检索结果-维普期刊中文期刊服务平台

自适应空间与分组注意的激光点云分割方法: 1; 作者李庆祥覃丽萍罗训《激光与红外》北大核心 2025年第6期893-900,共8页; 随着激光点云数据的普及,研究如何提取丰富的点云特征信息变得尤为重要。现有方法多注重局部特征学习,却忽视了点云的位置与特征间的关联,且未对全局信息进行建模。为改进此状况,本文提出了自适应空间特征模块(Adaptive Spatial Feature... 展开更多; 关键词点云语义分割自适应空间特征模块自适应特征块混合局部块分组注意力; 在线阅读下载PDF 职称材料

多尺度特征自适应融合的轻量化织物瑕疵检测被引量：13: 2; 作者杨毅桑庆兵《计算机工程》 CAS CSCD 北大核心 2022年第12期288-295,共8页; 织物瑕疵检测是纺织行业保证产品质量的重要环节,针对织物瑕疵检测中存在小目标瑕疵检测困难、不同种类瑕疵长宽比差异大、对实时性要求高等问题,提出一种新的轻量化织物瑕疵检测算法。以YOLOv4网络为基础,使用轻量化网络MobileNetv2为... 展开更多; 关键词织物瑕疵检测自适应空间特征融合 CoordAttention模块 YOLOv4网络 MobileNetv2网络; 在线阅读下载PDF 职称材料

基于改进YOLOv8的小目标检测算法: 3; 作者邓立国吴毅麒《现代电子技术》北大核心 2025年第14期169-177,共9页; 小目标检测在自动驾驶、医学诊断、工业质检等领域的应用需求日益凸显。针对现有小目标检测算法存在的误检、漏检以及检测精度低等问题,提出一种基于改进YOLOv8的小目标检测算法,即PGA-YOLOv8。该算法以YOLOv8为基础模型,结合注意力机... 展开更多; 关键词小目标检测 YOLOv8 极化自注意力模块自适应空间特征融合策略分组重组卷积性能评估; 在线阅读下载PDF 职称材料

基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法被引量：5: 4; 作者胡丹丹张忠婷《智能系统学报》 CSCD 北大核心 2024年第3期653-660,共8页; 在复杂道路场景中检测车辆、行人、自行车等目标时,存在因多尺度目标及部分遮挡易造成漏检及误检等情况,提出一种基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法。首先,利用深度可分离卷积替换部分普通卷积,减少模型的参数量以... 展开更多; 关键词 YOLOv5s 自动驾驶目标检测算法深度可分离卷积感受野模块自适应空间特征融合 PANet 多尺度特征融合; 在线阅读下载PDF 职称材料

基于可见光与红外热图像的行车环境复杂场景分割被引量：6: 5; 作者陈武阳赵于前 +3 位作者阳春华张帆余伶俐陈白帆《自动化学报》 EI CAS CSCD 北大核心 2022年第2期460-469,共10页; 复杂场景分割是自动驾驶领域智能感知的重要任务,对稳定性和高效性都有较高的要求.由于一般的场景分割方法主要针对可见光图像,分割效果非常依赖于图像获取时的光线与气候条件,且大多数方法只关注分割性能,忽略了计算资源.本文提出一种... 展开更多; 关键词场景分割可见光图像红外热图像双模分割网络双路特征空间自适应模块; 在线阅读下载PDF 职称材料

基于改进YOLOX-s的机场跑道冰雪状态感知被引量：2: 6; 作者邢志伟阚犇 +2 位作者刘子硕李彪罗谦《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第10期1292-1304,共13页; 针对机场冰雪跑道安全性和适航性状态感知能力不足及跑道表面状况报告交互的新需求,提出一种面向多尺度特征融合的机场跑道冰雪状态感知模型.以YOLOX-s模型为基础,在主干特征提取网络中引入全局上下文模块,获取更丰富的浅层与深层特征;... 展开更多; 关键词跑道冰雪状态感知 YOLOX-s 全局上下文模块双向特征金字塔网络自适应空间特征融合结构 α-EIoU损失函数; 在线阅读下载PDF 职称材料

