检索结果-维普期刊中文期刊服务平台

基于重参数化广义金字塔与扩张残差的遥感图像旋转框算法被引量：1: 1; 作者董宝鑫王江涛《电子测量与仪器学报》 CSCD 北大核心 2024年第12期54-61,共8页; 由于遥感图像中目标数量多而密集,且背景信息复杂,导致现有检测算法对于小目标检测精度不够理想,针对该问题,提出了一种基于重参数化广义金字塔与扩张残差的遥感图像小目标旋转框检测算法DRS-YOLO。首先,为克服主干网络对特征提取不足... 展开更多; 关键词深度学习遥感图像旋转框目标检测重参数广义金字塔 DRS-YOLO; 在线阅读下载PDF 职称材料

基于改进YOLOv5的鱼眼图像目标检测算法被引量：1: 2; 作者韩彦峰任奇肖科《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第6期29-39,共11页; 针对自动驾驶场景下车载鱼眼相机采集到的图像存在畸变严重、场景复杂、尺度变化剧烈、小目标多以及传统的目标检测模型的检测精度不高的问题,提出了一种基于YOLOv5s改进的鱼眼图像检测模型YOLOv5s-R.首先,为解决小目标难识别的问题,提... 展开更多; 关键词 YOLOv5s 自动驾驶鱼眼图像旋转框目标检测; 在线阅读下载PDF 职称材料

基于R2CNN的天气雷达边界层辐合线识别算法被引量：1: 3; 作者郑玉徐芬王亚强《应用气象学报》 CSCD 北大核心 2024年第6期654-666,共13页; 边界层辐合线是触发对流的中尺度天气系统之一,边界层辐合线的精细化识别对于揭示其形成、演变及与其他系统相互作用机制至关重要。目前自动识别技术在适应边界层辐合线多样性(如尺度、强度和形状)方面存在局限。旋转区域卷积神经网络(R... 展开更多; 关键词边界层辐合线低空飞行安全阵风锋 R2CNN 旋转框目标检测; 在线阅读下载PDF 职称材料

改进YOLOX的SAR近岸区域船只检测方法被引量：3: 4; 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... 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

