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
共找到10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：
基于递归特征金字塔的UPSNet全景分割应用研究 被引量：1
1
作者 叶钊 李学伟 +1 位作者 刘宏哲 徐成 《计算机应用与软件》 北大核心 2023年第8期228-234,共7页
在学习研究全景分割方法UPSNet时,发现其骨干网络所提取的特征对子网络的分割结果起到了至关重要的影响。针对UPSNet全景分割算法所提取的特征不能更好地适用于语义分割和实例分割子网络的问题,对其进行改进,将递归特征金字塔网络结构... 在学习研究全景分割方法UPSNet时,发现其骨干网络所提取的特征对子网络的分割结果起到了至关重要的影响。针对UPSNet全景分割算法所提取的特征不能更好地适用于语义分割和实例分割子网络的问题,对其进行改进,将递归特征金字塔网络结构融合到原网络中,提出基于递归特征金字塔的UPSNet全景分割改进算法。该结构将骨干网络提取的特征通过递归的方式二次反馈到骨干网络中,使其再训练得到更好的特征提供给子网络,提升了模型的鲁棒性,从而提升了原网络的性能。将改进的算法在Cityscapes数据集及自行标注的全景分割数据集上与UPSNet及其他优秀的全景分割网络进行了实验对比,结果证明,评价指标PQ(Panoptic Quality)有了较大的提升,改进后的网络更加适用于智能驾驶场景。 展开更多
关键词 图像分割 智能驾驶 全景分割 UPSNet 递归特征金字塔网络
在线阅读 下载PDF
基于改进扩散模型的高质量图像生成方法
2
作者 侯哲晓 李弼程 +1 位作者 蔡炳炎 许逸飞 《计算机科学》 北大核心 2025年第S1期449-457,共9页
图像生成是AI2.0时代下AIGC的研究重点,而生成模型的更新迭代促进了图像生成技术的发展。目前主流生成模型的样本质量较低,无法满足AIGC对于图像高保真度的要求,而新兴的扩散模型在无条件生成中不能实现高质量生成。因此,提出了一种基... 图像生成是AI2.0时代下AIGC的研究重点,而生成模型的更新迭代促进了图像生成技术的发展。目前主流生成模型的样本质量较低,无法满足AIGC对于图像高保真度的要求,而新兴的扩散模型在无条件生成中不能实现高质量生成。因此,提出了一种基于改进扩散模型的高质量图像生成方法。首先,采用训练稳定、具有优秀采样质量的扩散模型作为基准模型;其次,使用扩散模型中的自注意力机制来进一步引导噪声生成,进而还原图像中的低频内容,增强去噪过程的稳定性;最后,将递归特征金字塔融合到噪声预测器结构中,使图像特征信息反复提纯,从而捕获图像中的高频细节。在3个标准数据集和4个小型数据集上进行的对比实验和消融实验结果表明,该方法展现了比其他方法更为优秀的性能。 展开更多
关键词 图像生成 扩散模型 自注意力机制引导 递归特征金字塔
在线阅读 下载PDF
基于CR-RFPR101的钢板表面缺陷检测 被引量：3
3
作者 李雪露 储茂祥 +1 位作者 杨永辉 刘光虎 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2023年第12期1651-1658,共8页
针对钢板表面缺陷种类多、背景复杂、检测精度低等问题,文章首先对钢板表面缺陷数据集进行数据增强,并对原始Cascade区域卷积神经网络(region-basedconvolutional neural netwroks,R-CNN)算法进行改进,将ResNeXt-101-64×4d作为Casc... 针对钢板表面缺陷种类多、背景复杂、检测精度低等问题,文章首先对钢板表面缺陷数据集进行数据增强,并对原始Cascade区域卷积神经网络(region-basedconvolutional neural netwroks,R-CNN)算法进行改进,将ResNeXt-101-64×4d作为Cascade R-CNN算法的骨干网络,优化特征提取模块,利用递归特征金字塔(recursive feature pyramid,RFP)网络以反馈连接的方式进行特征优化,提出一种CR-RFPR101(Cascade R-CNN RFP ResNeXt-101-64×4d)的检测算法,以更好地保留细节和语义信息;同时使用可切换的空洞卷积替换主干网络的卷积层,以改变感受野的方式提高检测性能;最后使用引入软化非极大值抑制算法,保留有效信息,提高识别率。经实验验证,CR-RFPR101算法的检测率为83.4%,比原Cascade R-CNN算法提高了7.3%,满足了钢板表面缺陷检测要求。 展开更多
