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
共找到9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：
基于更快区域卷积神经网络的多视角船舶识别 被引量：4
1
作者 程静 王荣杰 +2 位作者 曾光淼 林安辉 王亦春 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2023年第10期1832-1840,共9页
针对在复杂海洋环境下采集船舶多视角图像难度大、不同视角下船舶外观差异显著的问题,本文以自制的不同类型的多艘船舶的多视角图像为数据集训练更快区域卷积神经网络模型,利用平均F1分数、平均精度和平均误检率作为评价指标评估更快区... 针对在复杂海洋环境下采集船舶多视角图像难度大、不同视角下船舶外观差异显著的问题,本文以自制的不同类型的多艘船舶的多视角图像为数据集训练更快区域卷积神经网络模型,利用平均F1分数、平均精度和平均误检率作为评价指标评估更快区域卷积神经网络模型对不同视角船舶的识别性能,并通过识别不同船舶的F1分数和误检率分析更快区域卷积神经网络对不同质量、背景图像的识别能力。实验结果表明,更快区域卷积神经网络识别多角度船舶的平均F1分数为0.6969,平均精度为92.88%,平均误检率为8.34%,即更快区域卷积神经网络对多视角船舶有较高的识别能力,但对于有雾或昏暗环境下的低像素图像识别能力明显下降。 展开更多
关键词 多视角 船舶识别 视觉图像 更快区域卷积神经网络 目标检测 特征提取 深度学习 低分辨率图像
在线阅读 下载PDF
基于生成对抗网络改进的更快速区域卷积神经网络交通标志检测 被引量：4
2
作者 高忠文 于立国 《汽车技术》 CSCD 北大核心 2020年第7期14-18,共5页
针对小尺寸、远距离的交通标志检测过程中缺少信息的问题,以改进的更快速区域卷积神经网络(Faster R-CNN)检测器为基础,结合生成对抗网络(GAN)的目标检测算法实现对小目标交通标志的检测。Faster R-CNN首先根据期望目标设定合适的锚点数... 针对小尺寸、远距离的交通标志检测过程中缺少信息的问题,以改进的更快速区域卷积神经网络(Faster R-CNN)检测器为基础,结合生成对抗网络(GAN)的目标检测算法实现对小目标交通标志的检测。Faster R-CNN首先根据期望目标设定合适的锚点数量,生成包含小目标的候选区域,再使用生成网络对候选区域中的模糊小目标进行上采样,生成高分辨率图像,最后使用分类损失函数与回归损失函数对判别网络进行改进。试验结果表明,Faster R-CNN和生成对抗网络相结合的检测算法可以提高远距离小目标交通标志检测性能。 展开更多
关键词 交通标志检测 更快速区域卷积神经网络 生成对抗网络 超分辨重建
在线阅读 下载PDF
改进Faster RCNN with FPN的素布瑕疵检测的算法研究 被引量：3
3
作者 马政 生鸿飞 《纺织工程学报》 2024年第2期84-96,共13页
纺织行业中的布匹检测仍存在采用人工检测的情况,人工检测效果受工人主观影响较大,易发生检测效率的降低和瑕疵的漏检误检。针对这种现状,探究素布瑕疵检测的算法,改进Faster RCNNwith FPN目标检测算法。首先,为了提升Faster RCNNwithFP... 纺织行业中的布匹检测仍存在采用人工检测的情况,人工检测效果受工人主观影响较大,易发生检测效率的降低和瑕疵的漏检误检。针对这种现状,探究素布瑕疵检测的算法,改进Faster RCNNwith FPN目标检测算法。首先,为了提升Faster RCNNwithFPN对于多尺度特征的融合能力,丰富各个特征层的上下文信息,引入跨尺度特征融合模块来改进特征金字塔网络结构。其次,为了更好的利用深层特征,加入尺度内特征交互模块来处理ResNet50输出的深层特征层,丰富高级特征层的语义信息。然后,为了增强对于极端尺寸瑕疵目标的检测能力,使用K-means++聚类和遗传算法,改进预设锚框。最后,由于素布瑕疵的尺寸较小,为了平衡正负样本,采用Focal Loss,增加对于素布瑕疵的检测效果。经过实验,使用COCO指标进行评价,该改进后的网络模型与Faster RCNNwithFPN相比,在mAP_(50)、mAP_(75)和mAP_(50:95)指标上分别提升6.5%、4.4%和4.0%,平均准确率有了明显提升,可以更好地完成素布瑕疵的检测任务。 展开更多
