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
2
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
基于特征优化与深层次融合的目标检测算法
被引量：
4
1
作者
谢誉
包梓群
+3 位作者
张娜
吴彪
涂小妹
包晓安
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第12期2403-2415,共13页
针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD.SCFE模块基于局部空间特征增强和全局通道特征增强...
针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD.SCFE模块基于局部空间特征增强和全局通道特征增强机制优化特征层,注重特征层的细节信息;DFPN基于残差空间通道增强模块改进特征金字塔网络,使不同尺度特征层进行深层次特征融合,提升目标检测精度.在训练阶段添加样本加权训练策略,使网络注重训练定位良好的样本和置信度高的样本.实验结果表明,在PASCAL VOC数据集上,所提算法在保证速度的同时检测精度由SSD的77.2%提升至79.7%;在COCO数据集上,所提算法的检测精度由SSD的25.6%提升至30.1%,对小目标的检测精度由SSD的6.8%提升至13.3%.
展开更多
关键词
目标检测
深
层次
特征
金字塔
网络
(
dfpn
)
空间通道
特征
增强(SCFE)
样本加权训练
单阶段多边框检测算法(SSD)
在线阅读
下载PDF
职称材料
基于CNN的深层次特征提取纸病辨识方法研究
被引量：
18
2
作者
高乐乐
周强
王伟刚
《中国造纸学报》
CAS
CSCD
北大核心
2019年第4期52-58,共7页
针对当前纸病检测方法中纸病特征量难分离以及难点纸病特征量难构建的瓶颈问题,提出基于卷积神经网络(CNN)的纸病辨识方法。该方法根据纸病图像的特点设计了纸病检测的CNN结构,在此基础上利用CNN自动提取纸病图像的深层次特征,结合Soft...
针对当前纸病检测方法中纸病特征量难分离以及难点纸病特征量难构建的瓶颈问题,提出基于卷积神经网络(CNN)的纸病辨识方法。该方法根据纸病图像的特点设计了纸病检测的CNN结构,在此基础上利用CNN自动提取纸病图像的深层次特征,结合Softmax实现对纸病的辨识。实验结果表明,基于CNN的深层次特征提取纸病辨识方法优于现有的纸病检测方法,能够对包括难点纸病在内的各种纸病进行精确辨识。
展开更多
关键词
纸病检测
难点纸病
卷积神经
网络
深
层次
特征
分类器
在线阅读
下载PDF
职称材料
题名
基于特征优化与深层次融合的目标检测算法
被引量：
4
1
作者
谢誉
包梓群
张娜
吴彪
涂小妹
包晓安
机构
浙江理工大学计算机科学与技术学院
浙江理工大学理学院
浙江广厦建设职业技术大学建筑工程学院
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第12期2403-2415,共13页
基金
浙江省重点研发计划项目(2020C03094)
浙江省教育厅一般科研项目(Y202147659)
+2 种基金
浙江省教育厅项目(Y202250706,Y202250677)
国家自然科学基金资助项目(6207050141)
浙江省基础公益研究计划项目(QY19E050003)。
文摘
针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD.SCFE模块基于局部空间特征增强和全局通道特征增强机制优化特征层,注重特征层的细节信息;DFPN基于残差空间通道增强模块改进特征金字塔网络,使不同尺度特征层进行深层次特征融合,提升目标检测精度.在训练阶段添加样本加权训练策略,使网络注重训练定位良好的样本和置信度高的样本.实验结果表明,在PASCAL VOC数据集上,所提算法在保证速度的同时检测精度由SSD的77.2%提升至79.7%;在COCO数据集上,所提算法的检测精度由SSD的25.6%提升至30.1%,对小目标的检测精度由SSD的6.8%提升至13.3%.
关键词
目标检测
深
层次
特征
金字塔
网络
(
dfpn
)
空间通道
特征
增强(SCFE)
样本加权训练
单阶段多边框检测算法(SSD)
Keywords
object detection
deep feature pyramid network(
dfpn
)
spatial and channel feature enhancement(SCFE)
sample weighted training
single-stage multi-box detector algorithm(SSD)
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CNN的深层次特征提取纸病辨识方法研究
被引量：
18
2
作者
高乐乐
周强
王伟刚
机构
陕西科技大学电气与控制工程学院
出处
《中国造纸学报》
CAS
CSCD
北大核心
2019年第4期52-58,共7页
基金
陕西省教育厅专项科技项目(16JK1105)
陕西省科技攻关项目(2016GY-005)
咸阳市科技计划项目(2017K02-06)
文摘
针对当前纸病检测方法中纸病特征量难分离以及难点纸病特征量难构建的瓶颈问题,提出基于卷积神经网络(CNN)的纸病辨识方法。该方法根据纸病图像的特点设计了纸病检测的CNN结构,在此基础上利用CNN自动提取纸病图像的深层次特征,结合Softmax实现对纸病的辨识。实验结果表明,基于CNN的深层次特征提取纸病辨识方法优于现有的纸病检测方法,能够对包括难点纸病在内的各种纸病进行精确辨识。
关键词
纸病检测
难点纸病
卷积神经
网络
深
层次
特征
分类器
Keywords
paper defect detection
difficult paper defect
convolution neural network
deep feature
classifier
分类号
TS77 [轻工技术与工程—制浆造纸工程]
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
基于特征优化与深层次融合的目标检测算法
谢誉
包梓群
张娜
吴彪
涂小妹
包晓安
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022
4
在线阅读
下载PDF
职称材料
2
基于CNN的深层次特征提取纸病辨识方法研究
高乐乐
周强
王伟刚
《中国造纸学报》
CAS
CSCD
北大核心
2019
18
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
