期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合特征金字塔与可变形卷积的高密度群养猪计数方法 被引量：8
1
作者 王荣 高荣华 +3 位作者 李奇峰 冯璐 白强 马为红 《农业机械学报》 EI CAS CSCD 北大核心 2022年第10期252-260,共9页
针对猪只人工计数方法消耗时间和劳动力,育肥猪较为活跃且喜好聚集,图像中存在大量的高密度区域,导致猪只之间互相粘连、遮挡等问题,基于SOLO v2实例分割算法,提出了一种自然养殖场景下融合多尺度特征金字塔与二代可变形卷积的高密度群... 针对猪只人工计数方法消耗时间和劳动力,育肥猪较为活跃且喜好聚集,图像中存在大量的高密度区域,导致猪只之间互相粘连、遮挡等问题,基于SOLO v2实例分割算法,提出了一种自然养殖场景下融合多尺度特征金字塔与二代可变形卷积的高密度群养猪计数模型。通过优化模型结构来减少计算资源的消耗与占用。将科大讯飞给出的猪只计数的公开数据集划分为猪只分割数据集和猪只盘点测试集,利用猪只分割数据集获得较好的分割模型,然后在猪只盘点测试集中测试盘点准确率,实现猪群分割和猪只计数。实验结果表明,本文提出的高密度猪只计数模型的分割准确率达到96.7%,且模型内存占用量为256 MB,为改进前的2/3,实现了遮挡、粘连和重叠情况下的猪只个体高准确率分割。在含有500幅猪只图像计数测试集中,模型计算猪只数量误差为0时的图像数量为207幅,较改进前提高26%。模型计算猪只数量误差小于2头猪的图像数量占测试图像总数量的97.2%。模型计算猪只数量误差大于3头猪的图像数量占总体图像数量比例仅为1%。最后,对比基于YOLO v5的群养猪计数方法,本文模型具有更优的分割效果和计数准确率,验证了本文方法对群养猪只计数的有效性。因此,本文模型既实现了高密度猪群的精准计数,还通过优化模型结构大大降低了模型对计算设备的依赖,使其适用于养殖场内猪群在线计数。 展开更多
关键词 高密度群养猪 计数模型 实例分割 SOLO v2 多尺度特征金字塔网络 可变形卷积
在线阅读 下载PDF
基于改进YOLOv8的道路交通小目标车辆检测算法 被引量：3
2
作者 火久元 苏泓瑞 +1 位作者 武泽宇 王婷娟 《计算机工程》 北大核心 2025年第1期246-257,共12页
针对交通道路中小目标车辆存在的识别困难、检测精度低以及误检和漏检等问题,提出一种基于YOLOv8算法的大内核、多尺度梯度组合的道路交通小目标车辆检测模型RGGE-YOLOv8。首先,使用RepLayer模型替换YOLOv8网络的主干部分,引入大内核深... 针对交通道路中小目标车辆存在的识别困难、检测精度低以及误检和漏检等问题,提出一种基于YOLOv8算法的大内核、多尺度梯度组合的道路交通小目标车辆检测模型RGGE-YOLOv8。首先,使用RepLayer模型替换YOLOv8网络的主干部分,引入大内核深度可分离卷积结构,拓展上下文信息,以增强模型对小目标的信息捕获能力;其次,使用GIoU代替原损失函数,解决IoU在预测框与真实框没有重叠时存在的无法优化问题;然后,引入全局注意力机制(GAM),通过减少信息丢失并增强全局交互信息来提高网络的特征表达能力;最后,引入CSPNet并重参化梯度组合特征金字塔,使得模型具有较大感受野和高形状偏差。实验结果表明,RGGE-YOLOv8在Visdrone数据集和自有数据集上mAP@0.5指标分别达到34.8%和94.7%,相较于原始YOLOv8n算法精度分别提高了2.2和5.51百分点,证明了RGGE-YOLOv8模型对道路小目标车辆检测的有效性。 展开更多
关键词 YOLOv8 小目标检测 深度学习 多尺度特征金字塔 注意力机制
在线阅读 下载PDF
基于多特征交叉融合及跨层级联的航拍目标检测算法 被引量：4
3
作者 高武奇 杨婷 李亮亮 《西北工业大学学报》 EI CAS CSCD 北大核心 2023年第6期1179-1189,共11页
