检索结果-维普期刊中文期刊服务平台

基于深度学习的无锚框目标检测算法综述被引量：5: 1; 作者高海涛朱超涵 +2 位作者张天棋郝飞茅新宇《机床与液压》北大核心 2024年第1期202-209,共8页; 近年来,基于深度学习的无锚框目标检测算法备受关注。为了深入理解无锚框检测算法,对比分析了基于深度学习的无锚框检测算法的原理机制、网络结构、核心特性以及优缺点,归纳总结了无锚框检测算法的核心技术,并在同一数据集上通过性能实... 展开更多; 关键词无锚框目标检测算法深度学习算法比较; 在线阅读下载PDF 职称材料

基于改进的无锚框目标检测算法的涡检测: 2; 作者宣扬吕宏强 +1 位作者安慰刘学军《数据采集与处理》 CSCD 北大核心 2023年第1期150-161,共12页; 在流体运动中涡对各种流场结构的生成和维持起着至关重要的作用,涡的识别和检测有助于理解流体流动规律。传统涡识别方法别存在定义不准确、严重依赖经验阈值、泛化性能差等问题,因此涡检测具有一定挑战性。本文从计算机视觉的角度出发... 展开更多; 关键词涡检测细长目标检测无锚框目标检测算法特征自适应细长样本挖掘; 在线阅读下载PDF 职称材料

基于改进无锚框网络的小尺度车辆目标检测方法被引量：2: 3; 作者刘腾刘宏哲 +1 位作者李学伟徐成《计算机工程与设计》北大核心 2022年第10期2799-2804,共6页; 小尺度车辆目标检测现已成为交通场景下目标检测中亟待解决的难题。对其中的难点进行研究,提出一种基于无锚框目标检测网络改进的算法。使用自适应特征提取方法,增强小尺度特征的表达,提高小尺度目标的特征提取能力;通过改进特征融合方... 展开更多; 关键词小尺度车辆目标检测无锚框目标检测智慧交通深度学习注意力机制; 在线阅读下载PDF 职称材料

一种面向SAR图像快速舰船检测的轻量化网络被引量：1: 4; 作者周文雪张华春《中国科学院大学学报(中英文)》 CAS CSCD 北大核心 2024年第6期776-785,共10页; 在基于深度学习的合成孔径雷达(SAR)图像舰船检测领域,传统的模型通常结构复杂、计算量大,难以适配低算力平台并实现实时检测;同时,依赖于预设锚框的卷积神经网络因锚框位置较难合理设置,容易导致大量计算冗余。针对上述问题,提出一种... 展开更多; 关键词合成孔径雷达(SAR) 舰船检测深度学习轻量化网络无锚框目标检测; 在线阅读下载PDF 职称材料

题名基于深度学习的无锚框目标检测算法综述被引量：5: 1; 作者高海涛朱超涵张天棋郝飞茅新宇; 机构南京工程学院机械工程学院; 出处《机床与液压》北大核心 2024年第1期202-209,共8页; 基金国家自然科学基金青年科学基金项目(51705238) 江苏省研究生实践创新计划项目(SJCX_0916,SJCX23_1173) 江苏省现代农机装备与技术示范推广项目(NJ2021-58)。; 文摘近年来,基于深度学习的无锚框目标检测算法备受关注。为了深入理解无锚框检测算法,对比分析了基于深度学习的无锚框检测算法的原理机制、网络结构、核心特性以及优缺点,归纳总结了无锚框检测算法的核心技术,并在同一数据集上通过性能实验研究上述算法的性能,总结提出基于深度学习的目标检测算法未来的研究方向。; 关键词无锚框目标检测算法深度学习算法比较; Keywords anchor-free object detection algorithm deep learning algorithm comparison; 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

