-
题名基于改进PPYOLOE-R的遥感图像舰船目标检测
被引量：1
- 1
-
-
作者
陈天鹏
胡建文
李海涛
-
机构
长沙理工大学电气与信息工程学院
-
出处
《计算机科学》
北大核心
2025年第S1期483-490,共8页
-
基金
国家自然科学基金面上项目(62271087)
湖南省自然科学基金(2024JJ5039,2023JJ60141)
长沙市自然科学基金(kq2208403)。
-
文摘
遥感图像背景复杂,处于遥感图像中的舰船目标与港口背景语义信息较为相似,并且部分舰船目标尺寸小且密集排列,现有深度学习目标检测算法易出现漏检、误检、精度不理想等问题。针对此问题,提出一种改进PPYOLOE-R的遥感图像舰船目标检测算法,以PPYOLOE-R为基线,在颈部网络引入置换注意力机制,增强模型的特征提取能力;引入一种改进的Focal Loss,该损失可以关联类别分数与定位分数,对类别标签进行软化处理,提高模型对难易样本的区分能力。提取DOTA数据集中的舰船类别,制作DOTA_ships舰船数据集。在HRSC2016数据集和DOTA_ships舰船数据集上的实验结果表明,该方法的平均精确度分别为90.02%,89.90%,检测速度分别为48.2 FPS,41.5 FPS,召回率分别为97.9%,97.3%,平均精确度和召回率在对比方法中均为最优,检测速度仅次于PPYOLOE-R。
-
关键词
遥感图像
舰船目标检测
ppyoloe-r
置换注意力
Focal
Loss
-
Keywords
Remote sensing image
Ships detection
ppyoloe-r
Shuffle attention
Focal Loss
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进PPYOLOE-R的信息码矫正研究
- 2
-
-
作者
赵云涛
肖俊杰
李维刚
熊雅婷
-
机构
武汉科技大学冶金自动化与检测技术教育部工程研究中心
武汉科技大学信息科学与工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第6期358-366,共9页
-
基金
湖北省教育厅科学技术研究项目(B2020012)。
-
文摘
信息码识别技术推动着社会的进步,使人们的生活更加便捷。由于受所处拍照环境影响,信息码识别效果有待提高,而且信息码角度倾斜也会影响解码正确率。以基于信息码的电力互感器误差实验接线判断为背景,提出一种基于改进PPYOLOE-R的信息码矫正算法。首先以PPYOLOE-R检测算法为基础,融合轻量级网络ESNet,在提升精度的同时降低模型参数量;其次引入动态卷积进一步加强特征提取,减少模型因下采样丢失信息,加强模型通道特征提取能力;最后为满足人工智能(AI)边缘设备上的实时性要求,采用模型融合技术将推理模型进行融合,保证在模型精度不变的情况下提升模型检测速度。为丰富数据集,采用两步旋转数据增强和Mosaic+Mixup数据增强方法,充分利用数据集中已有信息,提高模型学习能力。实验结果表明,改进后算法精度达到89.46%,较原模型提升了1.95%,检测照片速度从每张154 ms提升至每张50 ms。相较其他算法,改进算法具有体积小和速度快的优势,通过算法矫正后的信息码,可显著提高解码效率和正确率。
-
关键词
信息码矫正
人工智能边缘计算
ppyoloe-r算法
动态卷积
模型融合
-
Keywords
information code correction
Artificial Intelligence(AI)edge computing
ppyoloe-r algorithm
dynamic convolution
model fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
