针对坐标注意力(CA)在水平和垂直方向特征的平均池化可能丢失目标显著特征,以及使用二维普通卷积对小目标特征学习不足的情况,提出了CARFB(coordinate attention and receptive field block)模块。该模块将CA的平均池化修改为平均+最大...针对坐标注意力(CA)在水平和垂直方向特征的平均池化可能丢失目标显著特征,以及使用二维普通卷积对小目标特征学习不足的情况,提出了CARFB(coordinate attention and receptive field block)模块。该模块将CA的平均池化修改为平均+最大池化,以保留输入特征在水平和垂直方向的显著和细节信息;利用RFB具有不同大小感受野的优势,在水平和垂直方向分别使用RFB模块代替CA的融合特征统一卷积,以同时提取不同大小目标的特征;引入包含不同大小卷积核和步长的CBS模块,替换CA的二维普通卷积,进一步提取水平和垂直方向的特征,得到重新加权的输出特征。CARFB模块在水平和垂直方向保存目标位置信息,利用不同感受野提取不同大小目标的强辨别性特征,从而具有更强的特征学习能力。为了验证提出的即插即用模块CARFB的性能,将其嵌入ObjectBox目标检测框架,得到ObjectBox-CARFB模型;用CARFB模块替换RFBnet中的RFB模块,得到CARFBnet目标检测模型。MSCOCO数据集的实验测试表明,ObjectBox-CARFB模型的性能得到全面提升,尤其对小目标的检测性能提升突出;PASCALVOC和MSCOCO数据集的实验结果表明,CARFBnet300和CARFBnet512的目标检测能力分别优于原始RFBnet300和RFBnet512模型,并优于其他同系列对比模型。提出的CARFB模块具有更强的特征学习能力,对不同尺度目标均能取得较好的检测效果,特别是在小目标检测方面,效果提升显著。提出的CARFB模块可以嵌入到任何一个卷积神经网络,能保存更多的目标信息,具有更强的特征学习能力和更高的网络性能,对不同尺度目标均能取得较好的检测效果,尤其对小目标的检测效果提升显著。展开更多
为了提高对管制物品的检测精度,本文提出一种结合RFB(receptive field block)网络结构和特征融合的目标检测算法。首先对采集的安检数据进行无效内容剔除、滤波;接着对安检数据进行人工标注和数据增强;然后在MobileNetV3-SSD算法的基础...为了提高对管制物品的检测精度,本文提出一种结合RFB(receptive field block)网络结构和特征融合的目标检测算法。首先对采集的安检数据进行无效内容剔除、滤波;接着对安检数据进行人工标注和数据增强;然后在MobileNetV3-SSD算法的基础上,通过引入RFB网络改进其网络结构,以加强网络的特征提取能力,并利用特征融合的方法提高模型的小目标检测能力;最后,构建了一个安检数据集SCCI2020来验证算法的性能,该数据集包含91767张图片。实验结果表明,本算法在安检数据集SCCI2020上的检测精度为87.0%,比MobileNetV3-SSD算法的检测精度高2.7个百分点;在COCO2014和COCO2017通用数据集上的检测精度分别为21.9%和23%,相对于VGG16-SSD、MobileNetV3-SSD算法均有一定提升。展开更多
为研究考虑连续刚构桥(rigid-frame bridge,RFB)不同施工阶段内力状态(internal force state,IFS)对地震易损性的影响,以一座大跨高墩连续刚构桥为背景,基于等效荷载法提出了适用于连续刚构桥施工阶段的主梁和主墩的内力等效荷载计算公...为研究考虑连续刚构桥(rigid-frame bridge,RFB)不同施工阶段内力状态(internal force state,IFS)对地震易损性的影响,以一座大跨高墩连续刚构桥为背景,基于等效荷载法提出了适用于连续刚构桥施工阶段的主梁和主墩的内力等效荷载计算公式,通过OpenSees建立了5个典型施工阶段考虑内力状态和不考虑内力状态的动力分析模型;选取40组典型的速度脉冲型近断层地震动记录为输入,采用增量动力分析法开展考虑施工过程与否的各典型施工阶段的动力时程分析,并以曲率延性系数为损伤指标,通过理论易损性方法得到了主墩墩底、墩顶和主梁根部的地震易损性曲线。结果表明:采用提出的内力等效荷载公式能较为准确地计算和模拟各典型施工阶段的等效内力状态;相同地震动强度下主墩墩底、墩顶和主梁根部在不同损伤状态下的损伤概率均随主梁悬臂长度的增加而增大;不考虑内力状态将低估墩底和墩顶的损伤概率,墩底沿纵桥向的损伤低估最为严重,且桥墩损伤概率的低估量随悬臂长度的增大而增大。展开更多
