期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改进YOLOX的SAR近岸区域船只检测方法
被引量：
2
1
作者
刘霖
肖嘉荣
+2 位作者
王晓蓓
张德生
喻忠军
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第1期44-53,共10页
针对SAR近岸区域船只检测准确率低与虚警率高的问题,提出一种基于改进注意力机制与旋转框的SAR近岸区域船只检测方法。该方法首先通过改进坐标注意力机制并引入至特征提取网络中,提升网络的特征提取能力;其次,增加角度分类头,并引入二...
针对SAR近岸区域船只检测准确率低与虚警率高的问题,提出一种基于改进注意力机制与旋转框的SAR近岸区域船只检测方法。该方法首先通过改进坐标注意力机制并引入至特征提取网络中,提升网络的特征提取能力;其次,增加角度分类头,并引入二维高斯分布,计算预测分布与目标分布的KL散度评估旋转框损失值,完成目标的角度信息提取;再基于YOLOX算法中的无锚框(AF)机制,减少候选框冗余,使模型轻量化并进一步提高定位精度。最后在公开数据集offical-ssdd上进行测试,在嵌入式平台(NVIDIA Jetson AGX Xavier)上对模型进行推理验证。该算法模型计算参数仅1.14 M,在近岸情况下平均检测精度较YOLOX模型提高了18.77%,总体检测精度达到94.2%。验证结果表明,该算法适用于复杂场景下任意方向的密集船只目标检测,满足实时处理需求。
展开更多
关键词
改进坐标注意力机制
近岸区域
旋转目标框
SAR
船只检测
在线阅读
下载PDF
职称材料
深度学习的红外热成像电路板元器件识别研究
被引量：
1
2
作者
张林鍹
郑兴
+3 位作者
陈飞
李名洪
邱朝洁
常乾坤
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第4期560-567,共8页
针对现有YOLO目标检测算法在自建数据集漏检率高、图像受复杂环境影响造成检测准确率低等问题,提出一种基于YOLO v5改进的红外图像识别算法。根据红外数据图片的独特性质,重新设计主干网络部分,引入全维动态卷积(OMNI-Dimensional Dynam...
针对现有YOLO目标检测算法在自建数据集漏检率高、图像受复杂环境影响造成检测准确率低等问题,提出一种基于YOLO v5改进的红外图像识别算法。根据红外数据图片的独特性质,重新设计主干网络部分,引入全维动态卷积(OMNI-Dimensional Dynamic Convolution, ODConv)模块和改进坐标注意力(Coordinate Attention, CA)机制,提高模型对小目标的检测精确度并减少参数量;其次,引入解耦头(Decoupled Head, DH)模块,提高模型训练的收敛速度;最后,加入GSConv(Graph-Shifted Convolution) Slim模块,以降低模型的复杂度,提高预测速度。实验结果表明:改进后的算法模型漏检率降低40.22%,每秒浮点运算次数(Floating-point Operations Per Second, FLOPs)提升了25%,平均准确率提升了28.32%。
展开更多
关键词
红外热成像
YOLO
v5
全维动态卷积
改进
解耦头
改进坐标注意力机制
GSConv
Slim模块
在线阅读
下载PDF
职称材料
题名
改进YOLOX的SAR近岸区域船只检测方法
被引量：
2
1
作者
刘霖
肖嘉荣
王晓蓓
张德生
喻忠军
机构
电子科技大学信息与通信工程学院
中国科学院空天信息创新研究院
中国科学院大学电子电气与通信工程学院
出处
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第1期44-53,共10页
文摘
针对SAR近岸区域船只检测准确率低与虚警率高的问题,提出一种基于改进注意力机制与旋转框的SAR近岸区域船只检测方法。该方法首先通过改进坐标注意力机制并引入至特征提取网络中,提升网络的特征提取能力;其次,增加角度分类头,并引入二维高斯分布,计算预测分布与目标分布的KL散度评估旋转框损失值,完成目标的角度信息提取;再基于YOLOX算法中的无锚框(AF)机制,减少候选框冗余,使模型轻量化并进一步提高定位精度。最后在公开数据集offical-ssdd上进行测试,在嵌入式平台(NVIDIA Jetson AGX Xavier)上对模型进行推理验证。该算法模型计算参数仅1.14 M,在近岸情况下平均检测精度较YOLOX模型提高了18.77%,总体检测精度达到94.2%。验证结果表明,该算法适用于复杂场景下任意方向的密集船只目标检测,满足实时处理需求。
关键词
改进坐标注意力机制
近岸区域
旋转目标框
SAR
船只检测
Keywords
improved coordinate-attention
inshore region
rotation anchor
SAR
ship detection
分类号
TN957.52 [电子电信—信号与信息处理]
U675.79 [交通运输工程—船舶及航道工程]
在线阅读
下载PDF
职称材料
题名
深度学习的红外热成像电路板元器件识别研究
被引量：
1
2
作者
张林鍹
郑兴
陈飞
李名洪
邱朝洁
常乾坤
机构
清华大学国家计算机集成制造系统工程技术研究中心
新疆大学电气工程学院
新疆维吾尔自治区特种设备检验研究院
出处
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第4期560-567,共8页
基金
新疆维吾尔自治区自然科学基金(2022D01C431)。
文摘
针对现有YOLO目标检测算法在自建数据集漏检率高、图像受复杂环境影响造成检测准确率低等问题,提出一种基于YOLO v5改进的红外图像识别算法。根据红外数据图片的独特性质,重新设计主干网络部分,引入全维动态卷积(OMNI-Dimensional Dynamic Convolution, ODConv)模块和改进坐标注意力(Coordinate Attention, CA)机制,提高模型对小目标的检测精确度并减少参数量;其次,引入解耦头(Decoupled Head, DH)模块,提高模型训练的收敛速度;最后,加入GSConv(Graph-Shifted Convolution) Slim模块,以降低模型的复杂度,提高预测速度。实验结果表明:改进后的算法模型漏检率降低40.22%,每秒浮点运算次数(Floating-point Operations Per Second, FLOPs)提升了25%,平均准确率提升了28.32%。
关键词
红外热成像
YOLO
v5
全维动态卷积
改进
解耦头
改进坐标注意力机制
GSConv
Slim模块
Keywords
infrared image
YOLO v5
ODConv
improved decoupling head
improved coordinate attention mechanism
GSConv Slim module.
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
作者
出处
发文年
被引量
操作
1
改进YOLOX的SAR近岸区域船只检测方法
刘霖
肖嘉荣
王晓蓓
张德生
喻忠军
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
2
深度学习的红外热成像电路板元器件识别研究
张林鍹
郑兴
陈飞
李名洪
邱朝洁
常乾坤
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
