检索结果-维普期刊中文期刊服务平台

多特征融合和改进神经网络的运动视频镜头转换检测被引量：3: 1; 作者温宇《现代电子技术》 2021年第1期74-77,共4页; 针对当前单一特征无法描述体育视频镜头转换信息,以及传统神经网络收敛速度慢等缺陷,为了提高体育视频镜头转换检测正确率,设计了一种多特征融合和改进神经网络的体育视频镜头转换检测方法。首先,采集体育视频镜头转换数据并提取多特征... 展开更多; 关键词体育视频镜头转换特征融合神经网络改进检测模型仿真实验; 在线阅读下载PDF 职称材料

单阶段多框检测器无人机航拍目标识别方法被引量：9: 2; 作者朱槐雨李博《计算机应用》 CSCD 北大核心 2021年第11期3234-3241,共8页; 无人机(UAV)航拍图像视野开阔,图像中的目标较小且边缘模糊,而现有单阶段多框检测器(SSD)目标检测模型难以准确地检测航拍图像中的小目标。为了有效地解决原有模型容易漏检的问题,借鉴特征金字塔网络(FPN)提出了一种基于连续上采样的SS... 展开更多; 关键词航拍图像卷积神经网络目标检测单阶段多框检测器特征融合; 在线阅读下载PDF 职称材料

基于IFSSD卷积神经网络的柚子采摘目标检测模型被引量：16: 3; 作者肖德琴蔡家豪 +3 位作者林思聪杨秋妹谢晓君郭婉怡《农业机械学报》 EI CAS CSCD 北大核心 2020年第5期28-35,97,共9页; 为了解决柚子采摘时传统水果检测模型对于小目标柚子漏检和将叶子误检为膨大期柚子的问题,设计了一种改进的特征融合单镜头检测器(InceptionV3-feature fusion single shot-multibox detector,IFSSD)。该检测器以特征融合单发多盒探测器... 展开更多; 关键词柚子采摘实时检测深度学习特征融合改进的特征融合单镜头检测器; 在线阅读下载PDF 职称材料

复杂背景下的小目标检测算法被引量：17: 4; 作者郑浦白宏阳 +1 位作者李伟郭宏伟《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第9期1777-1784,共8页; 提出一种改进的多类别单阶检测器(SSD)算法.借鉴特征金字塔算法的思想,将Conv4-3层的特征与Conv7、Conv3-3层的特征进行融合,同时增加融合后特征图每个位置对应的默认框数量.在网络结构中增加裁剪-权重分配网络(SENet),对每层的特征通... 展开更多; 关键词深度学习目标检测多类别单阶检测器(SSD)算法特征融合特征增强; 在线阅读下载PDF 职称材料

基于改进SSD的食物浪费行为识别方法被引量：2: 5; 作者杨永闯王昊王新良《计算机工程与设计》北大核心 2023年第8期2523-2530,共8页; 为更准确地识别现实生活中复杂环境下的食品浪费行为,提出一种改进单激发多盒检测器(SSD)算法,增强算法在检测遮挡对象时的鲁棒性。将SSD基础网络替换成Resnet,增强特征提取能力。以实际应用中数据集真实框大小为依据,重新设计SSD检测... 展开更多; 关键词浪费行为检测遮挡对象单激发多盒检测器特征提取默认框比例通道注意力模块双向融合特征金字塔网络; 在线阅读下载PDF 职称材料

题名多特征融合和改进神经网络的运动视频镜头转换检测被引量：3: 1; 作者温宇; 机构黔南民族师范学院; 出处《现代电子技术》 2021年第1期74-77,共4页; 基金黔南民族师范学院校级项目(qnsy2018048)。; 文摘针对当前单一特征无法描述体育视频镜头转换信息,以及传统神经网络收敛速度慢等缺陷,为了提高体育视频镜头转换检测正确率,设计了一种多特征融合和改进神经网络的体育视频镜头转换检测方法。首先,采集体育视频镜头转换数据并提取多特征向量,以更加完整反映体育视频镜头转换信息;然后,针对BP神经网络的连接权值确定缺陷,对神经网络进行改进,建立更优的体育视频镜头转换检测模型;最后,采用具体体育视频镜头转换检测仿真实验对文中设计方法进行验证性测试,该方法的体育视频镜头转换检测正确率超过95%,误检率远远低于其他体育视频镜头转换检测方法。; 关键词体育视频镜头转换特征融合神经网络改进检测模型仿真实验; Keywords sports video shot conversion feature fusion neural network improvement detection model simulation experiment; 分类号 TN948.47-34 [电子电信—信号与信息处理] 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

