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
3
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
基于卷积注意力模块和无锚框检测网络的行人跟踪算法
被引量：
9
1
作者
张红颖
贺鹏艺
《电子与信息学报》
EI
CSCD
北大核心
2022年第9期3299-3307,共9页
针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块(CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以...
针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块(CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以提取更具表达力的特征,从而加强对重识别分支的训练;其次,为了提高算法的运算速度,使检测和重识别分支共享特征权重且并行运行,同时减少头网络的卷积通道数以降低参数运算量;最后,设定合适的参数对网络进行充分的训练,并使用多个测试集对算法进行测试。实验结果表明,该文算法相较于FairMOT在2DMOT15,MOT17,MOT20数据集上的精确度分别提升1.1%,1.1%,0.2%,速度分别提升0.82,0.88,0.41 fps;相较于其他几种主流算法拥有最少的目标身份切换次数。该文算法能够更好地适用于遮挡严重的场景,实时性也有所提高。
展开更多
关键词
目标身份切换
高分辨率特征提取
网络
卷积注意力模块
无锚
框
检测
网络
头
网络
FairMOT
在线阅读
下载PDF
职称材料
一种无锚框结构的多尺度火灾检测算法
被引量：
1
2
作者
秦瑞
张为
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2022年第6期111-119,共9页
针对复杂背景下多尺度火焰的检测精度低且容易发生误报等问题,提出了一种无锚框结构的新型火灾检测算法。该算法取消了锚框的预设置,采用逐点预测的方式减少网络的超参数,从而有效地减轻了人工先验知识的影响;引入BFP模块优化特征融合,...
针对复杂背景下多尺度火焰的检测精度低且容易发生误报等问题,提出了一种无锚框结构的新型火灾检测算法。该算法取消了锚框的预设置,采用逐点预测的方式减少网络的超参数,从而有效地减轻了人工先验知识的影响;引入BFP模块优化特征融合,通过对层间信息的整合有效利用了特征的全局信息,增强了多尺度特征的表达能力;设置融合因子控制层间信息传递,在保证特征信息充分融合的同时减弱高层特征的影响,提升了浅层特征对于小目标的学习能力;设计动态采样方式调整训练过程,采用中心采样和置信度原则提升样本点质量,强化了网络对火焰特征的学习效果。在自建数据集上该算法的检测精度达到了96.9%,在公开数据集上也有较好的检测效果。实验结果表明,该算法检测精度高,抗干扰能力强,对于复杂背景下的多尺度火焰具有较好的检测效果,能够较好抑制误报情况的发生,满足实际火灾检测任务的需要。
展开更多
关键词
火灾检测
无锚框网络
多尺度特征融合
动态采样
在线阅读
下载PDF
职称材料
红外弱光下多特征融合与注意力增强铁路异物检测
3
作者
陈永
王镇
+1 位作者
卢晨涛
张娇娇
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2023年第8期1884-1895,共12页
针对红外弱光环境下铁路异物检测时存在目标特征提取不充分、检测精度及实时性低的问题,在CenterNet目标检测模型的基础上,提出了一种红外弱光下多特征融合与注意力增强的无锚框异物检测深度学习模型。在红外目标多尺度特征提取的基础上...
针对红外弱光环境下铁路异物检测时存在目标特征提取不充分、检测精度及实时性低的问题,在CenterNet目标检测模型的基础上,提出了一种红外弱光下多特征融合与注意力增强的无锚框异物检测深度学习模型。在红外目标多尺度特征提取的基础上,引入自适应特征融合(ASFF)模块,充分利用目标高层语义与底层细粒度特征信息,提升红外目标特征提取能力。通过提出的空洞卷积增强注意力模块(Dilated-CBAM)进行关键特征提取,扩大注意力模块感受野范围,克服了原始CenterNet卷积块感受野映射区域变窄、无法检测弱小目标的问题,提升了无锚框网络的检测精度。使用Smooth L1损失函数进行训练,克服了L1损失函数在网络训练过程收敛速度慢及训练不稳定解的问题。通过铁路红外数据集及现场实验测试,结果表明:所提方法较原始CenterNet模型平均检测精度提高了8.03%,检测框置信度提升了31.23%,平均检测速率是Faster R-CNN模型的9.6倍,所提方法在红外弱光环境下能够更加快速准确地检测出铁路异物,主客观评价均优于对比方法。
展开更多
关键词
机器视觉
红外弱光
异物检测
自适应特征融合
空洞卷积增强注意力模块
无锚框网络
在线阅读
下载PDF
职称材料
题名
基于卷积注意力模块和无锚框检测网络的行人跟踪算法
被引量：
9
1
作者
张红颖
贺鹏艺
机构
中国民航大学电子信息与自动化学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第9期3299-3307,共9页
基金
国家重点研发计划(2018YFB1601200)
天津市研究生科研创新项目(2020YJSZXS14)
四川省青年科技创新研究团队专项计划(2019JDTD0001)。
文摘
