检索结果-维普期刊中文期刊服务平台

基于坐标注意力机制增强的CenterNet模型在烟草甲检测中的应用: 1; 作者孙俊峰王保录 +1 位作者黄琰淦黄滔《湖北农业科学》 2024年第11期191-196,215,共7页; 通过在CenterNet模型中引入坐标注意力机制,使CAM-CenterNet模型更多地关注对烟草甲(Lasioderma serricorne)(以下简称烟虫)表征能力好的通道和位置,降低烟丝、烟末等杂质的干扰,将精确率(Precision)、召回率(Recall)、平均精度(mAP)、... 展开更多; 关键词坐标注意力机制 centernet模型 CAM-centernet模型烟草甲(Lasioderma serricorne)检测; 在线阅读下载PDF 职称材料

基于CenterNet模型的烟草甲虫视觉检测方法设计被引量：7: 2; 作者杨光露李春松 +4 位作者李愿军刘穗君郭亚东张焕龙张杰《中国烟草学报》 CAS CSCD 北大核心 2022年第6期77-84,共8页; 【目的】实现卷烟厂烟草甲虫的精准检测,掌握虫情规律。【方法】使用数据增强技术提供的充足样本数据训练出理想的CenterNet模型,采用CenterNet模型对烟虫进行实时检测。【结果】(1)CenterNet模型在测试数据集中烟虫检测精度能够达到94... 展开更多; 关键词烟草甲虫目标检测方法 centernet模型检测精度抗干扰能力; 在线阅读下载PDF 职称材料

基于CenterNet的半监督起落架自动标注被引量：2: 3; 作者方伟汤淼 +1 位作者闫文君张婷婷《兵器装备工程学报》 CAS CSCD 北大核心 2023年第4期239-244,共6页; 针对飞机起落架标注人工标注费时费力问题,提出了将CenterNet目标检测模型与半监督学习结合起来对飞机起落架进行自动标注。该方法在CenterNet的主干特征网络ResNet50基础上嵌入通道注意力机制并对其有效性进行了验证,结合半监督学习,... 展开更多; 关键词图像自动标注 centernet 通道注意力机制半监督学习目标检测模型; 在线阅读下载PDF 职称材料

基于端到端的多尺度月球陨石坑检测方法被引量：2: 4; 作者庞程程张华春张岩岩《雷达科学与技术》北大核心 2022年第1期65-73,共9页; 陨石坑是月球表面最典型且普遍的地形地貌特征和地质结构。实时陨石坑检测可用于实现自主着陆、航天器和月球车导航等任务。现有的月球陨石坑检测算法需要繁杂的后期处理,难以满足实时陨石坑检测需求。为此,本文提出一种用于检测月球多... 展开更多; 关键词目标检测月球陨石坑深度学习数字高程模型 centernet; 在线阅读下载PDF 职称材料

题名基于坐标注意力机制增强的CenterNet模型在烟草甲检测中的应用: 1; 作者孙俊峰王保录黄琰淦黄滔; 机构广西中烟工业有限责任公司柳州卷烟厂; 出处《湖北农业科学》 2024年第11期191-196,215,共7页; 基金广西壮族自治区工业和信息化厅技术创新项目(GXZYBF2022D004)。; 文摘通过在CenterNet模型中引入坐标注意力机制,使CAM-CenterNet模型更多地关注对烟草甲(Lasioderma serricorne)(以下简称烟虫)表征能力好的通道和位置,降低烟丝、烟末等杂质的干扰,将精确率(Precision)、召回率(Recall)、平均精度(mAP)、每秒帧率(FPS)以及模型参数量(Params size)作为评价指标,对CAM-CenterNet模型、CenterNet模型、YOLOv3模型和Faster R-CNN模型的烟虫检测性能进行对比。结果表明,在召回率和平均精度方面,YOLOv3模型表现最好,CAM-CenterNet模型稍落后于YOLOv3模型,但高于其他模型;在帧率方面,CAM-CenterNet模型检测烟虫图像的速度较YOLOv3模型更快,且模型参数量更少,对设备配置要求更低。在检测个体较小的烟虫时,CAM-CenterNet模型的烟虫检出数量高于Faster R-CNN模型、YOLOv3模型。CAM-CenterNet模型不仅能更多地关注烟虫目标特征,而且能很好地抑制烟丝、烟末等杂质带来的干扰,实现烟虫的有效检测。CAM-CenterNet模型能满足卷烟厂对烟虫检测速度和精度的要求,可以为烟厂的烟虫整治提供技术支持。; 关键词坐标注意力机制 centernet模型 CAM-centernet模型烟草甲(Lasioderma serricorne)检测; Keywords coordinate attention mechanism centernet model CAM-centernet model Lasioderma serricorne detection; 分类号 S435.72 [农业科学—农业昆虫与害虫防治]; 在线阅读下载PDF 职称材料