题名基于改进的无锚框目标检测算法的涡检测: 2; 作者宣扬吕宏强安慰刘学军; 机构南京航空航天大学计算机科学与技术学院中国空气动力研究与发展中心空气动力学国家重点实验室软件新技术与产业化协同创新中心南京航空航天大学航空学院; 出处《数据采集与处理》 CSCD 北大核心 2023年第1期150-161,共12页; 基金航空科学基金(2018ZA52002,2019ZA052011) 空气动力学国家重点实验室基金(SKLA20180102) 气动噪声控制重点实验室基金(ANCL20190103)。; 文摘在流体运动中涡对各种流场结构的生成和维持起着至关重要的作用,涡的识别和检测有助于理解流体流动规律。传统涡识别方法别存在定义不准确、严重依赖经验阈值、泛化性能差等问题,因此涡检测具有一定挑战性。本文从计算机视觉的角度出发,提出了一个基于目标检测算法的涡检测模型。针对原始目标检测模型对极端宽高比的细长涡检测效果不理想的问题,对两种不同类型涡的数据特性进行分析,并提出了基于可变形卷积(Deformable convolutional network,DCN)的特征自适应模块和基于改进损失函数的细长样本挖掘方法。采用圆柱尾流涡和潜艇尾部涡数据集对所提模型进行验证,实验结果表明改进后的模型检测精确率显著提高,并在细长涡的检测精确率上有显著提升,有效地平衡了各类型的涡检测性能。; 关键词涡检测细长目标检测无锚框目标检测算法特征自适应细长样本挖掘; Keywords vortex detection slender object detection anchor-free object detection feature adaptation slender sample mining; 分类号 TP312 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于改进无锚框网络的小尺度车辆目标检测方法被引量：2: 3; 作者刘腾刘宏哲李学伟徐成; 机构北京联合大学北京市信息服务工程重点实验室北京联合大学机器人学院; 出处《计算机工程与设计》北大核心 2022年第10期2799-2804,共6页; 基金国家自然科学基金项目(61871039、62102033、62171042、61906017) 北京市教委基金项目(KM202111417001、KM201911417001) +2 种基金北京联合大学研究生科研创新基金项目(YZ2020K001)。; 文摘小尺度车辆目标检测现已成为交通场景下目标检测中亟待解决的难题。对其中的难点进行研究,提出一种基于无锚框目标检测网络改进的算法。使用自适应特征提取方法,增强小尺度特征的表达,提高小尺度目标的特征提取能力;通过改进特征融合方法,将浅层信息逐层融合,解决特征丢失的问题。引入注意力增强方法,增加中心点预测能力,解决目标遮挡问题。实验结果表明,该算法在UA-DETRAC数据集上有很好的检测效果,较改进前车辆检测能力有较大提升,满足实时检测的要求,检测速度达到了59,平均精度均值为92.9%。; 关键词小尺度车辆目标检测无锚框目标检测智慧交通深度学习注意力机制; Keywords small-seale vehicle recognition anchor-free recognition intelligent transportation deep learning attention; 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

题名一种面向SAR图像快速舰船检测的轻量化网络被引量：1: 4; 作者周文雪张华春; 机构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《中国科学院大学学报(中英文)》 CAS CSCD 北大核心 2024年第6期776-785,共10页; 基金国家自然科学基金(61901445) 北京市自然科学基金(4192065)资助。; 文摘在基于深度学习的合成孔径雷达(SAR)图像舰船检测领域,传统的模型通常结构复杂、计算量大,难以适配低算力平台并实现实时检测;同时,依赖于预设锚框的卷积神经网络因锚框位置较难合理设置,容易导致大量计算冗余。针对上述问题,提出一种基于无锚框的端到端轻量化卷积神经网络,设计了一种轻量的通道注意力模块(EESE)并将其应用于解耦合检测头(ED-head)上,有效解决了分类和定位2种任务的冲突。此外,提出一种优化的EIOU损失函数,在保证推理速度几乎不变的情况下有效提升网络性能。在SSDD数据集上的实验结果表明:与YOLOX-nano相比,该方法的AP50和AP分别提高2.1和7.4个百分点,在CPU上推理延迟仅5.33 ms,远小于YOLOX-nano的13.13 ms,实现了精度与效率的平衡。; 关键词合成孔径雷达(SAR) 舰船检测深度学习轻量化网络无锚框目标检测; Keywords synthetic aperture radar(SAR) ship detection deep learning lightweight network anchor-free target detection; 分类号 TP39 [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	基于深度学习的无锚框目标检测算法综述	高海涛朱超涵张天棋郝飞茅新宇	《机床与液压》北大核心	2024	5	在线阅读下载PDF 职称材料
2	基于改进的无锚框目标检测算法的涡检测	宣扬吕宏强安慰刘学军	《数据采集与处理》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
3	基于改进无锚框网络的小尺度车辆目标检测方法	刘腾刘宏哲李学伟徐成	《计算机工程与设计》北大核心	2022	2	在线阅读下载PDF 职称材料
4	一种面向SAR图像快速舰船检测的轻量化网络	周文雪张华春	《中国科学院大学学报(中英文)》 CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料