题名基于重参数化广义金字塔与扩张残差的遥感图像旋转框算法被引量：1: 1; 作者董宝鑫王江涛; 机构淮北师范大学物理与电子信息学院智能计算及应用安徽省重点实验室; 出处《电子测量与仪器学报》 CSCD 北大核心 2024年第12期54-61,共8页; 基金国家自然科学基金(61976101) 安徽省高校自然科学研究重点项目(2023AH050319) 安徽省高校优秀科研创新团队项目(2023AH010044)资助。; 文摘由于遥感图像中目标数量多而密集,且背景信息复杂,导致现有检测算法对于小目标检测精度不够理想,针对该问题,提出了一种基于重参数化广义金字塔与扩张残差的遥感图像小目标旋转框检测算法DRS-YOLO。首先,为克服主干网络对特征提取不足的缺点,以旋转算法YOLOv8OBB为基础,在颈部网络引入扩张式残差模块,以增强遥感目标语义信息。其次,为提高网络对于多尺度目标的检测性能,使底层特征信息流向高层,引入重参数化泛化特征金字塔网络替换颈部网络结构,更高效的融合多尺度特征,易于捕捉高层语义和低层空间细节。最后,为进一步提高网络对于小目标的检测性能,基于SPPF提出SPPFI对目标感受野进行扩展,提升了对遥感目标的检测精度。在公开的DIOR数据集和HRSC2016数据集上相较于原YOLOv8sOBB基线网络的检测精度分别提升了1.5%和9.8%。实验表明改进后的算法显著增强了对遥感图像小目标的检测性能。; 关键词深度学习遥感图像旋转框目标检测重参数广义金字塔 DRS-YOLO; Keywords deep learning remote sensing images rotated bounding box object detection reparameterized generalized pyramid DRS-YOLO; 分类号 TN29 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv5的鱼眼图像目标检测算法被引量：1: 2; 作者韩彦峰任奇肖科; 机构重庆大学机械与运载工程学院; 出处《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第6期29-39,共11页; 基金国家重点研发计划课题(2022YFB4702201)。; 文摘针对自动驾驶场景下车载鱼眼相机采集到的图像存在畸变严重、场景复杂、尺度变化剧烈、小目标多以及传统的目标检测模型的检测精度不高的问题,提出了一种基于YOLOv5s改进的鱼眼图像检测模型YOLOv5s-R.首先,为解决小目标难识别的问题,提出随机裁剪多尺度训练的数据增强方法,该方法优于消融实验所得的最优数据增强方法.其次,为了提高模型的检测精度,在网络头部添加置换注意力机制与轻量化解耦头,增强模型对特征的提取能力与识别能力,并抑制噪声干扰.最后,模型额外增加角度预测项,实现旋转框目标检测.通过构建环形标签并用高斯函数对标签平滑,解决了旋转框角度的周期性问题;又对损失函数进行了优化,提出了RIOU,在CIOU的基础上增加角度惩罚项,提高了回归精度并加快了模型的收敛.实验结果表明,提出的YOLOv5s-R模型在WoodScape数据集上取得良好的检测效果,相比于原始的YOLOv5s模型,mAP@0.5、mAP@0.5∶0.95分别提升了6.8%、5.6%,达到82.6%、49.5%.; 关键词 YOLOv5s 自动驾驶鱼眼图像旋转框目标检测; Keywords YOLOv5 autonomous driving fish eye images rotating box object detection; 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R2CNN的天气雷达边界层辐合线识别算法被引量：1: 3; 作者郑玉徐芬王亚强; 机构南京气象科技创新研究院中国气象局交通气象重点开放实验室中国气象科学研究院灾害天气国家重点实验室; 出处《应用气象学报》 CSCD 北大核心 2024年第6期654-666,共13页; 基金中国自然科学基金委员会气象联合基金项目(U2142203) 中国气象科学研究院基本科研业务费专项资金(2021Z003,2023Z017) 中国气象局重点创新团队(CMA2022ZD07)。; 文摘边界层辐合线是触发对流的中尺度天气系统之一,边界层辐合线的精细化识别对于揭示其形成、演变及与其他系统相互作用机制至关重要。目前自动识别技术在适应边界层辐合线多样性(如尺度、强度和形状)方面存在局限。旋转区域卷积神经网络(R2CNN)可提高识别准确性、鲁棒性和泛化能力。综合考虑天气雷达型号和分辨率的多样性,针对性构建识别数据集用于模型训练,调整相应参数得到识别模型,并利用交并比和置信度评估检验识别效果。结果表明:基于R2CNN的边界层辐合线识别算法在使用较低交并比阈值时命中率更高且空报率更低,当置信度为0.7时,TS(threat score)评分最高。与现有的阵风锋识别算法(Machine Intelligence Gust Front Algorithm,MIGFA)效果相比,R2CNN在减少误报、提升命中率及平衡识别频率等关键性能方面优势显著,适用于业务应用与推广。; 关键词边界层辐合线低空飞行安全阵风锋 R2CNN 旋转框目标检测; Keywords boundary layer convergence line low-altitude flight safety gust front R2CNN rotational box object detection; 分类号 P412.25 [天文地球—大气科学及气象学]; 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：3: 4; 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	作者	出处	发文年	被引量	操作
1	基于重参数化广义金字塔与扩张残差的遥感图像旋转框算法	董宝鑫王江涛	《电子测量与仪器学报》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于改进YOLOv5的鱼眼图像目标检测算法	韩彦峰任奇肖科	《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于R2CNN的天气雷达边界层辐合线识别算法	郑玉徐芬王亚强	《应用气象学报》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
4	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	3	在线阅读下载PDF 职称材料