题名基于CenterNet模型的烟草甲虫视觉检测方法设计被引量：7: 2; 作者杨光露李春松李愿军刘穗君郭亚东张焕龙张杰; 机构河南省中烟工业有限责任公司南阳卷烟厂贵州中烟工业有限责任公司郑州轻工业大学电气信息工程学院; 出处《中国烟草学报》 CAS CSCD 北大核心 2022年第6期77-84,共8页; 基金河南省自然科学基金项目(202300410495) 河南中烟工业有限责任公司科技攻关项目(JW2022029) 河南省科技攻关项目(212102310053)。; 文摘【目的】实现卷烟厂烟草甲虫的精准检测,掌握虫情规律。【方法】使用数据增强技术提供的充足样本数据训练出理想的CenterNet模型,采用CenterNet模型对烟虫进行实时检测。【结果】(1)CenterNet模型在测试数据集中烟虫检测精度能够达到94%以上。(2)该模型对于烟丝、粉尘颗粒等干扰因素具有一定的抗干扰能力,能实现对烟厂烟虫的精确检测,对于小个体烟虫及粘连烟虫也能获得较优的检测结果。【结论】基于CenterNet模型设计的烟虫检测报警系统能准确统计出烟虫数量,为虫情的有效预警与防治提供了保障。; 关键词烟草甲虫目标检测方法 centernet模型检测精度抗干扰能力; Keywords cigarette beetle target detection method centernet model detection accuracy anti-interference ability; 分类号 TS452 [农业科学—烟草工业] TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于CenterNet的半监督起落架自动标注被引量：2: 3; 作者方伟汤淼闫文君张婷婷; 机构海军航空大学; 出处《兵器装备工程学报》 CAS CSCD 北大核心 2023年第4期239-244,共6页; 基金国家自然基金项目(91538201) 泰山学者工程专项经费基金项目(ts201511020) 信息系统安全技术重点实验室基金项目(6142111190404)。; 文摘针对飞机起落架标注人工标注费时费力问题,提出了将CenterNet目标检测模型与半监督学习结合起来对飞机起落架进行自动标注。该方法在CenterNet的主干特征网络ResNet50基础上嵌入通道注意力机制并对其有效性进行了验证,结合半监督学习,用标记样本训练的模型对未标记样本进行标注并对得到的问题样本进行人工修正后叠加进原标记样本组成新的数据集继续训练,最终生成性能较好、能够自动标注的目标检测模型。实验结果表明,模型经过5次迭代训练后,得到标注模型的精确率达到95.29%,平均准确率达到92.16%,对飞机起落架的定位能够满足标注要求。; 关键词图像自动标注 centernet 通道注意力机制半监督学习目标检测模型; Keywords automatic image annotation centernet channel attention mechanism semi-supervised learning target detection model; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于端到端的多尺度月球陨石坑检测方法被引量：2: 4; 作者庞程程张华春张岩岩; 机构中国科学院空天信息创新研究院中国科学院大学电子电气与通信工程学院; 出处《雷达科学与技术》北大核心 2022年第1期65-73,共9页; 基金国家自然科学基金(No.Y9G0170J70)。; 文摘陨石坑是月球表面最典型且普遍的地形地貌特征和地质结构。实时陨石坑检测可用于实现自主着陆、航天器和月球车导航等任务。现有的月球陨石坑检测算法需要繁杂的后期处理,难以满足实时陨石坑检测需求。为此,本文提出一种用于检测月球多尺度陨石坑的新方法,C-Moon-Net。该方法首次基于CenterNet网络对月球数字高程模型(DEM)的图像数据集进行训练和测试。首先,随机裁剪和处理全月DEM图像来生成适用于CenterNet网络的数据集。其次,使用可以加快模型收敛速度的基本损失计算方法来训练模型。最后,基于测试集进行实验来评估训练模型的有效性。其实验结果表明,与现有的陨石坑检测方法相比,C-Moon-Net的检测速度提升了201倍,检测精度提升11.5%;本文方法可以对多种尺度的陨石坑进行精确检测,具有强鲁棒性的特点。; 关键词目标检测月球陨石坑深度学习数字高程模型 centernet; Keywords target detection lunar crater deep learning digital elevation model centernet; 分类号 V19 [航空宇航科学与技术—人机与环境工程] TN957 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于坐标注意力机制增强的CenterNet模型在烟草甲检测中的应用	孙俊峰王保录黄琰淦黄滔	《湖北农业科学》	2024	0	在线阅读下载PDF 职称材料
2	基于CenterNet模型的烟草甲虫视觉检测方法设计	杨光露李春松李愿军刘穗君郭亚东张焕龙张杰	《中国烟草学报》 CAS CSCD 北大核心	2022	7	在线阅读下载PDF 职称材料
3	基于CenterNet的半监督起落架自动标注	方伟汤淼闫文君张婷婷	《兵器装备工程学报》 CAS CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
4	基于端到端的多尺度月球陨石坑检测方法	庞程程张华春张岩岩	《雷达科学与技术》北大核心	2022	2	在线阅读下载PDF 职称材料