-
题名基于多级多分辨网络的稠密目标检测方法
- 1
-
-
作者
吕培建
谭舒月
张迅頔
高寒
李威
-
机构
河南省高速公路联网监控收费通信服务有限公司
西南交通大学信息科学与技术学院
-
出处
《计算机应用》
CSCD
北大核心
2020年第S02期37-41,共5页
-
基金
河南省交通运输厅科技计划项目(2019J-2-2)。
-
文摘
针对使用通用目标检测方法检测稠密目标常出现的漏检的问题,提出一种高效的基于多级多分辨网络的稠密目标检测方法。首先,通过多级多分辨的训练策略捕捉目标密集所丢失的细节;其次,利用基于形状先验的锚点生成方法,统计不同尺度下稠密目标所具有的形状变化;最后,考虑到稠密分布的目标具有较大的外观差异,通过采用不同尺寸的卷积核提取图像不同尺度的特征信息,有效解决现有检测模型中的目标信息丢失问题。在公开的车辆数据集CARPK(Car Parking lot dataset)上验证了所提方法的有效性。与现有公开最好的GANet(Guided Attention Network)实验结果相比,平均准确率提升了6.4个百分点。实验结果表明,对于不同场景条件下的稠密分布的目标,所提出的多级多分辨网络模型能够达到更好的检测效果。
-
关键词
深度学习
特征表达
目标检测
稠密目标
多尺度
-
Keywords
deep learning
feature representation
object detection
dense object
multi-scale
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于无人机可见光图像的云杉计数方法
被引量：10
- 2
-
-
作者
朱学岩
张新伟
顾梦梦
赵燕东
陈锋军
-
机构
北京林业大学工学院
城乡生态环境北京实验室
德州农工大学园艺系
林业装备与自动化国家林业和草原局重点实验室
-
出处
《林业工程学报》
CSCD
北大核心
2021年第4期140-146,共7页
-
基金
国家重点研发计划(2019YFD1002401)
中央高校基本科研业务费专项资金(2015ZCQ-GX-04)
北京市共建项目。
-
文摘
目前苗木计数一般通过传统人工计数的方法完成,工作重复枯燥,主观性强,亟需快速准确的苗木计数替代方法。以无人机航拍的云杉可见光图像为对象,通过深度学习技术研究快速准确的云杉计数方法。利用大疆精灵4无人机拍摄云杉图像,按多样性原则选出558幅;通过调整对比度系数和缩放比例系数,模拟不同光照条件和不同长势的云杉,扩充至1 674幅,按照7∶3的比例划分为训练集1 169幅和测试集505幅。在此基础上,根据YOLO v3(You Only Look Once v3)快速准确检测尺寸差异较大目标的优势,构建了YOLOv3云杉计数模型。根据经验设置训练权值衰减、初始学习率和批处理量分别为0.000 5,0.001和64。其中Darknet-53特征提取模块和多尺度预测模块分别提取云杉特征信息和检测云杉目标,检测到的云杉数量即为云杉计数结果。YOLOv3模型的平均计数准确率为90.24%,均方根误差45.82,欠估计、过估计和总误差分别为15.47%,19.25%和34.72%,处理速度0.415 s/幅。对比全卷积神经网络(fully convolutional networks, FCN)分割加Hough圆检测方法,YOLOv3模型平均计数准确率高出2.49%,均方根误差、欠估计、过估计和总误差分别减少29.32,6.7%,5.7%和12.4%。研究结果表明,YOLOv3模型是对计算机视觉角度云杉计数问题的有效探索。
-
关键词
苗木计数
云杉计数
深度学习
无人机
稠密目标
YOLOv3
-
Keywords
seedling counting
spruce counting
deep learning
unmanned aerial vehicle
dense object
YOLOv3
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