题名单阶段多框检测器无人机航拍目标识别方法被引量：9: 2; 作者朱槐雨李博; 机构电子科技大学机械与电气工程学院电子科技大学中山学院机电工程学院; 出处《计算机应用》 CSCD 北大核心 2021年第11期3234-3241,共8页; 文摘无人机(UAV)航拍图像视野开阔,图像中的目标较小且边缘模糊,而现有单阶段多框检测器(SSD)目标检测模型难以准确地检测航拍图像中的小目标。为了有效地解决原有模型容易漏检的问题,借鉴特征金字塔网络(FPN)提出了一种基于连续上采样的SSD模型。改进SSD模型将输入图像尺寸调整为320×320,新增Conv3_3特征层,将高层特征进行上采样,并利用特征金字塔结构对VGG16网络前5层特征进行融合,从而增强各个特征层的语义表达能力,同时重新设计先验框的尺寸。在公开航拍数据集UCAS-AOD上训练并验证,实验结果表明,所提改进SSD模型的各类平均精度均值(mAP)达到了94.78%,与现有SSD模型相比,其准确率提升了17.62%,其中飞机类别提升了4.66%,汽车类别提升了34.78%。; 关键词航拍图像卷积神经网络目标检测单阶段多框检测器特征融合; Keywords aerial image Convolution Neural Network(CNN) target detection Single Shot multibox Detector(SSD) feature fusion; 分类号 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IFSSD卷积神经网络的柚子采摘目标检测模型被引量：16: 3; 作者肖德琴蔡家豪林思聪杨秋妹谢晓君郭婉怡; 机构华南农业大学数学与信息学院广州中医药大学医学信息工程学院; 出处《农业机械学报》 EI CAS CSCD 北大核心 2020年第5期28-35,97,共9页; 基金国家重点研发计划项目(2017YFD0701601) 广东省重点领域研发计划项目(2019B020217003、2019B020214005) 广东省科技计划项目(2015A020224034)。; 文摘为了解决柚子采摘时传统水果检测模型对于小目标柚子漏检和将叶子误检为膨大期柚子的问题,设计了一种改进的特征融合单镜头检测器(InceptionV3-feature fusion single shot-multibox detector,IFSSD)。该检测器以特征融合单发多盒探测器(Feature fusion single shot-multibox detector,FSSD)为基础检测器,以改进的InceptionV3网络作为骨干网络代替超深度卷积神经网络(Very deep convolutional networks 16,VGG16),从而提高了计算效率,同时使用Focal Loss损失函数代替Multibox Loss损失函数,进而改善了由于正负样本不平衡导致的检测器误检情况。对测试数据集进行检测,结果表明,该模型的检测准确率为93.7%(IoU大于0.5),在单个NVIDIA RTX 2060 GPU上每幅图像检测时间为29 s。本文模型可以实现树上柚子的自动检测。; 关键词柚子采摘实时检测深度学习特征融合改进的特征融合单镜头检测器; Keywords grapefruit picking real-time detection deep learning feature fusion IFSSD; 分类号 TP391.41 [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

题名复杂背景下的小目标检测算法被引量：17: 4; 作者郑浦白宏阳李伟郭宏伟; 机构南京理工大学能源与动力工程学院中国人民解放军; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第9期1777-1784,共8页; 基金国家自然科学基金资助项目(61603189).; 文摘提出一种改进的多类别单阶检测器(SSD)算法.借鉴特征金字塔算法的思想,将Conv4-3层的特征与Conv7、Conv3-3层的特征进行融合,同时增加融合后特征图每个位置对应的默认框数量.在网络结构中增加裁剪-权重分配网络(SENet),对每层的特征通道进行权重分配,提升有用的特征权重并抑制无效的特征权重.为了增强网络的泛化能力,对训练数据集进行一系列增强处理.实验结果表明,改进后的算法在VOC数据集(07+12)上的检测效果良好,平均精度均值为80.4%,比改进前的算法提高了2.7%;在COCO数据集(2017)上的平均精度均值为42.5%,比改进前的算法提高了2.3%.所提算法能够准确检测出不小于16×16像素的目标.; 关键词深度学习目标检测多类别单阶检测器(SSD)算法特征融合特征增强; Keywords deep learning target detection single-shot-multibox-detector(SSD)algorithm feature fusion feature enhancement; 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

题名基于改进SSD的食物浪费行为识别方法被引量：2: 5; 作者杨永闯王昊王新良; 机构河南理工大学物理与电子信息学院; 出处《计算机工程与设计》北大核心 2023年第8期2523-2530,共8页; 基金河南理工大学博士基金项目(B2017-57) 河南省高校基本科研业务费专项资金基金项目(NSFRF200335) +2 种基金河南理工大学基本科研业务费专项基金项目(NSFRF210460)。; 文摘为更准确地识别现实生活中复杂环境下的食品浪费行为,提出一种改进单激发多盒检测器(SSD)算法,增强算法在检测遮挡对象时的鲁棒性。将SSD基础网络替换成Resnet,增强特征提取能力。以实际应用中数据集真实框大小为依据,重新设计SSD检测时默认框的生成比例。通过添加SE模块,使模型在训练过程中增强重要通道信息。利用双向融合特征金字塔网络(BiFPN)对不同检测层中的特征进行融合。实验结果表明,改进后的SSD目标检测算法在自制的浪费行为数据集中检测精度达到88.49%,相比原始SSD提高了5.09%。; 关键词浪费行为检测遮挡对象单激发多盒检测器特征提取默认框比例通道注意力模块双向融合特征金字塔网络; Keywords waste behavior recognition overlapping objects SSD feature extraction default box scale channel attention BiFPN; 分类号 TP391.41 [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	多特征融合和改进神经网络的运动视频镜头转换检测	温宇	《现代电子技术》	2021	3	在线阅读下载PDF 职称材料
2	单阶段多框检测器无人机航拍目标识别方法	朱槐雨李博	《计算机应用》 CSCD 北大核心	2021	9	在线阅读下载PDF 职称材料
3	基于IFSSD卷积神经网络的柚子采摘目标检测模型	肖德琴蔡家豪林思聪杨秋妹谢晓君郭婉怡	《农业机械学报》 EI CAS CSCD 北大核心	2020	16	在线阅读下载PDF 职称材料
4	复杂背景下的小目标检测算法	郑浦白宏阳李伟郭宏伟	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2020	17	在线阅读下载PDF 职称材料
5	基于改进SSD的食物浪费行为识别方法	杨永闯王昊王新良	《计算机工程与设计》北大核心	2023	2	在线阅读下载PDF 职称材料