期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
激光雷达与云台相机驱动的无人机树障隐患检测技术在配网巡检中的应用
1
作者 魏洪 况松陵 +3 位作者 李扬帆 冯藩 杨涛 唐星 《测绘通报》 北大核心 2025年第6期136-141,共6页
在电力配网巡检过程中,传统的无人机巡检模式往往存在滞后性,难以及时发现和处理巡检通道中的树障隐患,导致配电线路运行安全性受到影响。为解决这一问题,本文提出了一种融合激光雷达与云台相机的实时隐患检测技术,通过在无人机上搭载... 在电力配网巡检过程中,传统的无人机巡检模式往往存在滞后性,难以及时发现和处理巡检通道中的树障隐患,导致配电线路运行安全性受到影响。为解决这一问题,本文提出了一种融合激光雷达与云台相机的实时隐患检测技术,通过在无人机上搭载激光雷达和高精度摄像头,融合遗传K均值锚框聚类的YOLO模型,实现对巡检通道中树障的实时检测和分析。该系统能够自动识别并定位树障,并通过云台相机对隐患部位进行精准拍摄,生成实时的隐患报告。复杂环境下的测试结果显示,该系统能够大幅提高隐患检测的及时性和准确性,显著缩短了从发现隐患到采取行动的时间。研究指出,本文提出的实时隐患检测技术显著提升了配网巡检的效率和安全性,为电力配网的智能化管理提供了有力支持,具有广泛的应用前景。 展开更多
关键词 锚框聚类 实时隐患检测 无人机避障 多传感器融合
在线阅读 下载PDF
轻量化煤矸目标检测方法研究 被引量:9
2
作者 杜京义 史志芒 +1 位作者 郝乐 陈瑞 《工矿自动化》 北大核心 2021年第11期119-125,共7页
针对目前基于深度学习的煤矸目标检测方法精度低、实时性差、小目标易漏检等问题,采用轻量化网络、自注意力机制、锚框优化方法对SSD模型进行改进,构建Ghost-SSD模型,进而提出一种轻量化煤矸目标检测方法。Ghost-SSD模型以SSD模型为基... 针对目前基于深度学习的煤矸目标检测方法精度低、实时性差、小目标易漏检等问题,采用轻量化网络、自注意力机制、锚框优化方法对SSD模型进行改进,构建Ghost-SSD模型,进而提出一种轻量化煤矸目标检测方法。Ghost-SSD模型以SSD模型为基础框架,采用GhostNet轻量化特征提取网络代替主体网络层VGG16,以提高煤矸目标检测速度;针对浅层特征图中包含较多背景噪声及语义信息不足问题,引入自注意力模块对浅层特征图进行特征增强,提高对前景区域的关注度,并采用扩张卷积增大浅层特征图的感受野,丰富浅层特征图的语义信息;采用K-means算法对锚框进行聚类,优化锚框尺寸设置,进一步提高煤矸目标检测精度。实验结果表明,基于Ghost-SSD模型进行煤矸目标检测时,平均精度均值较SSD模型提高3.6%,检测速度提高75帧/s,且检测精度与速度均优于Faster-RCNN,Yolov3模型,同时对煤矸小目标具有较好的检测效果。 展开更多
关键词 煤矸分选 煤矸识别 煤矸目标检测 自注意力机制 SSD模型 GhostNet 锚框聚类优化
在线阅读 下载PDF
基于改进级联R-CNN的酒瓶瑕疵检测 被引量:4
3
作者 高林 张玉蓉 +2 位作者 李升凯 朱庆港 姜旭辉 《计算机工程与设计》 北大核心 2022年第2期434-442,共9页
为降低厂家因瓶装酒瑕疵带来的不必要损失,提出一种改进的Cascade R-CNN算法模型,对酒瓶瑕疵进行检测。采用基于聚类算法的Anchor生成策略,将多尺度预测的骨干网络用作特征提取,使用感兴趣对齐层取代原先的感兴趣池化层。将改进的模型... 为降低厂家因瓶装酒瑕疵带来的不必要损失,提出一种改进的Cascade R-CNN算法模型,对酒瓶瑕疵进行检测。采用基于聚类算法的Anchor生成策略,将多尺度预测的骨干网络用作特征提取,使用感兴趣对齐层取代原先的感兴趣池化层。将改进的模型与其它基于Faster R-CNN和Cascade R-CNN的酒瓶瑕疵检测模型做消融实验,实验结果表明,该模型能够更加准确识别和定位出多类酒瓶瑕疵情况。在检测速度方面虽然略逊于其它模型,但模型检测的准确度达到了79.6%,远高于其它模型。 展开更多
关键词 级联卷积神经网络 酒瓶瑕疵 锚框聚类 多尺度预测 感兴趣对齐层
在线阅读 下载PDF
利用改进特征金字塔模型的SAR图像多目标船舶检测 被引量:8
4
作者 周慧 刘振宇 陈澎 《电讯技术》 北大核心 2020年第8期896-901,共6页
