-
题名空间定位与特征泛化增强的铁路异物跟踪检测
被引量：2
- 1
-
-
作者
陈永
王镇
周方春
-
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》
北大核心
2025年第1期9-18,共10页
-
基金
国家自然科学基金(62462043,61963023)
兰州交通大学重点研发项目(ZDYF2304)。
-
文摘
针对现有深度学习异物跟踪检测算法易受复杂环境、目标遮挡等影响,导致出现漏检及检测精度低等问题,提出了一种空间定位与特征泛化增强的铁路异物跟踪检测算法。提出改进多尺度级联GhostNet特征提取网络,提升对红外目标的特征提取能力;利用异物空间位置定位与泛化形态信息,设计空间定位与特征泛化增强模块,增强对复杂场景下位置移动与跟踪轨迹变化目标的检测精度;构建金字塔预测网络,得到红外铁路异物的检测锚框、类别及置信度信息;通过改进类别和置信度显示的DeepSORT跟踪算法,结合卡尔曼滤波与匈牙利算法实现红外弱光环境下铁路异物跟踪检测。实验结果表明:所提算法对铁路异物的跟踪检测精确度达到83.3%,平均检测速度为11.3帧/s;与比较算法相比,所提算法检测精度更高,对红外弱光场景下铁路异物跟踪检测具有较好的性能。
-
关键词
机器视觉
异物检测
红外弱光
空间定位
特征泛化增强
目标跟踪
-
Keywords
machine vision
foreign object detection
infrared weak light
spatial location
feature generalization enhancement
target tracking
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名融合多源信息及图像特征泛化的空气质量检测
- 2
-
-
作者
王晓婷
崔雅博
刘丽娜
-
机构
开封大学信息工程学院
郑州大学国家超级计算郑州中心
-
出处
《电子测量技术》
北大核心
2025年第13期166-173,共8页
-
基金
河南省科技攻关项目(232102210008)资助。
-
文摘
针对空气PM_(2.5)浓度检测过度依赖专业设备的问题,提出了一种融合多源信息及图像特征泛化的空气质量检测算法。首先采用EfficientNet-B0作为主干网络对输入的大气可见光图像进行特征编码,将温度、湿度、风速、气压和光照强度等多源气象信息映射为与大气图像对应的特征向量,并与大气图像特征进行拼接融合;然后利用全连接层将全局特征输出为标量,并利用损失函数检测出空气的PM_(2.5)浓度;最后在网络模型训练阶段,通过对大气图像不同尺度的特征进行随机泛化增强来丰富样本分布空间,使网络能够在有限的数据样本中学习到更多特征,从而有效改善了检测网络的性能。实验结果表明:设计的检测方法与几种主流的方法相比具有更高的检测精度和稳定性,在测试集上得到的RMSE和R-squared分别为21.55μg/m^(3)和0.923,通过对8个场景检测,得到结果的平均误差仅为5.2%,最大误差也仅为7.6%,能够适应各类极端大气污染环境的空气质量检测任务。
-
关键词
空气质量
PM_(2.5)检测
卷积神经网络
多源信息
特征泛化增强
特征融合
-
Keywords
air quality
PM_(2.5)detection
convolutional neural network
multi-source information
feature generalization enhancement
feature fusion
-
分类号
TN919.8
[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]
-