题名自适应空间与分组注意的激光点云分割方法: 1; 作者李庆祥覃丽萍罗训; 机构柳州铁道职业技术学院广西科技师范学院天津理工大学; 出处《激光与红外》北大核心 2025年第6期893-900,共8页; 基金教育部人文社会科学研究一般项目(No.23XJA880011) 广西教育厅十四五规划项目(No.2022ZJY2216) +1 种基金广西职业教育教学改革研究项目(No.GXGZJG2024B241)资助。; 文摘随着激光点云数据的普及,研究如何提取丰富的点云特征信息变得尤为重要。现有方法多注重局部特征学习,却忽视了点云的位置与特征间的关联,且未对全局信息进行建模。为改进此状况,本文提出了自适应空间特征模块(Adaptive Spatial Feature, ASF)和分组注意力(GroupFormer)。ASF包括自适应特征块(adaptive feature block)和混合局部块(mixed local block),其可以动态学习点云位置与特征之间关系以及消除均匀加权。混合局部块将局部最大值特征数据与局部自适应特征数据结合起来,以保留局部上下文细节。ASF融入编码器-解码器结构形成ASF-Net网络,同时引入分组注意力以提取全局点云特征信息。实验表明,ASF-Net在S3DIS和ScanNet v2数据集上的语义分割性能卓越,提高了点云特征提取的准确性。; 关键词点云语义分割自适应空间特征模块自适应特征块混合局部块分组注意力; Keywords point cloud semantic segmentation adaptive feature module adaptive feature block mixed local block GroupFormer; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TN958.98 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名多尺度特征自适应融合的轻量化织物瑕疵检测被引量：13: 2; 作者杨毅桑庆兵; 机构江南大学人工智能与计算机学院; 出处《计算机工程》 CAS CSCD 北大核心 2022年第12期288-295,共8页; 基金国家自然科学基金面上项目(52172324) 陕西省交通厅重点项目(20-38T) +1 种基金长安大学实验教学改革研究项目(20211811)。; 文摘织物瑕疵检测是纺织行业保证产品质量的重要环节,针对织物瑕疵检测中存在小目标瑕疵检测困难、不同种类瑕疵长宽比差异大、对实时性要求高等问题,提出一种新的轻量化织物瑕疵检测算法。以YOLOv4网络为基础,使用轻量化网络MobileNetv2为主干网络,有效减少模型参数总量与运算量,以满足实时性需求。在MobileNetv2的逆残差结构中加入CoordAttention注意力模块,将空间精确位置信息嵌入到通道注意力中,增强网络聚焦小目标特征的能力。使用自适应空间特征融合(ASFF)网络改进路径聚合网络(PANet),使模型通过学习获得多尺度特征图的融合权重,从而充分利用浅层特征与深层特征,提高算法对小目标瑕疵的检测精度。采用K-means++算法确定先验框尺寸,并用Focal Loss函数修改模型损失函数,降低正、负样本不平衡对检测结果的影响,解决不同种类瑕疵长宽比差异大及类别不平衡的问题。实验结果表明,相较于YOLOv4算法,所提算法的平均精度均值提高了2.3个百分点,检测速度提升了12 frame/s,能较好地应用于织物瑕疵检测。; 关键词织物瑕疵检测自适应空间特征融合 CoordAttention模块 YOLOv4网络 MobileNetv2网络; Keywords fabric defect detection Adaptively Spatial Feature Fusion(ASFF) CoordAttention module YOLOv4 network MobileNetv2 network; 分类号 TP393 [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YOLOv8的小目标检测算法: 3; 作者邓立国吴毅麒; 机构广东工业大学计算机学院; 出处《现代电子技术》北大核心 2025年第14期169-177,共9页; 基金国家自然科学基金项目(62072120)。; 文摘小目标检测在自动驾驶、医学诊断、工业质检等领域的应用需求日益凸显。针对现有小目标检测算法存在的误检、漏检以及检测精度低等问题,提出一种基于改进YOLOv8的小目标检测算法,即PGA-YOLOv8。该算法以YOLOv8为基础模型,结合注意力机制来提高对小目标的定位能力;在特征融合网络中改进特征融合策略(ASFF),增加1个检测层来学习浅层的特征,以更好地利用各层次特征信息;将YOLOv8模型中部分普通卷积替换为分组重组卷积(GSConv)以优化网络结构。最后,在常用基准数据集(VOC2012)和航空图像数据集(AI-TOD)上,以YOLOv8为基准模型设置多组实验,验证改进的各种技术的有效性以及PGA-YOLOv8算法的检测能力。实验结果表明,相较于YOLOv8算法,所提算法在两个数据集中平均精度均值(mAP)分别提高了2.576%和6.389%。; 关键词小目标检测 YOLOv8 极化自注意力模块自适应空间特征融合策略分组重组卷积性能评估; Keywords small object detection YOLOv8 polarized self-attention module adaptive spatial feature fusion strategy group recombinant convolution performance evaluation; 分类号 TN919.8-34 [电子电信—通信与信息系统] 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