关键词 缺陷检测 数据增强 递归特征金字塔(rfp) 可切换的空洞卷积 软化非极大值抑制(Soft-NMS)
在线阅读 下载PDF
基于CSPNet-YOLOv7目标检测算法的煤矸图像识别模型 被引量：8
4
作者 韦小龙 王方田 +2 位作者 何东升 刘超 徐大连 《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第S01期238-248,共11页
煤矸识别技术是矿井智能化建设的关键技术之一,针对工作面低照度高粉尘环境造成的煤矸识别模型精度不高以及小目标煤矸难以识别的问题,提出一种基于CSPNet-YOLOv7目标检测算法的煤矸图像识别模型。采用跨阶段部分网络(Cross Stage Parti... 煤矸识别技术是矿井智能化建设的关键技术之一,针对工作面低照度高粉尘环境造成的煤矸识别模型精度不高以及小目标煤矸难以识别的问题,提出一种基于CSPNet-YOLOv7目标检测算法的煤矸图像识别模型。采用跨阶段部分网络(Cross Stage Partial Network,CSPNet)改进YOLOv7模型的主干特征提取网络,优化梯度信息减少网络参数,同时采用递归特征金字塔(Recursive Feature Pyr-amid,RFP)和可切换卷积(Switchable Auto Convolution,SAC)替换颈部特征提取网络中简单的上下采样和普通卷积模块,并采用3次迁移训练进行不同宽度和深度的特征学习,增强网络的泛化能力。试验结果表明,CSPNet-YOLOv7模型的平均精度均值为97.53%,准确率为92.24%,召回率为97.91%,F1得分为0.95,模型的参数量为30.85×10^(6),浮点运算次数为42.15×10^(9),每秒传输帧数为24.37 f/s,与YOLOv7模型相比,平均精度均值提高了7.46%,参数量和浮点运算次数分别降低了17.23%和60.41%,相较于FasterRCNN-Resnet50、YOLOv3、YOLOv4、MobileNet V2-YOLOv4、YOLOv4-VGG、YOLOv5s模型、CSPNet-YOLOv7模型对煤矸识别的平均精度均值最高,同时参数量和浮点运算次数较小,在识别精度和速度之间有着较好的平衡。最后,通过井下现场试验验证了CSPNet-YOLOv7模型,为煤矸精准识别提供了有效技术手段。 展开更多
关键词 煤矸识别 YOLOv7 跨阶段部分网络 递归特征金字塔 可切换自动卷积 迁移学习
在线阅读 下载PDF
基于改进的Faster RCNN的仪表自动识别方法 被引量：4
5
作者 王欣然 张斌 +1 位作者 湛敏 赵成龙 《机电工程》 CAS 北大核心 2024年第3期532-539,共8页
在环境复杂的工业场景中,仪表盘存在类别多、相似性高等问题,导致检测的识别效果较差、准确率不高。针对这一问题,提出了一种基于改进的更快速的区域卷积神经网络(Faster RCNN)的仪表自动识别方法。首先,采用残差网络(Resnet)101代替视... 在环境复杂的工业场景中,仪表盘存在类别多、相似性高等问题,导致检测的识别效果较差、准确率不高。针对这一问题,提出了一种基于改进的更快速的区域卷积神经网络(Faster RCNN)的仪表自动识别方法。首先,采用残差网络(Resnet)101代替视觉几何群网络(VGG)16,进行了网络结构简化;然后,引入了特征金字塔网络(FPN),并将其改进为递归特征金字塔网络后进行了迭代融合,输出了特征图;接着,引入了注意力机制模块,根据特征的重要程度,完成了对输出通道权值的重新分配,增强了Faster RCNN对目标的运算能力;提出了改进非极大值抑制算法(Softer-NMS),通过降低置信度来确定准确的目标候选框;最后,采用Mosaic数据增强技术对可视对象类(VOC)2007数据集进行了扩充,对改进后的Faster RCNN模型进行了仪表自动识别的实验。研究结果表明:在相同工业环境下,与传统的Faster RCNN算法模型相比,改进后的Faster RCNN模型准确率为93.5%,较原模型提高了3.8%,mAP值为92.6%,较原模型提高了3.7%,可见该方法在实际生产中具有较强的鲁棒性与泛化能力,可满足工业上对智能检测的要求。 展开更多