复杂条件下特殊目标的精确检测是增强特定场景态势生成和预测能力的关键因素。目前的技术不能克服航拍视频中出现的烟雾和遮挡干扰、目标高度变化、尺度不一等问题。因此,提出一个多特征交叉融合及跨层级联的航拍特殊目标检测算法(YOLOv... 复杂条件下特殊目标的精确检测是增强特定场景态势生成和预测能力的关键因素。目前的技术不能克服航拍视频中出现的烟雾和遮挡干扰、目标高度变化、尺度不一等问题。因此,提出一个多特征交叉融合及跨层级联的航拍特殊目标检测算法(YOLOv5-MFLC)。针对实际特殊目标保密性高、航拍图像资源匮乏的问题,构建了一个基于真实场景的航拍特殊目标数据集,并采用随机拼接和随机提取嵌入的方法进行数据增强以提高目标多样性和泛化性;针对复杂背景干扰问题,构建了多特征交叉融合注意力机制,增强了目标特征的可用信息;针对航拍图像中目标多尺度问题,设计了跨层级联多尺度特征融合金字塔,提高了跨尺度目标的检测准确率。实验结果表明,与现有的先进检测模型相比,所提算法的检测准确率有较大提升,算法平均准确率可达到81.0%,相比于原始网络提升了5.2%,特别是,在更小的目标类别“person”中达到了55.9%,提升了9.4%,进一步表明了所提改进算法对小目标检测的有用性。同时,所提算法的检测速率可以达56 frame/s,能够有效地实现实际复杂场景特殊目标的准确、快速检测,对特殊目标的识别具有一定的指导意义。 展开更多
关键词 航拍图像 目标检测 YOLOv5 融合注意力机制 多尺度特征金字塔
在线阅读 下载PDF
基于双重注意力与精确特征分布匹配的车辆重识别 被引量：2
4
作者 徐岩 潘旭光 +1 位作者 郭晓燕 刘香兰 《计算机工程与应用》 CSCD 北大核心 2023年第23期114-124,共11页
为了解决目前车辆重识别方法细粒度特征提取能力弱、域泛化能力差的问题,提出了一种基于双重注意力与精确特征分布匹配的车辆重识别方法。提出一种新的双重注意力机制,使用WideResNet50与双重注意力模块构建多细粒度特征提取网络的前置... 为了解决目前车辆重识别方法细粒度特征提取能力弱、域泛化能力差的问题,提出了一种基于双重注意力与精确特征分布匹配的车辆重识别方法。提出一种新的双重注意力机制,使用WideResNet50与双重注意力模块构建多细粒度特征提取网络的前置部分,用于高效建模全局上下文信息并增强对车辆细粒度特征的提取能力。将基于精确特征分布匹配的风格迁移策略融入浅层主干来增强源域的域多样性,实现数据增广,从而有效提升车辆重识别的跨域性能和特征表达能力。提出了一种逐深度多尺度特征金字塔结构来加强特征提取,整合不同尺度特征层的多层次信息,并将该结构输出的车辆特征采用特征图分割的思想来突出局部细粒度信息,提升模型对车辆细粒度信息的敏感度。引入Tuplet边际损失来缓解最困难样本的过拟合问题。在两个大型基准车辆数据集VeRi-776和VehicleID上的实验结果表明,所提出算法在单域和跨域任务上都具有较好的重识别效果。 展开更多
关键词 双重注意力机制 精确特征分布匹配 多尺度特征金字塔 车辆重识别 深度学习
在线阅读 下载PDF
复杂城市交通场景下的自动驾驶语义分割方法 被引量：3
5
作者 周勇 刘泓滨 侯亚东 《电子测量与仪器学报》 CSCD 北大核心 2024年第4期241-247,共7页
多尺度特征金字塔可以缓解语义分割在复杂交通场景下通常存在漏分割、错误分割、边界分割不清晰等问题,但现有的多尺度特征金字塔在获取丰富的语义信息时,不得不下采样特征图,牺牲空间细节信息,而这导致了最终的分割结果仍然精度受限。... 多尺度特征金字塔可以缓解语义分割在复杂交通场景下通常存在漏分割、错误分割、边界分割不清晰等问题,但现有的多尺度特征金字塔在获取丰富的语义信息时,不得不下采样特征图,牺牲空间细节信息,而这导致了最终的分割结果仍然精度受限。针对该问题,本文提出了特征强化模块,使得有利于正确分类像素的相似特征在下采样过程之前得到基于不同矢量间余弦相似度的进一步加强,降低下采样带来的负面影响。另外,结合空洞卷积和条带卷积原理,本文对大卷积核进行了改造,并构建新的多尺度特征金字塔模块,以获取尺度不同且具备更大感受野的语义信息。该分割方法实时高效,能够满足自动驾驶语义分割要求,在VOC2012数据集上的实验表明,所提出的方法分割结果mIoU达到了74.36%,FPS达到了43,优于目前的主流语义分割方法。 展开更多