题名基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法被引量：5: 4; 作者胡丹丹张忠婷; 机构中国民航大学机器人研究所; 出处《智能系统学报》 CSCD 北大核心 2024年第3期653-660,共8页; 基金中央高校基本科研业务项目(3122022PY17,3122017003) 天津市科技计划项目(17ZXHLGX00120).; 文摘在复杂道路场景中检测车辆、行人、自行车等目标时,存在因多尺度目标及部分遮挡易造成漏检及误检等情况,提出一种基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法。首先,利用深度可分离卷积替换部分普通卷积,减少模型的参数量以提升检测速度。其次,在特征融合网络中引入基于感受野模块(receptive field block,RFB)改进的RFB-s,通过模仿人类视觉感知,增强特征图的有效感受野区域,提高网络特征表达能力及对目标特征的可辨识性。最后,使用自适应空间特征融合(adaptively spatial feature fusion,ASFF)方式以提升PANet对多尺度特征融合的效果。实验结果表明,在PASCAL VOC数据集上,所提算法检测平均精度均值相较于YOLOv5s提高1.71个百分点,达到84.01%,在满足自动驾驶汽车实时性要求的前提下,在一定程度上减少目标检测时的误检及漏检情况,有效提升模型在复杂驾驶场景下的检测性能。; 关键词 YOLOv5s 自动驾驶目标检测算法深度可分离卷积感受野模块自适应空间特征融合 PANet 多尺度特征融合; Keywords YOLOv5s autonomous driving target detection algorithm depthwise separable convolution receptive field block adaptive spatial feature fusion PANet multiscale 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

题名基于可见光与红外热图像的行车环境复杂场景分割被引量：6: 5; 作者陈武阳赵于前阳春华张帆余伶俐陈白帆; 机构中南大学自动化学院中南大学计算机学院湖南省高强度坚固件智能制造工程技术研究中心湖南湘江人工智能学院; 出处《自动化学报》 EI CAS CSCD 北大核心 2022年第2期460-469,共10页; 基金国家自然科学基金(62076256) 中南大学研究生校企联合创新项目(2021XQLH048)资助。; 文摘复杂场景分割是自动驾驶领域智能感知的重要任务,对稳定性和高效性都有较高的要求.由于一般的场景分割方法主要针对可见光图像,分割效果非常依赖于图像获取时的光线与气候条件,且大多数方法只关注分割性能,忽略了计算资源.本文提出一种基于可见光与红外热图像的轻量级双模分割网络(DMSNet),通过提取并融合两种模态图像的特征得到最终分割结果.考虑到不同模态特征空间存在较大差异,直接融合将降低对特征的利用率,本文提出了双路特征空间自适应(DPFSA)模块,该模块能够自动学习特征间的差异从而转换特征至同一空间.实验结果表明,本文方法提高了对不同模态图像的利用率,对光照变化有更强的鲁棒性,且以少量参数取得了较好的分割性能.; 关键词场景分割可见光图像红外热图像双模分割网络双路特征空间自适应模块; Keywords Scene segmentation visible images thermal images dual modal segmentation network dual-path feature space adaptation module; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] U463.6 [机械工程—车辆工程]; 在线阅读下载PDF 职称材料

题名基于改进YOLOX-s的机场跑道冰雪状态感知被引量：2: 6; 作者邢志伟阚犇刘子硕李彪罗谦; 机构中国民航大学电子信息与自动化学院天津航空机电有限公司中国民航局第二研究所工程技术研究中心; 出处《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第10期1292-1304,共13页; 基金国家重点研发计划(2018YFB1601200)资助项目。; 文摘针对机场冰雪跑道安全性和适航性状态感知能力不足及跑道表面状况报告交互的新需求,提出一种面向多尺度特征融合的机场跑道冰雪状态感知模型.以YOLOX-s模型为基础,在主干特征提取网络中引入全局上下文模块,获取更丰富的浅层与深层特征;将颈部结构中路径聚合网络替换为双向特征金字塔,以提升特征融合能力;在加强特征提取网络尾部添加自适应空间特征融合结构,进一步增强特征融合效果;使用α-EIoU优化损失函数,提高模型收敛速度与精度.实验结果表明,改进后的YOLOX-s模型在跑道冰雪实验系统所得的冰雪污染物数据集上平均精度达到了91.53%,比原始的YOLOX-s模型提高了4.68%,能够为机场跑道除冰雪作业提供决策支持.; 关键词跑道冰雪状态感知 YOLOX-s 全局上下文模块双向特征金字塔网络自适应空间特征融合结构 α-EIoU损失函数; Keywords pavement snow and ice state perception YOLOX-s global context block(GC block) bi-directional feature pyramid network(BiFPN) adaptive spatial feature fusion(ASFF) α-EIoU loss function; 分类号 TP391.9 [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	自适应空间与分组注意的激光点云分割方法	李庆祥覃丽萍罗训	《激光与红外》北大核心	2025	0	在线阅读下载PDF 职称材料
2	多尺度特征自适应融合的轻量化织物瑕疵检测	杨毅桑庆兵	《计算机工程》 CAS CSCD 北大核心	2022	13	在线阅读下载PDF 职称材料
3	基于改进YOLOv8的小目标检测算法	邓立国吴毅麒	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法	胡丹丹张忠婷	《智能系统学报》 CSCD 北大核心	2024	5	在线阅读下载PDF 职称材料
5	基于可见光与红外热图像的行车环境复杂场景分割	陈武阳赵于前阳春华张帆余伶俐陈白帆	《自动化学报》 EI CAS CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
6	基于改进YOLOX-s的机场跑道冰雪状态感知	邢志伟阚犇刘子硕李彪罗谦	《上海交通大学学报》 EI CAS CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料