关键词 素布瑕疵检测 更快的区域卷积神经网络 改进特征金字塔网络结构 重新设计锚框 焦点损失
在线阅读 下载PDF
基于深度学习的肺炎图像目标检测 被引量：5
4
作者 何迪 刘立新 +3 位作者 刘玉杰 熊丰 齐美捷 张周锋 《中国生物医学工程学报》 CAS CSCD 北大核心 2022年第4期443-451,共9页
肺炎是一种严重危害身体健康的疾病,通常使用肺部X光片进行检查。肺炎诊断是肺炎治疗前非常重要的环节,但是由于肺部其他疾病的干扰、医疗数据的爆发式增长以及专业病理医生的缺乏等,导致肺炎的准确诊断较为困难。深度学习能够模仿人脑... 肺炎是一种严重危害身体健康的疾病,通常使用肺部X光片进行检查。肺炎诊断是肺炎治疗前非常重要的环节,但是由于肺部其他疾病的干扰、医疗数据的爆发式增长以及专业病理医生的缺乏等,导致肺炎的准确诊断较为困难。深度学习能够模仿人脑的机制准确高效地解释医学图像数据,在肺炎图像检测方面获得了广泛应用。构建了3种基于深度学习的图像目标检测模型,单发多框探测器(SSD)、faster-RCNN和faster-RCNN优化模型,对来自Kaggle数据集的26 684张带标签的肺部X光图像进行研究。原始X光图像经预处理后输入3种深度学习模型,分别对单处和两处病灶区域进行目标检测。随机选取500张测试图像,利用损失函数、分类准确率、回归精度和误检病灶数等指标对各模型的性能进行评估。结果表明,faster-RCNN的性能指标优于SSD;Faster-RCNN优化模型的性能指标均优于其他两种模型,其损失函数值小且可快速达到稳定,平均分类准确率为93.7%,平均回归精度为79.8%,且误检病灶数为0。该方法有助于肺炎的准确识别和诊断。 展开更多
关键词 目标检测 肺炎图像 深度学习 更快速区域卷积神经网络(faster-RCNN)模型 单发多框探测器(SSD)模型
在线阅读 下载PDF
基于Faster R-CNN算法的船舶识别检测 被引量：9
5
作者 崔巍 杨亮亮 +3 位作者 夏荣 牟向伟 樊晓伟 杨海峰 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2020年第2期182-187,223,共7页
目前,检测卫星图像中船舶的常用方法如合成孔径雷达(synthetic-aperture radar,SAR)对多目标仍难以达到精确检测,而更快速的区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)算法是一种深度学习算法,... 目前,检测卫星图像中船舶的常用方法如合成孔径雷达(synthetic-aperture radar,SAR)对多目标仍难以达到精确检测,而更快速的区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)算法是一种深度学习算法,用于物体检测和分类时,可以实现高精度实时监测。文章应用Faster R-CNN算法对卫星图像中的船舶进行识别和检测,并与传统尺度不变特征转换(scale-invariant feature transform,SIFT)算法、快速区域卷积神经网络(fast region-based convolutional neural network,Fast R-CNN)算法进行对比。研究结果表明,Faster R-CNN算法比传统SIFT算法和Fast R-CNN算法有更好的收敛速度和识别精度,该算法在船舶识别方面具有较大潜力。 展开更多
关键词 卫星图像 船舶检测 更快速的区域卷积神经网络(Faster R-CNN) 尺度不变特征转换(SIFT) 快速区域卷积神经网络(Fast R-CNN)
在线阅读 下载PDF
基于激光雷达和视觉信息融合的车辆识别与跟踪 被引量：25
6
作者 宫铭钱 冀杰 +1 位作者 种一帆 陈琼红 《汽车技术》 CSCD 北大核心 2020年第11期8-15,共8页
为提高自动驾驶系统对车辆目标的识别和跟踪精度,提出一种基于激光雷达和单目视觉的信息融合框架。利用改进的DBSCAN算法对障碍物点云数据进行聚类,采用更快速区域卷积神经网络(Faster R-CNN)识别单目视觉图像中的车辆目标,融合两种传... 为提高自动驾驶系统对车辆目标的识别和跟踪精度,提出一种基于激光雷达和单目视觉的信息融合框架。利用改进的DBSCAN算法对障碍物点云数据进行聚类,采用更快速区域卷积神经网络(Faster R-CNN)识别单目视觉图像中的车辆目标,融合两种传感器的信息获得完整的车辆目标信息,使用联合概率数据关联(JPDA)算法实时跟踪目标车辆的运动状态。试验结果表明,该算法可有效避免传感器杂波的干扰,能够适应车辆目标的数量变化并及时更新航迹信息,具有较高的精度和鲁棒性。 展开更多
