期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于DFECANet的遥感图像飞机目标检测方法 被引量:8
1
作者 单慧琳 吕宗奎 +3 位作者 付相为 胡宇翔 段修贤 张银胜 《电子测量与仪器学报》 CSCD 北大核心 2024年第2期19-29,共11页
针对现有的遥感图像目标检测方法中对小尺寸飞机目标的检测精度不高、特征信息传递不准确、信息交互不充分等问题,提出了一种基于可辨别特征提取和上下文感知的遥感图像飞机目标检测方法。设计了以可辨别特征提取模块为主体的主干网络,... 针对现有的遥感图像目标检测方法中对小尺寸飞机目标的检测精度不高、特征信息传递不准确、信息交互不充分等问题,提出了一种基于可辨别特征提取和上下文感知的遥感图像飞机目标检测方法。设计了以可辨别特征提取模块为主体的主干网络,用以加强对多尺度飞机目标的特征提取;引入自适应特征增强模块,选择性关注小目标、优化特征信息的传递与信息交互;并设计了特征融合上采样模块对特征图进行上采样操作,用以提升高层语义信息的准确性。在DOTAv1数据集上的检测精度达到了95.2%,相较于YOLOv5s、SCRDet、ASSD等主流算法,飞机目标的检测精度提高了3.7%~18%。此外,该方法的检测速度以及模型参数量分别为147 fps和13.4 M,相较于当前主流算法具备较强的竞争力,满足在遥感背景下对飞机目标的实时检测需求。 展开更多
关键词 图像处理 目标检测 多尺度特征融合 遥感图像 特征上采样
在线阅读 下载PDF
基于Cascade RCNN的热轧带钢表面缺陷检测 被引量:10
2
作者 陆尧 薛林 +1 位作者 王云森 王豪 《仪表技术与传感器》 CSCD 北大核心 2023年第8期101-106,126,共7页
在工业生产过程中,带钢表面产生的缺陷影响其质量和使用性能,需要对表面缺陷进行检测,为此提出了基于深度学习的缺陷检测模型Cascade RCNN。首先,对骨干网络进行改进,将标准卷积替换为可切换空洞卷积,在不增加参数量的情况下,增大输出... 在工业生产过程中,带钢表面产生的缺陷影响其质量和使用性能,需要对表面缺陷进行检测,为此提出了基于深度学习的缺陷检测模型Cascade RCNN。首先,对骨干网络进行改进,将标准卷积替换为可切换空洞卷积,在不增加参数量的情况下,增大输出单元的感受野。其次,改变特征金字塔FPN,结构不变的情况下添加了自上而下的连接方式,同时使用特征上采样算子CARAFE替换最邻近上采样,提高了上采样精度和定位精度。最后,将损失函数换为Focal Loss,解决目标检测过程中正负样本不平衡问题。结果显示:通过以上方法的改进,检测精度有大幅提升,平均均值精度提高了7.61%,达到77.82%,各类缺陷的检测精度都得到了提高;与其他检测模型对比,模型的检测能力得到了提高,采用的改进方法有一定的应用价值。 展开更多
关键词 深度学习 缺陷检测 Cascade RCNN 热轧带钢 特征上采样算子 Focal Loss
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部