针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块(CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以提取更具表达力的特征,从而加强对重识别分支的训练;其次,为了提高算法的运算速度,使检测和重识别分支共享特征权重且并行运行,同时减少头网络的卷积通道数以降低参数运算量;最后,设定合适的参数对网络进行充分的训练,并使用多个测试集对算法进行测试。实验结果表明,该文算法相较于FairMOT在2DMOT15,MOT17,MOT20数据集上的精确度分别提升1.1%,1.1%,0.2%,速度分别提升0.82,0.88,0.41 fps;相较于其他几种主流算法拥有最少的目标身份切换次数。该文算法能够更好地适用于遮挡严重的场景,实时性也有所提高。
关键词
目标身份切换
高分辨率特征提取
网络
卷积注意力模块
无锚
框
检测
网络
头
网络
FairMOT
Keywords
IDentity switch(IDs)
High-resolution feature extraction network
Convolutional Block Attention Module(CBAM)
Anchor-free detection netword
Head network
Fair MOT
分类号
TN911.73 [电子电信—通信与信息系统]
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
一种无锚框结构的多尺度火灾检测算法
被引量：
1
2
作者
秦瑞
张为
机构
天津大学微电子学院
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2022年第6期111-119,共9页
基金
新一代人工智能科技重大专项(19ZXZNGX00030)。
文摘
针对复杂背景下多尺度火焰的检测精度低且容易发生误报等问题,提出了一种无锚框结构的新型火灾检测算法。该算法取消了锚框的预设置,采用逐点预测的方式减少网络的超参数,从而有效地减轻了人工先验知识的影响;引入BFP模块优化特征融合,通过对层间信息的整合有效利用了特征的全局信息,增强了多尺度特征的表达能力;设置融合因子控制层间信息传递,在保证特征信息充分融合的同时减弱高层特征的影响,提升了浅层特征对于小目标的学习能力;设计动态采样方式调整训练过程,采用中心采样和置信度原则提升样本点质量,强化了网络对火焰特征的学习效果。在自建数据集上该算法的检测精度达到了96.9%,在公开数据集上也有较好的检测效果。实验结果表明,该算法检测精度高,抗干扰能力强,对于复杂背景下的多尺度火焰具有较好的检测效果,能够较好抑制误报情况的发生,满足实际火灾检测任务的需要。
关键词
火灾检测
无锚框网络
多尺度特征融合
动态采样
Keywords
fire detection
anchor free network
multi-scale feature fusion
dynamic sampling
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
红外弱光下多特征融合与注意力增强铁路异物检测
3
作者
陈永
王镇
卢晨涛
张娇娇
机构
兰州交通大学电子与信息工程学院
甘肃省人工智能与图形图像处理工程研究中心
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2023年第8期1884-1895,共12页
基金
国家自然科学基金(61963023,61841303)
兰州交通大学天佑创新团队(TY202003)
兰州交通大学基础研究拔尖人才项目(2022JC36)。
文摘
针对红外弱光环境下铁路异物检测时存在目标特征提取不充分、检测精度及实时性低的问题,在CenterNet目标检测模型的基础上,提出了一种红外弱光下多特征融合与注意力增强的无锚框异物检测深度学习模型。在红外目标多尺度特征提取的基础上,引入自适应特征融合(ASFF)模块,充分利用目标高层语义与底层细粒度特征信息,提升红外目标特征提取能力。通过提出的空洞卷积增强注意力模块(Dilated-CBAM)进行关键特征提取,扩大注意力模块感受野范围,克服了原始CenterNet卷积块感受野映射区域变窄、无法检测弱小目标的问题,提升了无锚框网络的检测精度。使用Smooth L1损失函数进行训练,克服了L1损失函数在网络训练过程收敛速度慢及训练不稳定解的问题。通过铁路红外数据集及现场实验测试,结果表明:所提方法较原始CenterNet模型平均检测精度提高了8.03%,检测框置信度提升了31.23%,平均检测速率是Faster R-CNN模型的9.6倍,所提方法在红外弱光环境下能够更加快速准确地检测出铁路异物,主客观评价均优于对比方法。
关键词
机器视觉
红外弱光
异物检测
自适应特征融合
空洞卷积增强注意力模块
无锚框网络
Keywords
machine vision
infrared low light
intrusion object detection
adaptive spatial feature fusion
dilated-convolutional block attention module
anchor-free network
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
基于卷积注意力模块和无锚框检测网络的行人跟踪算法
张红颖
贺鹏艺
《电子与信息学报》
EI
CSCD
北大核心
2022
9
在线阅读
下载PDF
职称材料
2
一种无锚框结构的多尺度火灾检测算法
秦瑞
张为
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2022
1
在线阅读
下载PDF
职称材料
3
红外弱光下多特征融合与注意力增强铁路异物检测
陈永
王镇
卢晨涛
张娇娇
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2023
0
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
