金
国家重点研发计划(2019YFB2204200)
国家自然科学基金(62062021,61872034,62011530042)
+2 种基金
北京市自然科学基金(4202055)
广西自然科学基金(2018GXNSFBA281086)
贵州省科技计划(黔科中引地[2021]4023)资助课题。
文摘
深度卷积神经网络在各个领域都表现出很好的效果,与之伴随的是庞大的计算量和参数量。针对当前基于深度卷积神经网络的目标检测算法对计算资源需求太大和内存消耗严重的问题,提出一种高性能轻量化的网络模型。首先将Stem模块和ShuffleNet V2进行融合,提升网络特征提取能力,并利用融合后的网络对原始YOLOv5的骨干网络进行重构,显著降低了网络的计算量和内存占用,同时,引入可变形卷积以提升网络的检测性能。道路监控图像和VOC、COCO数据集测试结果表明,所提出的模型在保持检测精度的前提下,将参数量和模型尺寸降低了90%,计算量仅为原始模型的18%,实现了检测模型的轻量化,更有助于在计算资源有限和对实时性要求高的场景中部署。
关键词
目标
检测
卷积神经网络
轻量化网络
单
阶段
检测
算法
可变形卷积
Keywords
object detection
convolution neural network
lightweight network
single stage detection algorithm
deformable convolution
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
基于改进型YOLOv3的SAR图像舰船目标检测
被引量：
15
10
作者
陈冬
句彦伟
机构
南京电子技术研究所
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2021年第4期937-943,共7页
基金
装发十三五预研项目(414150480303)资助课题。
文摘
传统合成孔径雷达(synthetic aperture radar,SAR)图像目标检测的方法依赖于人工设计特征且易受复杂背景干扰,泛化能力较差。深度学习的方法可以自动提取特征且具有良好的抗干扰特性,对于未来雷达智能感知具有重要意义。不同于其他只能对固定区域进行检测的常规卷积神经网络,本文提出一种改进型YOLOv3的SAR图像舰船目标检测方法,该方法基于舰船尺寸与形状自适应采样的可变形卷积、ResNet50变体特征提取器和ShuffleNetv2轻量化思想等设计YOLOv3模型。通过SSDD数据集验证,在检测效果方面,相较于原YOLOv3模型,平均精度从93.21%提高至96.94%,检测概率从95.51%提高至97.75%;在模型大小方面,轻量化设计模型仅为原YOLOv3模型的八分之一,可实现嵌入式的使用。
关键词
合成孔径雷达
舰船
检测
单
阶段
检测
算法
可变形卷积
卷积神经网络
Keywords
synthetic aperture radar(SAR)
ship detection
YOLOv3
deformable convolution
convolutional neural network
分类号
TP751 [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
作者
出处
发文年
被引量
操作
1
深度学习中单阶段金属表面缺陷检测算法优化综述
董甲东
郭庆虎
陈琳
桑飞虎
《计算机工程与应用》
北大核心
2025
4
在线阅读
下载PDF
职称材料
2
基于优化预测定位的单阶段目标检测算法
张娜
戚旭磊
包晓安
吴彪
涂小妹
金瑜婷
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
3
基于深度学习的单阶段目标检测算法研究综述
刘俊明
孟卫华
《航空兵器》
CSCD
北大核心
2020
51
在线阅读
下载PDF
职称材料
4
基于转置卷积操作改进的单阶段多边框目标检测方法
郭川磊
何嘉
《计算机应用》
CSCD
北大核心
2018
7
在线阅读
下载PDF
职称材料
5
基于改进YOLOv3的单阶段目标检测算法
刘建男
聂凯
《电光与控制》
CSCD
北大核心
2021
5
在线阅读
下载PDF
职称材料
6
基于多通道交叉注意力融合的三维目标检测算法
鲁斌
杨振宇
孙洋
刘亚伟
王明晗
《智能系统学报》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
7
基于特征优化与深层次融合的目标检测算法
谢誉
包梓群
张娜
吴彪
涂小妹
包晓安
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022
5
在线阅读
下载PDF
职称材料
8
基于深度学习的目标检测算法综述
吴雪
宋晓茹
高嵩
陈超波
《传感器与微系统》
CSCD
北大核心
2021
69
在线阅读
下载PDF
职称材料
9
基于深度学习的轻量化目标检测算法
宋爽
张悦
张琳娜
岑翼刚
李浥东
《系统工程与电子技术》
EI
CSCD
北大核心
2022
15
在线阅读
下载PDF
职称材料
10
基于改进型YOLOv3的SAR图像舰船目标检测
陈冬
句彦伟
《系统工程与电子技术》
EI
CSCD
北大核心
2021
15
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
