期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
结合跨尺度特征融合与瓶颈注意力模块的轻量型红外小目标检测网络 被引量:9
1
作者 林再平 李博扬 +6 位作者 李淼 王龙光 吴天昊 罗伊杭 肖超 李若敬 安玮 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2022年第6期1102-1112,共11页
提出一种结合跨尺度特征融合与瓶颈注意力模块的轻量型单帧红外小目标检测网络。该网络在不引入额外神经元的前提下,直接在编码层和解码层之间进行高频多尺度特征交互,从而维持小目标在网络深层的响应幅值,实现小目标浅层空间结构特征... 提出一种结合跨尺度特征融合与瓶颈注意力模块的轻量型单帧红外小目标检测网络。该网络在不引入额外神经元的前提下,直接在编码层和解码层之间进行高频多尺度特征交互,从而维持小目标在网络深层的响应幅值,实现小目标浅层空间结构特征与深层高级语义特征之间的交互融合。同时,该网络在编码器瓶颈处级联轻量型混合注意力模块,进一步增强目标特征在网络深层的响应幅值。实验结果表明,该网络能有效抑制复杂背景杂波,并以较低参数量实现红外小目标检测。 展开更多
关键词 红外小目标检测 型算法 尺度融合 瓶颈注意力模块
在线阅读 下载PDF
基于无人船的双分支解码轻量型分割网络研究
2
作者 刘丹 张建杰 《激光杂志》 CAS 北大核心 2024年第3期175-181,共7页
为保证水面无人艇(USVs)进行水上任务时能够顺利航行,需要对河道信息进行精确的提取,因此,对河道语义分割的网络模型进行了研究。针对河道图像分割中类间不一致和类内不一致的问题,文中提出了分割网络DBDL-Net,网络中设计双分支解码结... 为保证水面无人艇(USVs)进行水上任务时能够顺利航行,需要对河道信息进行精确的提取,因此,对河道语义分割的网络模型进行了研究。针对河道图像分割中类间不一致和类内不一致的问题,文中提出了分割网络DBDL-Net,网络中设计双分支解码结构和双重损失函数,分别把握语义信息和空间信息;同时在编码部分设计了多尺度残差的轻量模块,一方面减少参数,一方面以不同的比例捕捉特征信息。最后在USVIn-land数据集上对模型进行消融和对比实验,实验结果表明:DBDL-Net的精确度和平均交并比最终达到了93.619%和87.682%,与其他先进分割网络相比,DBDL-Net也具有更佳的综合表现。 展开更多
关键词 水面无人艇 DBDL-Net 双分支解码结构 双重损失函数 多尺度残差的轻量模块
在线阅读 下载PDF
基于模块化爬壁机器人和改进DeepLabv3+的桥墩裂缝检测研究
3
作者 董绍江 尹玉柱 +1 位作者 吕振鸣 张佳伟 《重庆交通大学学报(自然科学版)》 北大核心 2025年第6期115-122,共8页
针对大型混凝土桥梁桥墩结构表面裂缝存在连续性差、背景干扰大,且一般深度学习裂缝检测模型参数量大等问题,为安全、快速、准确地检测壁面裂缝,笔者提出了一种改进的轻量化DeepLabv3+裂缝分割模型与模块化爬壁机器人相结合的检测方案... 针对大型混凝土桥梁桥墩结构表面裂缝存在连续性差、背景干扰大,且一般深度学习裂缝检测模型参数量大等问题,为安全、快速、准确地检测壁面裂缝,笔者提出了一种改进的轻量化DeepLabv3+裂缝分割模型与模块化爬壁机器人相结合的检测方案。以模块化爬壁机器人为载体,通过各模块的自组式连接实现在复杂环境的爬行驱动,搭载图像采集设备进行桥墩表观病害数据采集作业;同时基于DeepLabv3+框架,通过改进部分网络结构以及添加各检测模块构,构建一种聚合多尺度信息的轻量级检测模型,并部署至上位机系统。最终检测结果表明:笔者模型在Crack-wall裂缝数据集上平均检测精度达到86.96%,相比原模型精度提升6.26%,交并比提高8.44%,召回率提高8.76%,且模型大小仅为10.613 M,具有较高检测精度以及实时检测效果,笔者所提检测方案具有可行性并成功将其应用于实际项目中。 展开更多
关键词 桥梁工程 裂缝分割 爬壁机器人 模块化设计 多尺度 实时
在线阅读 下载PDF
基于参数轻量化的井下人体实时检测算法 被引量:6
4
作者 董昕宇 师杰 张国英 《工矿自动化》 北大核心 2021年第6期71-78,共8页
针对现有井下人员目标检测方法因网络较深、计算量庞大而不能达到实时检测效果的问题,提出了一种基于参数轻量化的井下人体实时检测算法。采用深度可分离卷积模块和倒置残差模块构建轻量级特征提取网络:通过深度可分离卷积压缩参数量和... 针对现有井下人员目标检测方法因网络较深、计算量庞大而不能达到实时检测效果的问题,提出了一种基于参数轻量化的井下人体实时检测算法。采用深度可分离卷积模块和倒置残差模块构建轻量级特征提取网络:通过深度可分离卷积压缩参数量和运算量,提升特征提取网络的运算速度;倒置残差模块通过更高维度的张量来提取足够多的信息,保证特征提取网络的精确度。结合轻量级特征提取网络和SSD多尺度检测方法建立井下人体实时检测模型,该模型在轻量级倒置残差特征提取网络的基本结构上增添传统卷积层至27层进行卷积操作,其中6层特征图被抽取进行多尺度预测,测试结果表明,该模型的大小为18 MB,帧率约为35帧/s,性能优于常用的VGG16+Faster R-CNN模型和VGG16+多尺度检测模型。为适应井下特定环境的目标检测需求,设计了基于Faster R-CNN的人体数据半自动标注方法,可显著减少人工工作量,提高井下人体检测精度。利用矿工服装颜色信息对检测结果框进行二次筛选,剔除将背景检测为人体的误检框。测试结果表明,该算法实现了采煤工作面人员实时定位检测及框选,精度达92.86%,召回率为98.11%,有效解决了井下人员漏检及误检问题。 展开更多
关键词 采煤工作面 井下人体实时检测 深度可分离卷积模块 倒置残差模块 参数 多尺度检测 半自动标注
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部