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：4: 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

扩增感受野特征融合的小目标检测算法被引量：9: 3; 作者魏文晓刘洁瑜 +1 位作者徐军辉沈强《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第1期48-54,共7页; 为了解决小目标检测在实际应用中的高漏检率、低准确率、低召回率等问题,提出一种基于感受野扩增特征融合的小目标检测算法.首先,对全卷积单阶段目标检测算法(fully convolutional one-stage object detection,FCOS)基础网络特征提取部... 展开更多; 关键词特征融合感受野扩增串联空洞卷积注意力机制无锚框算法; 在线阅读下载PDF 职称材料

基于改进FCOS的遥感图像舰船目标检测被引量：1: 4; 作者陈天鹏胡建文《计算机科学》 CSCD 北大核心 2024年第S01期467-473,共7页; 由于遥感图像中舰船目标方向任意,基于深度学习的通用目标检测算法采用水平框,在检测舰船时易框选大量背景,检测效果欠佳。文中提出一种改进全卷积一阶段目标检测网络(FCOS)的遥感图像舰船目标检测算法,以FCOS为基线,在检测头部分增加... 展开更多; 关键词遥感图像舰船目标检测 FCOS 无锚框算法偏移分支; 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：4: 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

题名扩增感受野特征融合的小目标检测算法被引量：9: 3; 作者魏文晓刘洁瑜徐军辉沈强; 机构火箭军工程大学导弹工程学院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第1期48-54,共7页; 基金陕西省自然科学基础研究计划(2020JQ-491,2019JM-434)。; 文摘为了解决小目标检测在实际应用中的高漏检率、低准确率、低召回率等问题,提出一种基于感受野扩增特征融合的小目标检测算法.首先,对全卷积单阶段目标检测算法(fully convolutional one-stage object detection,FCOS)基础网络特征提取部分增加感受野扩增模块,改善基础网络ResNet-50特征信息提取较少、浅层特征层信息利用率偏低等问题;其次,在特征金字塔部分利用门控思想筛选信息融合,降低无效信息融合的干扰;最后,对7个特征层增加注意力机制模块,提升目标定位精度和分类精度.在COCO2017数据集上的实验结果表明,该算法比传统FCOS算法的检测精度提升2.4%.其中,小目标检测精度提升3.2%,具有更好的检测效果.; 关键词特征融合感受野扩增串联空洞卷积注意力机制无锚框算法; Keywords feature fusion receptive field amplification serial hole convolution attention mechanism anchor-free algorithm; 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

题名基于改进FCOS的遥感图像舰船目标检测被引量：1: 4; 作者陈天鹏胡建文; 机构长沙理工大学电气与信息工程学院; 出处《计算机科学》 CSCD 北大核心 2024年第S01期467-473,共7页; 基金国家自然科学基金面上项目(62271087) 湖南省自然科学基金(2021JJ40609) +1 种基金湖南省教育厅科研项目(21B0330) 长沙市自然科学基金(kq2208403)。; 文摘由于遥感图像中舰船目标方向任意,基于深度学习的通用目标检测算法采用水平框,在检测舰船时易框选大量背景,检测效果欠佳。文中提出一种改进全卷积一阶段目标检测网络(FCOS)的遥感图像舰船目标检测算法,以FCOS为基线,在检测头部分增加一条偏移回归分支,通过偏移水平框的上边中点和右边中点,产生旋转框。舰船目标通常具有较大的长宽比,预测框与真实框之间的角度偏差对交并比的影响较大,进而影响模型的检测精度。针对该问题,在计算偏移损失时引入与舰船目标长宽比有关的加权因子,使得具有较大长宽比的目标获得较大的偏移损失。在HRSC2016数据集上的实验结果表明,所提算法的平均精确度达到89.00%,检测速度达到19.8FPS,相比同类型的无锚框算法,其在检测速度和检测精度上均表现优秀。; 关键词遥感图像舰船目标检测 FCOS 无锚框算法偏移分支; Keywords Remote sensing image Ships detection FCOS Anchor-free algorithm Offset branch; 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	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	4	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	扩增感受野特征融合的小目标检测算法	魏文晓刘洁瑜徐军辉沈强	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2023	9	在线阅读下载PDF 职称材料
4	基于改进FCOS的遥感图像舰船目标检测	陈天鹏胡建文	《计算机科学》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料