-
题名基于旋转目标检测的指针仪表读数识别方法
被引量：3
- 1
-
-
作者
张尹人
邓春华
-
机构
武汉科技大学计算机科学与技术学院
武汉科技大学大数据科学与工程研究院
武汉科技大学智能信息处理与实时工业系统湖北省重点实验室
-
出处
《计算机工程与设计》
北大核心
2023年第6期1804-1811,共8页
-
基金
国家自然科学基金项目(61806150)
湖北省科技厅计划基金项目(2018CFB195)
+2 种基金
湖北省教育厅科学技术研究计划青年人才基金项目(Q20181104)
智能信息处理与实时工业系统湖北省重点实验室开放基金项目(znxx2018QN09)
武汉科技大学国防预研基金项目(GF201814)。
-
文摘
为解决判断指针方向的问题,提出一个旋转目标检测网络R-YOLOv5。采用旋转矩形的形式定位指针的位置和角度方向,采用环形平滑标签的长边表示法区分矩形的方向,将角度回归预测问题转化为分类问题,设计合适的损失函数和旋转IoU计算方法,解决角度周期性对训练的影响。针对指针仪表数字刻度识别问题,提出一种空间聚类算法,能够鲁棒地识别刻度的数字。实验结果表明,所提指针仪表读数识别方法在误差允许范围内,识别准确率达93.9%。
-
关键词
指针方向
旋转目标检测网络
环形平滑标签
长边表示法
角度周期性
空间聚类
刻度识别
-
Keywords
pointer direction
rotating target detection network
circular smooth label
long side representation
angle periodi-city
spatial clustering
scale recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于CenterNet的多朝向建筑物检测方法
- 2
-
-
作者
顾东泽
王敬东
姜宜君
廖元晖
-
机构
南京航空航天大学自动化学院
-
出处
《电子测量技术》
北大核心
2023年第10期150-154,共5页
-
文摘
航拍图像中的建筑物分布往往是朝向多样的。基于传统卷积神经网络的目标检测算法多以水平锚框作为检测框,在检测多朝向分布的建筑物场景下准确率较低。为此本文提出一种基于CenterNet神经网络的目标检测算法,在CenterNet模型基础上添加角度预测分支,将朝向角度信息融入网络中。针对CenterNet模型在特征提取阶段提取到的建筑物角度特征较少问题,采用非对称卷积替代原先的3×3卷积,加强神经网络对于旋转目标角度信息的特征提取能力,并通过改进损失函数降低角度周期性问题对目标检测的影响。改进后的网络可以更加精准的检测出多朝向分布的建筑物。在本文构建的数据集上进行了实验测试,相同环境下网络改进前后建筑物整体检测准确率提升5.2%,其中10°~80°以及100°~170°范围内大朝向变化建筑物检测准确率提升了7.4%。0°~10°、80°~100°以及170°~180°范围内小朝向变化建筑物检测准确率提升了3.1%,有效提高了多朝向建筑物检测的准确度。
-
关键词
关键点检测
多朝向建筑物
非对称卷积
角度周期性
-
Keywords
key point detection
multi facing buildings
asymmetric convolution
angle periodicity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
