-
题名类别级多目标刚体6D位姿估计方法
- 1
-
-
作者
程硕
贾迪
杨柳
何德堃
-
机构
辽宁工程技术大学电子与信息工程学院
辽宁工程技术大学鄂尔多斯研究院
-
出处
《液晶与显示》
北大核心
2025年第3期457-471,共15页
-
基金
国家自然科学基金(No.61601213)
辽宁工程技术大学鄂尔多斯研究院校地科技合作培育项目(No.YJY-XD-2023-003)。
-
文摘
为解决传统方法采用单一对象CNN模型的扩展性差、通用性低及计算成本高的问题,以及优化多目标方法的性能,本文提出一种面向多目标6D位姿估计的单阶段网络架构,设计一种多分支特征提取解码器,有效地捕捉并聚合细节特征。本文提出特征优化与筛选模块,该模块对输入特征进行筛选以提取多尺度特征。以上两者结合,设计一种新的特征金字塔结构,提升网络的整体性能,提升对遮挡情况的位姿估计效果。实验在合成数据集LINEMOD及Occluded LINEMOD上进行。结果显示,本文方法在处理遮挡物体场景时取得了较显著的提升,与PyraPose、SD-Pose和CASAPose等现有最先进方法相比,本文方法在ADD/S-Recall指标上分别提高了43.1%、16.1%和12%。在目标数量较少时表现更佳,目标数量为4个时,性能提升17%。消融实验进一步验证了各模块的有效性。本文提出的单阶段多目标网络架构通过引入多分支特征提取解码器、特征优化与筛选模块以及特征金字塔结构,仅需训练一个网络即可处理任意数量的目标,在合成数据条件下,可以更好地完成6D位姿估计。实验结果验证了本文方法的有效性。
-
关键词
6D位姿估计
多目标单阶段网络
多分支特征提取解码器
特征选择
合成数据
-
Keywords
6D pose estimation
multi-objective single-stage network
multi-drop feature extraction layer
feature selection
composite data
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多尺度语义网络的红外舰船目标检测
被引量：1
- 2
-
-
作者
陈初侠
丁勇
-
机构
巢湖学院电子工程学院
浙江大学微纳电子学院
-
出处
《红外技术》
CSCD
北大核心
2022年第5期529-536,共8页
-
文摘
为了增强舰船检测的抗干扰性能,本文提出了一种有效且稳定的单阶段舰船检测网络,该网络主要由3个模块组成:特征优化模块,特征金字塔融合模块和上下文增强模块,其中特征优化模块是提取多尺度上下文信息,并进一步细化和增强顶层特征输入特性,增强弱小目标检测性能;特征金字塔融合模块能够生成表征能力更强的语义信息;上下文增强模块则是整合局部和全局特征增强网络特征表达能力,以降低复杂背景对检测性影响,平衡前景和背景的不均衡差异,消除鱼鳞波的影响。为了验证本文所提方法的有效性和鲁棒性,本文对自建的舰船数据集进行了定性定量验证。实验结果表明,相比现有最新基准对比模型,本文所提网络在自建数据集上均达到了最优性能,在不增加复杂度的情况下极大提升了检测精度。
-
关键词
目标检测
红外舰船
单阶段网络
金字塔池化
上下文增强
-
Keywords
object detection
infrared ship
single-stage network
pyramid pooling
context enhancement
-
分类号
TN219
[电子电信—物理电子学]
-
-
题名基于深度学习的遥感目标检测技术
被引量：5
- 3
-
-
作者
章程军
胡晓兵
魏上云
郭爽
-
机构
四川大学机械工程学院
四川大学宜宾产业技术研究院
-
出处
《计算机工程与设计》
北大核心
2024年第2期594-600,共7页
-
文摘
针对遥感目标检测精度不足,提出一种改进YOLOv5s遥感目标检测算法。主干网络采用CSP-D模块进行特征提取,充分利用深层和浅层特征进行特征增强;颈部网络采用BiFPN结构进行特征融合,提高多尺度特征信息融合效率。实验结果表明,针对遥感目标数据集DIOR,改进YOLOv5s网络平均准确率均值(mAP)提升2.1%,不同目标类别平均准确率(AP)均有提升,缓解原网络检测存在的漏检误检问题,改进网络检测速度仍能满足实时性要求,具有更优的检测性能。
-
关键词
遥感图像
目标检测
YOLOv5s
特征增强
多尺度特征融合
深度学习
单阶段网络
-
Keywords
remote sensing image
object detection
YOLOv5s
feature enhancement
multi-scale feature fusion
deep learning
one stage pipeline
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOX的钢材表面缺陷检测研究
被引量：9
- 4
-
-
作者
刘毅
蒋三新
-
机构
上海电力大学电子与信息工程学院
-
出处
《现代电子技术》
北大核心
2024年第9期131-138,共8页
-
文摘
针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融合,强化重要的特征通道;其次,在Neck部分引入ASFF模块,充分利用不同尺度的特征,更好地进行特征融合;最后,针对数据集所呈现的特点,将IOU损失函数替换为EIOU损失函数,改善模型定位不准确的问题,提高缺陷检测精度。实验结果表明,改进的YOLOX算法具有良好的检测效果,在NEU⁃DET数据集上的mAP达到了75.66%,相比原始YOLOX算法提高了3.74%,较YOLOv6提升了2.76%,检测精度优于其他主流算法。
-
关键词
YOLOX
单阶段目标检测网络
SE注意力机制
ASFF模块
表面缺陷检测
EIOU损失函数
-
Keywords
YOLOX
single⁃stage object detection network
SE attention mechanism
ASFF module
surface defect detection
EIOU loss function
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP34
[自动化与计算机技术—计算机系统结构]
-