关键词 激光雷达 视觉 信息融合 DBSCAN 更快速区域卷积神经网络 联合概率数据关联
在线阅读 下载PDF
Faster R-CNN内窥镜息肉检测 被引量：3
7
作者 孙雪华 潘晓英 《西安邮电大学学报》 2020年第2期29-34,共6页
为了提高内窥镜下肠道息肉检测率,提出一种基于Faster R-CNN的息肉检测方法。在数据预处理阶段,利用中值滤波的非线性滤波特性去除图像反光区域,通过数据增强方法扩充样本数据集。在网络结构上,使用残差网络提取多尺度特征送入区域候选... 为了提高内窥镜下肠道息肉检测率,提出一种基于Faster R-CNN的息肉检测方法。在数据预处理阶段,利用中值滤波的非线性滤波特性去除图像反光区域,通过数据增强方法扩充样本数据集。在网络结构上,使用残差网络提取多尺度特征送入区域候选网络,得到息肉候选区域;再通过更快的区域神经网络进行训练直至网络收敛,经过微调得到最终检测网络模型。实验结果表明,该方法能够准确检测息肉并标记息肉位置,准确率为96.9%,召回率为95.8%。 展开更多
关键词 息肉检测 数据增强 残差网络 区域候选网络 更快的区域神经网络
在线阅读 下载PDF
深度学习在军用光缆线路无人机巡检中的应用 被引量：15
8
作者 张明江 李红卫 +2 位作者 赵卫虎 夏贵进 王程远 《光通信研究》 北大核心 2018年第6期57-61,共5页
军用光缆网是重要的国防基础通信设施,传统的人工徒步巡检是查找光缆线路隐患的主要措施,但其耗时长,人力物力消耗大,易受敷设方式和地形环境变化影响。而采用无人机进行光缆线路巡检,时效性强,安全性高且经济性好,是未来的重点发展方... 军用光缆网是重要的国防基础通信设施,传统的人工徒步巡检是查找光缆线路隐患的主要措施,但其耗时长,人力物力消耗大,易受敷设方式和地形环境变化影响。而采用无人机进行光缆线路巡检,时效性强,安全性高且经济性好,是未来的重点发展方向。由于工程车辆施工挖掘是造成光缆线路障碍的最主要原因,为此,文章提出将深度学习更快的基于区域的卷积神经网络(Faster R-CNN)目标检测方法应用到无人机航拍巡检图像的工程车辆检测中。基于航空影像中的车辆检测(VEDAI)公共数据集制作了工程车辆数据集,通过仿真训练和测试,实现了航拍图像中挖掘机和推土机等工程车辆的Faster RCNN目标检测,检测平均精度(AP)值达0.659,优于传统的可变形组建模型(DPM)和方向梯度直方图+局部二值模式+支持向量机(HOG+LBP+SVM)等机器学习检测算法,研究结果可为军用光缆线路的无人机巡检应用研究提供一定的参考。 展开更多
关键词 无人机光缆线路巡检 深度学习 更快的基于区域的卷积神经网络 工程车辆检测
在线阅读 下载PDF
Faster R-CNN模型改进及机翼标记检测应用 被引量：1
9
作者 惠小强 刘欢 杨小宝 《西安邮电大学学报》 2021年第3期73-79,共7页
对更快区域神经网络(Faster Region Convolutional Neural Network,Faster R-CNN)模型加以改进,并应用于机翼关键标记点位置检测。采用残差网络ResNet-101代替Faster R-CNN模型中的视觉几何组(Visual Geometry Group,VGG)16网络,作为特... 对更快区域神经网络(Faster Region Convolutional Neural Network,Faster R-CNN)模型加以改进,并应用于机翼关键标记点位置检测。采用残差网络ResNet-101代替Faster R-CNN模型中的视觉几何组(Visual Geometry Group,VGG)16网络,作为特征提取的基础主干网络。添加属性分类器,利用多种特征检测方法检测机翼标志点的属性、类别以及位置的标签信息,排除与机翼标志点特征相似的标签标志点。通过特征金字塔17思想,构建特征融合策略,选择适合机翼标志点的锚尺寸生成适用的检测框。在机翼标志点专有数据集的测试结果表明,改进模型能在复杂环境下稳健地提取检测目标,检测准确率有所提高。 展开更多
关键词 计算机视觉 目标检测 机翼关键点检测 更快区域神经网络 属性检测 特征融合
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部