文摘针对坐标注意力(CA)在水平和垂直方向特征的平均池化可能丢失目标显著特征,以及使用二维普通卷积对小目标特征学习不足的情况,提出了CARFB(coordinate attention and receptive field block)模块。该模块将CA的平均池化修改为平均+最大池化,以保留输入特征在水平和垂直方向的显著和细节信息;利用RFB具有不同大小感受野的优势,在水平和垂直方向分别使用RFB模块代替CA的融合特征统一卷积,以同时提取不同大小目标的特征;引入包含不同大小卷积核和步长的CBS模块,替换CA的二维普通卷积,进一步提取水平和垂直方向的特征,得到重新加权的输出特征。CARFB模块在水平和垂直方向保存目标位置信息,利用不同感受野提取不同大小目标的强辨别性特征,从而具有更强的特征学习能力。为了验证提出的即插即用模块CARFB的性能,将其嵌入ObjectBox目标检测框架,得到ObjectBox-CARFB模型;用CARFB模块替换RFBnet中的RFB模块,得到CARFBnet目标检测模型。MSCOCO数据集的实验测试表明,ObjectBox-CARFB模型的性能得到全面提升,尤其对小目标的检测性能提升突出;PASCALVOC和MSCOCO数据集的实验结果表明,CARFBnet300和CARFBnet512的目标检测能力分别优于原始RFBnet300和RFBnet512模型,并优于其他同系列对比模型。提出的CARFB模块具有更强的特征学习能力,对不同尺度目标均能取得较好的检测效果,特别是在小目标检测方面,效果提升显著。提出的CARFB模块可以嵌入到任何一个卷积神经网络,能保存更多的目标信息,具有更强的特征学习能力和更高的网络性能,对不同尺度目标均能取得较好的检测效果,尤其对小目标的检测效果提升显著。
文摘为了提高对管制物品的检测精度,本文提出一种结合RFB(receptive field block)网络结构和特征融合的目标检测算法。首先对采集的安检数据进行无效内容剔除、滤波;接着对安检数据进行人工标注和数据增强;然后在MobileNetV3-SSD算法的基础上,通过引入RFB网络改进其网络结构,以加强网络的特征提取能力,并利用特征融合的方法提高模型的小目标检测能力;最后,构建了一个安检数据集SCCI2020来验证算法的性能,该数据集包含91767张图片。实验结果表明,本算法在安检数据集SCCI2020上的检测精度为87.0%,比MobileNetV3-SSD算法的检测精度高2.7个百分点;在COCO2014和COCO2017通用数据集上的检测精度分别为21.9%和23%,相对于VGG16-SSD、MobileNetV3-SSD算法均有一定提升。
文摘为研究考虑连续刚构桥(rigid-frame bridge,RFB)不同施工阶段内力状态(internal force state,IFS)对地震易损性的影响,以一座大跨高墩连续刚构桥为背景,基于等效荷载法提出了适用于连续刚构桥施工阶段的主梁和主墩的内力等效荷载计算公式,通过OpenSees建立了5个典型施工阶段考虑内力状态和不考虑内力状态的动力分析模型;选取40组典型的速度脉冲型近断层地震动记录为输入,采用增量动力分析法开展考虑施工过程与否的各典型施工阶段的动力时程分析,并以曲率延性系数为损伤指标,通过理论易损性方法得到了主墩墩底、墩顶和主梁根部的地震易损性曲线。结果表明:采用提出的内力等效荷载公式能较为准确地计算和模拟各典型施工阶段的等效内力状态;相同地震动强度下主墩墩底、墩顶和主梁根部在不同损伤状态下的损伤概率均随主梁悬臂长度的增加而增大;不考虑内力状态将低估墩底和墩顶的损伤概率,墩底沿纵桥向的损伤低估最为严重,且桥墩损伤概率的低估量随悬臂长度的增大而增大。