关键词 仪表识别 更快速的区域卷积神经网络 递归特征金字塔网络 注意力机制 非极大值抑制算法 Mosaic数据增强技术
在线阅读 下载PDF
基于改进Cascade R-CNN的典型金具及其部分缺陷检测方法 被引量：29
6
作者 赵振兵 熊静 +2 位作者 李冰 王亚茹 张帅 《高电压技术》 EI CAS CSCD 北大核心 2022年第3期1060-1067,共8页
输电线路中典型金具及其缺陷的检测是非常重要的巡检任务。针对由于金具尺度变化大且部分金具为小尺度目标进而导致金具检测精确度低的问题,提出了一种基于改进级联区域卷积神经网络(cascade region convolutional neural networks,Casc... 输电线路中典型金具及其缺陷的检测是非常重要的巡检任务。针对由于金具尺度变化大且部分金具为小尺度目标进而导致金具检测精确度低的问题,提出了一种基于改进级联区域卷积神经网络(cascade region convolutional neural networks,Cascade R-CNN)的典型金具及其部分缺陷检测方法。在Cascade R-CNN模型的基础上,采用递归特征金字塔结构进行特征优化,纵向优化层级高级语义特征,横向反馈连接增益主干网络特征图;同时提出使用神经架构搜索(neural architecture search,NAS)获取空洞卷积的空洞率来扩大感受野的方式使卷积对多尺度金具特征提取更有效。实验结果证明:提出的递归特征金字塔与NAS搜索空洞率的空洞卷积相结合改进Cascade R-CNN的方法,在一定程度上解决了金具检测精确度低的问题。其中性能指标值提高了6.72%,最高检测精确度达到了92.34%。该研究为进一步对典型金具进行故障诊断,实现智能巡检奠定了良好的基础。 展开更多
关键词 递归特征金字塔 典型金具 NAS 空洞卷积 Cascade R-CNN
在线阅读 下载PDF
基于反馈机制与空洞卷积的道路小目标检测网络 被引量：11
7
作者 窦允冲 侯进 +1 位作者 曾雷鸣 陈子锐 《计算机工程》 CAS CSCD 北大核心 2023年第1期287-294,共8页
随着卷积神经网络与特征金字塔的发展,目标检测在大、中目标上取得了突破,但对于小目标存在漏检、检测精度低等问题。在YOLOv4算法的基础上进行改进,提出YOLOv4-RF算法,进一步提高模型对小目标的检测性能。使用空洞卷积替换YOLOv4中Nec... 随着卷积神经网络与特征金字塔的发展,目标检测在大、中目标上取得了突破,但对于小目标存在漏检、检测精度低等问题。在YOLOv4算法的基础上进行改进,提出YOLOv4-RF算法,进一步提高模型对小目标的检测性能。使用空洞卷积替换YOLOv4中Neck部分的池化金字塔,在网络更深处减少语义丢失的同时获得更大的感受野。在此基础上,对主干网络进行轻量化并增加特征金字塔到主干网络的反馈机制,对来自浅层与深层融合的特征再次处理,保留更多小目标的特征信息,提高网络分类和定位的有效性。鉴于小目标物体属于困难检测样本,引入Focal Loss损失函数,增大困难样本的损失权重,形成YOLOv4-RF算法。在KITTI数据集上的实验数据表明,YOLOv4-RF在各个类别上的检测精度均高于YOLOv4,并在模型缩小138 MB的基础上提高了1.4%的平均精度均值(MAP@0.5)。 展开更多
关键词 小目标检测 YOLOv4算法 空洞卷积 反馈机制 递归特征金字塔
在线阅读 下载PDF
改进DBNet与CRNN的面标识别方法 被引量：2
8
作者 董维振 陈燕 梁海玲 《计算机工程与设计》 北大核心 2023年第1期116-124,共9页
