检索结果-维普期刊中文期刊服务平台

基于融合卷积神经网络的车辆多目标检测方法: 1; 作者曹佳郑秋梅段泓舟《激光杂志》北大核心 2025年第1期208-213,共6页; 在实际场景中,车辆目标往往会被其他车辆、建筑物等对象遮挡,背景也可能非常复杂,为了保障检测精度,提出一种基于融合卷积神经网络的车辆多目标检测方法。采用激光雷达采集车辆目标图像,将采集的车辆行驶图像根据其车道线特征划分为两... 展开更多; 关键词卷积神经网络车道线划分感兴趣区域ROI 可变形卷积神经网络车辆多目标检测; 在线阅读下载PDF 职称材料

基于边缘信息的轻量化图像去雾卷积神经网络: 2; 作者常可铮李耀成杨得武《信息技术与信息化》 2024年第9期63-66,共4页; 由于在采用CCD/CMOS传感器进行图像采集时,可能会存在严重的信息退化,单图像去雾处理是一个具有挑战性的不适定问题。然而,现有的基于深度学习的单图像去雾方法只采用清晰和有雾的图像对来指导去雾网络的训练,忽视了图像内存在的非均匀... 展开更多; 关键词图像去雾边缘先验可变形卷积神经网络真实雾气; 在线阅读下载PDF 职称材料

基于可变形卷积与特征融合的机场道面裂缝检测算法被引量：7: 3; 作者李海丰景攀韩红阳《南京航空航天大学学报》 CAS CSCD 北大核心 2021年第6期981-988,共8页; 机场道面裂缝具有形态多变、宽度狭小、长短不一、且空间走势呈自由曲线的不规则特征,现有算法检测效果不佳。针对此问题,本文构建了一种基于可变形卷积与特征融合的神经网络(Deformable convolution and feature fusion neural network... 展开更多; 关键词人工智能机场道面裂缝检测可变形卷积与特征融合的神经网络可变形卷积多尺度卷积特征融合; 在线阅读下载PDF 职称材料

以改进机器视觉算法构建纸张图像识别模型被引量：2: 4; 作者牟海荣陆蕊《造纸科学与技术》 2024年第2期60-62,81,共4页; 为保障纸张生产加工质量,精准获取与识别纸张缺陷,以改进机器视觉算法构建了纸张图像识别模型。首先以由线阵CCD相机与双光源等构成的图像采集装备采集纸张缺陷图像,其次以改进机器视觉方法对纸张缺陷图像进行预处理分析,然后将预处理... 展开更多; 关键词机器视觉可变形卷积神经网络纸张缺陷图像识别模型构建; 在线阅读下载PDF 职称材料

题名基于融合卷积神经网络的车辆多目标检测方法: 1; 作者曹佳郑秋梅段泓舟; 机构牡丹江师范学院计算机与信息技术学院中国石油大学(华东)计算机与信息技术学院; 出处《激光杂志》北大核心 2025年第1期208-213,共6页; 基金黑龙江省教育厅青年培育项目(No.1354MSYQN021)。; 文摘在实际场景中,车辆目标往往会被其他车辆、建筑物等对象遮挡,背景也可能非常复杂,为了保障检测精度,提出一种基于融合卷积神经网络的车辆多目标检测方法。采用激光雷达采集车辆目标图像,将采集的车辆行驶图像根据其车道线特征划分为两侧区域,将车道线以内的区域作为车辆多目标检测初始感兴趣区域(ROI),在ROI中采用车底阴影假设区域分割法获取车辆检测目标的假设区域。在原始卷积神经网络的基础上作进一步优化,设计可变形卷积神经网络(DF-R-CNN)模型,将得到的假设区域作为网络模型所需的车辆多目标检测候选区域,通过该模型实现车辆多目标的精准检测。实验结果表明,所提方法的召回率最高值达到了85%,损失函数最低值约为1.8,说明其具有较高的检测精度和检测效果。; 关键词卷积神经网络车道线划分感兴趣区域ROI 可变形卷积神经网络车辆多目标检测; Keywords convolutional neural networks lane line division ROI of region of interest deformable convolutional neural network vehicle multi-target detection; 分类号 TN249 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名基于边缘信息的轻量化图像去雾卷积神经网络: 2; 作者常可铮李耀成杨得武; 机构西北机电工程研究所; 出处《信息技术与信息化》 2024年第9期63-66,共4页; 文摘由于在采用CCD/CMOS传感器进行图像采集时,可能会存在严重的信息退化,单图像去雾处理是一个具有挑战性的不适定问题。然而,现有的基于深度学习的单图像去雾方法只采用清晰和有雾的图像对来指导去雾网络的训练,忽视了图像内存在的非均匀的细节信息,从而导致去雾网络的处理过程是全局的,导致某些原有信息丢失,同时对于非均匀雾气也不能很好地去除。还有部分算法采用先验信息对图像去雾进行引导,如DCP(暗通道先验)、颜色先验、物理模型先验等。这些方法可以为图像去雾提供一定的先验信息,从而增强图像去雾效果。此外,还有部分方法针对去雾任务来设计网络模型和函数,这些算法通常在去雾指标峰值信噪比、结构相似度上能够取得较好的成绩,然而恢复无雾图像的主观评价往往不尽如人意,真实的雾气图像去雾中并不能去除非均匀的雾气,同时导致图像存在一定的颜色失真。对此,提出一种基于边缘对应峰值信噪比的先验方法,通过检测图像的边缘信息,评估相应的峰值信噪比,从而估测图像中雾气存在的主要区域,以边缘信息作为先验来引导图像去雾网络。此外,还设计了一种基于边缘先验引导模块的可变形卷积网络,利用图像的雾气特征进行引导,从而增强去雾网络恢复图像能力。所提出的算法在合成和真实数据集的广泛实验上均展现了较好的结果。; 关键词图像去雾边缘先验可变形卷积神经网络真实雾气; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP183 [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