深度学习模型中的特征金字塔网络(Feature Pyramid Network,FPN)常被用作合成孔径雷达(Synthetic Aperture Radar,SAR)图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题,提出了一种基于改进锚点框的FPN模型。首先将特征金字... 深度学习模型中的特征金字塔网络(Feature Pyramid Network,FPN)常被用作合成孔径雷达(Synthetic Aperture Radar,SAR)图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题,提出了一种基于改进锚点框的FPN模型。首先将特征金字塔模型嵌入传统的RPN(Region Proposal Network)并映射成新的特征空间用于目标检测,然后利用基于形状相似度距离(Shape Similar Distance,SSD)度量的Kmeans聚类算法优化FPN的初始锚点框,并使用SAR船舶数据集测试。实验结果表明,所提算法目标检测精确率达到98.62%,在复杂场景下与YOLO、Faster RCNN、FPN based on VGG/ResNet等模型进行对比,模型准确率提高,整体性能更好。 展开更多
关键词 SAR图像 船舶多目标检测 特征金字塔模型
在线阅读 下载PDF
基于结构化剪枝的遥感飞机检测算法 被引量:2
5
作者 王成龙 赵倩 +1 位作者 赵琰 郭彤 《电光与控制》 CSCD 北大核心 2022年第6期37-41,共5页
针对在遥感飞机目标检测场景中轻量级算法难以兼顾准确性与实时性的问题,提出了一种基于YOLOv4结构化剪枝的模型压缩方法。为了使锚框参数更加符合遥感数据集并发挥网络多尺度检测的优势,采用K-means++算法对数据集进行锚框聚类分析,并... 针对在遥感飞机目标检测场景中轻量级算法难以兼顾准确性与实时性的问题,提出了一种基于YOLOv4结构化剪枝的模型压缩方法。为了使锚框参数更加符合遥感数据集并发挥网络多尺度检测的优势,采用K-means++算法对数据集进行锚框聚类分析,并设计尺度自适应调整,抑制小目标过多以及目标大小接近造成的锚框冗余。此外,为了减少模型参数量,利用归一化层中的缩放因子γ进行L1稀疏正则化,重新评估滤波器及卷积核权重,对特征信息较少的通道进行迭代剪枝,然后微调剪枝模型恢复精度。实验结果表明,剪枝后模型参数量压缩了93.1%,检测速度比原模型提升2.46倍,能够在保证检测准确性的同时有效提升检测实时性。 展开更多
关键词 遥感检测 飞机 锚框聚类 模型剪枝
在线阅读 下载PDF
一种复杂场景下高精度交通标志检测模型 被引量:3
6
作者 李嘉豪 闵卫东 +2 位作者 陈炯缙 朱梦 展国伟 《计算机工程》 CAS CSCD 北大核心 2023年第11期311-320,共10页
交通标志检测在智能交通领域的安全保障上具有重要作用。对于部分外观相似的交通标志在尺度变化下,现有模型难以提取它们之间的细微差异,导致标志被错误分类。此外,在复杂场景下,其他相似物体容易被误检为交通标志。为此,提出一种逐层... 交通标志检测在智能交通领域的安全保障上具有重要作用。对于部分外观相似的交通标志在尺度变化下,现有模型难以提取它们之间的细微差异,导致标志被错误分类。此外,在复杂场景下,其他相似物体容易被误检为交通标志。为此,提出一种逐层特征细化检测模型。根据交通标志特点提出分层聚类锚框和分组损失,分层聚类锚框根据目标尺度对数据集分层并通过K-means聚类算法获取各层锚框,更好地适应交通标志灵活的尺度变化,分组损失对外观相似的类别分组并设计损失函数,指导模型学习相似交通标志间的细微差距,从而降低错误分类。在Neck层加入弱语义分割模块和特征细化模块,通过弱语义分割模块学习浅层特征上下文信息,从而分割出可信区域和非可信区域,利用特征细化模块挖掘非可信区域的上下文信息,主动学习并消除造成误检的干扰,从而降低对其他相似物体的误检。弱语义分割模块和特征细化模块结合通道注意力构建逐层细化特征金字塔,实现对多尺度特征的整体优化并提高模型精确率。实验结果表明,该方法在TT100K和GTSDB交通标志数据集上的AP_(50)指标分别达到97.0%和98.6%。 展开更多
关键词 交通标志检测 复杂场景 分层 分组损失 弱语义分割模块 特征细化模块
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部