为解决板坯喷涂面标实时识别问题,构建文本检测和识别模型。改进可微二值化算法网络,引入高效通道注意力模块SENet,进行自适应空间特征融合(ASFF),增强特征金字塔预测多尺度目标的能力。识别模型改进卷积递归神经网络的VGG网络,将卷积... 为解决板坯喷涂面标实时识别问题,构建文本检测和识别模型。改进可微二值化算法网络,引入高效通道注意力模块SENet,进行自适应空间特征融合(ASFF),增强特征金字塔预测多尺度目标的能力。识别模型改进卷积递归神经网络的VGG网络,将卷积与循环神经网络联合训练。实验结果表明,检测模型的精确率、召回率和调和平均值达到93.30%、86.45%、89.85%,提升显著;识别模型平均准确率达到86.01%,精度提升4.99%。模型满足实时与准确性要求。 展开更多
关键词 板坯喷涂面标 可微二值化 高效通道注意力机制 特征金字塔 自适应空间特征融合 卷积递归神经网络 联合训练 反向传播 迁移学习
在线阅读 下载PDF
基于改进Faster R-CNN的水准泡缺陷检测方法 被引量：15
9
作者 彭伟康 陈爱军 +1 位作者 吴东明 朱利森 《中国测试》 CAS 北大核心 2021年第7期6-12,共7页
目前水平尺制造行业采用人工方法对水准泡进行出厂检测,其准确率低、速度慢,该文提出一种基于改进Faster R-CNN的水准泡缺陷检测方法。采用ResNet101作为特征提取网络来避免网络退化,同时融合递归特征金字塔(recursive feature pyramid,... 目前水平尺制造行业采用人工方法对水准泡进行出厂检测,其准确率低、速度慢,该文提出一种基于改进Faster R-CNN的水准泡缺陷检测方法。采用ResNet101作为特征提取网络来避免网络退化,同时融合递归特征金字塔(recursive feature pyramid,RFP)得到多尺度的特征图输出,通过主干网络再训练的方式使输出特征图更好地适应模型检测任务。然后针对水准泡数据集样本目标来设计区域生成网络锚框,将得到的多尺度特征图输入区域生成网络进行候选区域提取。最后经过ROI Pooling层后得到水准泡缺陷检测结果。在包含1200张水准泡图像的数据集上进行实验,实验结果表明,融合RFP的Faster R-CNN改进模型能有效提高模型检测准确度,在测试集上的均值平均准确度达96.7%。 展开更多
关键词 水准泡 缺陷检测 Faster R-CNN 特征金字塔 rfp
在线阅读 下载PDF
基于YOLACT-RFX模型的穴盘甘蓝苗株分割算法
10
作者 王楷 韩笑 +2 位作者 朱华吉 缪祎晟 吴华瑞 《计算机工程》 CAS CSCD 北大核心 2023年第12期214-223,共10页
温室作物长势分析是近年来农业信息化领域中的研究热点,目前国内温室多用穴盘育苗的方式,其密集种植的特点和复杂的背景干扰给穴盘苗株的分割识别任务带来挑战。提出一种基于YOLACT-RFX的分割算法实现对穴盘内甘蓝苗株的高精度分割和苗... 温室作物长势分析是近年来农业信息化领域中的研究热点,目前国内温室多用穴盘育苗的方式,其密集种植的特点和复杂的背景干扰给穴盘苗株的分割识别任务带来挑战。提出一种基于YOLACT-RFX的分割算法实现对穴盘内甘蓝苗株的高精度分割和苗期识别。通过引入递归特征金字塔结构加强甘蓝苗株叶片边缘处的特征提取能力,改进相邻穴盘孔位中相互干扰苗株的分割性能。在递归特征金字塔结构中利用空洞空间金字塔池化结构对尺寸和形状快速变化的甘蓝苗株进行特征识别。最后,融合ResNeXt主干网络提升算法精度,加快模型收敛速度。基于甘蓝苗自建数据集验证所提算法的有效性,实验结果表明,当交并比为0.5时,YOLACT-RFX算法的各类平均精度为84.4%,平均召回率为92.7%,相较于YOLACT算法分别提升了3.6%和3.9%。在同等情况下,分割效果优于MASK-RCNN、SOLO、QueryInst等算法。改进后的YOLACT-RFX算法可实现对不同生长期内甘蓝穴盘苗株的高精度分割,为温室自动化甘蓝苗期管理提供技术基础。 展开更多
关键词 分割算法 甘蓝苗株 苗期识别 递归特征金字塔 空洞空间金字塔池化
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部