题名基于可变形卷积与特征融合的机场道面裂缝检测算法被引量：7: 3; 作者李海丰景攀韩红阳; 机构中国民航大学计算机科学与技术学院; 出处《南京航空航天大学学报》 CAS CSCD 北大核心 2021年第6期981-988,共8页; 基金国家重点研发计划(2019YFB1310601)资助项目。; 文摘机场道面裂缝具有形态多变、宽度狭小、长短不一、且空间走势呈自由曲线的不规则特征,现有算法检测效果不佳。针对此问题,本文构建了一种基于可变形卷积与特征融合的神经网络(Deformable convolution and feature fusion neural network,DFNet)模型。首先由可变形卷积模块来强化特征提取网络对裂缝形态特征的学习;然后经多尺度卷积模块捕获不同感受野下裂缝的全局信息;最后通过特征融合模块来提取裂缝不同层次的特征,通过融合裂缝低级特征与高级特征,实现对机场道面裂缝的准确分割。在采集的实际机场道面裂缝数据集上,与其他6种现有算法进行了对比实验,本文算法在像素级分割的F1-Score上达到了90.95%,效果优于全部对比算法。DFNet算法提高了对机场道面裂缝检测的能力,实验结果表明本文算法较好地达到了工程实际要求。; 关键词人工智能机场道面裂缝检测可变形卷积与特征融合的神经网络可变形卷积多尺度卷积特征融合; Keywords artificial intelligence airport pavement crack detection deformable convolution and feature fusion neural network(DFNet) deformable convolution multi-scale convolution feature fusion; 分类号 V351.11 [航空宇航科学与技术—人机与环境工程]; 在线阅读下载PDF 职称材料

题名以改进机器视觉算法构建纸张图像识别模型被引量：2: 4; 作者牟海荣陆蕊; 机构广州城建职业学院; 出处《造纸科学与技术》 2024年第2期60-62,81,共4页; 基金广东省普通高校特色创新类项目(2022KTSCX377)。; 文摘为保障纸张生产加工质量,精准获取与识别纸张缺陷,以改进机器视觉算法构建了纸张图像识别模型。首先以由线阵CCD相机与双光源等构成的图像采集装备采集纸张缺陷图像,其次以改进机器视觉方法对纸张缺陷图像进行预处理分析,然后将预处理后图案以可变形卷积神经网络输入进行训练,以此检测识别纸张所存在的缺陷类型。实验测试结果表明,基于改进机器视觉算法的纸张图像识别模型可高效且精准识别缺陷,准确率高达98.4%,拥有较高识别度,可广泛推广以投入实际运用。; 关键词机器视觉可变形卷积神经网络纸张缺陷图像识别模型构建; Keywords machine vision deformable convolutional neural network paper defects image recognition model building; 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	基于融合卷积神经网络的车辆多目标检测方法	曹佳郑秋梅段泓舟	《激光杂志》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于边缘信息的轻量化图像去雾卷积神经网络	常可铮李耀成杨得武	《信息技术与信息化》	2024	0	在线阅读下载PDF 职称材料
3	基于可变形卷积与特征融合的机场道面裂缝检测算法	李海丰景攀韩红阳	《南京航空航天大学学报》 CAS CSCD 北大核心	2021	7	在线阅读下载PDF 职称材料
4	以改进机器视觉算法构建纸张图像识别模型	牟海荣陆蕊	《造纸科学与技术》	2024	2	在线阅读下载PDF 职称材料