-
题名双重细化门控自适应融合的道路裂缝检测算法
- 1
-
-
作者
冯永安
张紫扬
张旭
-
机构
辽宁工程技术大学软件学院
-
出处
《计算机科学与探索》
北大核心
2025年第11期2981-2993,共13页
-
基金
国家自然科学基金面上项目(51874166,52274206)
国家自然科学基金青年基金(51904144)。
-
文摘
道路裂缝存在缺陷类型多样、异常区域复杂等特点,当前的目标检测算法在通道和空间维度存在冗余的特征处理、阶段信息的盲目式融合等问题,导致网络效率低、关键信息丢失。提出了一种双重细化门控自适应融合网络(DR-DETR),在潜在空间中实现特征在通道和空间维度上的双重精细化处理,解决上述问题的同时,也提高了道路裂缝的检测精度。构建一种通道-空间双重细化的信息蒸馏机制,分别对通道和空间维度内冗余的特征进行信息蒸馏,减少网络对特征的冗余处理,实现关键性特征的高效表征;针对阶段性特征的粗粒度融合,提出了特征信息门控自适应融合模块(FGAF-Fusion),利用增强型条带大核卷积获取全局信息,借助对比感知注意力实现通道间的交互和融合,同时利用门控自适应融合机制筛选出关键性的小目标语义信息;设计Res-DCNv3模块,利用DCNv3可变形卷积的灵活性来精确提取形态各异的道路裂缝特征。在RDD2022公开数据集中的实验结果显示,提出的DRDETR在mAP0.50和mAP0.50:0.95分别达到了51.7%和24.9%,相较于RT-DETR分别提升了4.2和3.3个百分点。在道路裂缝目标检测任务中,提出的DR-DETR可以有效检测出不同类型的道路缺陷,展现出极具竞争性的检测结果和良好的鲁棒性。
-
关键词
缺陷检测
双重细化
门控自适应融合
RT-DETR
可变形卷积
-
Keywords
defect detection
dual refinement
gate-controlled adaptive fusion
RT-DETR
deformable convolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名复杂场景下的行人跌倒检测算法
被引量：5
- 2
-
-
作者
方可
刘蓉
魏驰宇
张心月
刘杨
-
机构
华中师范大学物理科学与技术学院
-
出处
《计算机应用》
CSCD
北大核心
2023年第6期1811-1817,共7页
-
基金
国家社会科学基金资助项目(19BTQ005)。
-
文摘
随着人口老龄化程度的不断深化,跌倒检测成为医疗与健康领域的一个关键问题。针对复杂场景下跌倒检测算法准确率偏低的问题,提出一种改进的跌倒检测模型——PDD-FCOS(PVT DRFPN DIoU-Fully Convolutional One-Stage object detection)。在基准FCOS算法的骨干网络中引入金字塔视觉转换器(PVT),以不增加计算量为前提提取更丰富的语义信息;在特征信息融合阶段插入双重细化特征金字塔网络(DRFPN),更加准确地学习特征图之间采样点的位置和其他信息,并通过上下文信息捕获特征通道之间更准确的语义关系,从而提升检测性能;训练阶段采用距离交并比(DIoU)损失进行边界框回归,通过优化预测框与目标框中心点的距离,使回归框收敛得更快更准确,从而有效提高跌倒检测算法的准确率。实验结果表明,所提模型在开源数据集Fall detection Database上平均精确度均值(mAP)达到82.2%,与基准FCOS算法相比,所提算法的mAP提升了6.4个百分点,且相较于其他主流目标检测算法有精度上的提升以及更好的泛化能力。
-
关键词
目标检测
行人跌倒检测
金字塔视觉转换器
注意力机制
双重细化特征金字塔网络
距离交并比
-
Keywords
object detection
pedestrian fall detection
Pyramid Vision Transformer(PVT)
attention mechanism
Double Refinement Feature Pyramid Networks(DRFPN)
Distance Intersection over Union(DIoU)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