关键词 语义分割 自动驾驶 特征强化模块 多尺度特征金字塔 相似特征
在线阅读 下载PDF
融合大核注意力卷积的轻量化图像篡改定位算法 被引量：2
6
作者 王宏 钱清 +1 位作者 王欢 龙永 《计算机应用》 CSCD 北大核心 2023年第9期2692-2699,共8页
卷积神经网络(CNN)因辨识度高、易于理解、可学习性强而被用于图像取证,但它固有的感受野增加缓慢、忽略长端依赖性、计算量庞大等缺点导致深度学习算法的精度与轻量化部署效果并不理想,不适用于以轻量化形式实现图像篡改定位的场景。... 卷积神经网络(CNN)因辨识度高、易于理解、可学习性强而被用于图像取证,但它固有的感受野增加缓慢、忽略长端依赖性、计算量庞大等缺点导致深度学习算法的精度与轻量化部署效果并不理想,不适用于以轻量化形式实现图像篡改定位的场景。为解决上述问题,提出一种基于轻量化网络的图像复制-粘贴篡改检测算法——LKA-EfficientNet(Large Kernel Attention EfficientNet)。LKA-EfficientNet具有长端依赖性和全局感受野的特性,且优化了EfficientNetV2的参数量,提高了图像篡改定位速度和精度。首先,将输入图像通过基于大核注意力(LKA)卷积的基干网络进行处理,得到候选特征图;随后,使用不同尺寸的特征图构建特征金字塔进行特征匹配;最后,将特征匹配后的特征图进行融合以定位图像篡改区域;此外,LKA-EfficientNet使用三元组交叉熵损失函数进一步提升了算法定位篡改图像的精度。实验结果表明,LKA-EfficientNet与同类型的Dense-InceptionNet算法相比,不仅能够降低29.54%的浮点运算量,而且F1分数也提高了4.88%,验证了LKA-EfficientNet可以在保持高检测性能的同时降低计算量。 展开更多
关键词 图像篡改检测 轻量化网络 注意力机制 多尺度特征金字塔 被动取证
在线阅读 下载PDF
多分辨率融合输入的U型视网膜血管分割算法 被引量：7
7
作者 梁礼明 詹涛 +2 位作者 雷坤 冯骏 谭卢敏 《电子与信息学报》 EI CSCD 北大核心 2023年第5期1795-1806,共12页
针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代... 针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代替传统卷积,优化血管分割边界特征;将并行空间激活模块嵌入其中,捕获更多的语义和空间信息。构架另一U型精细分割网络,提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合,抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合,以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验,其准确率分别为97.00%,97.47%和97.48%,灵敏度分别为82.73%,82.86%和83.24%,曲线下的面积(AUC)值分别为98.74%,98.90%和98.93%。其模型整体性能优于现有算法。 展开更多
关键词 视网膜血管分割 U型网络 并行空间激活模块 多尺度密集特征金字塔模块 双重损失函数融合
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部