期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多粒度特征感知的FoveaBox绿色苹果抗遮挡检测模型
1
作者
任晶晶
张小勇
贾伟宽
《中国农机化学报》
北大核心
2025年第3期182-187,共6页
目标果实检测精度直接影响果园智能作业的效率,当前以卷积神经网络为代表的特征提取网络仅从局部感受野中提取特征用于目标检测,果实受枝叶遮挡或果实间重叠时存在一定的局限性,导致检测精度偏低。为提升被遮挡目标果实的检测精度,提出...
目标果实检测精度直接影响果园智能作业的效率,当前以卷积神经网络为代表的特征提取网络仅从局部感受野中提取特征用于目标检测,果实受枝叶遮挡或果实间重叠时存在一定的局限性,导致检测精度偏低。为提升被遮挡目标果实的检测精度,提出抗遮挡的FoveaBox果实检测优化模型。首先,新模型引入Swin Transformer作为骨干网络,通过计算块间的相似度,打破传统卷积仅从局部区域提取特征的限制,从而增强特征映射的表征能力;其次,采用特征金字塔网络,通过横向连接和自顶向下结构聚合浅层高分辨率特征与高层语义信息,输出金字塔型特征映射;然后,将金字塔型特征映射输入Fovea头部网络中,利用分类子网络与边界框子网络进行检测目标;最后,通过焦点损失函数Focal Loss与Smooth L1对模型进行迭代寻优,直至模型收敛。验证表明,优化模型在IoU为0.5阈值下的平均精确度可达86.3%,优于FCOS、TOOD与LAD等先进模型。提出的抗遮挡的FoveaBox可在一定程度上提升被遮挡目标的检测精确度。
展开更多
关键词
被遮挡苹果检测
多粒度特征感知
FoveaBox
Swin
Transformer
区域相似度计算
在线阅读
下载PDF
职称材料
基于双层优化元学习的域自适应红枣缺陷检测
2
作者
任晶晶
郭中原
鞠剑平
《中国农机化学报》
北大核心
2025年第7期104-110,共7页
针对自动化分拣任务中不同品种特征和光照环境导致红枣缺陷表现的差异,提出一种基于元学习的算法实现域自适应红枣缺陷的检测。首先收集不同品种、不同环境的红枣缺陷图像,构建跨域数据集,并通过StyleGAN3网络生成缺陷样本来改善训练样...
针对自动化分拣任务中不同品种特征和光照环境导致红枣缺陷表现的差异,提出一种基于元学习的算法实现域自适应红枣缺陷的检测。首先收集不同品种、不同环境的红枣缺陷图像,构建跨域数据集,并通过StyleGAN3网络生成缺陷样本来改善训练样本不均衡情况,通过数据增强丰富测试样本的多样性。随后提出一种基于双层优化元学习的红枣域自适应缺陷检测方法,采用卷积神经网络构建基学习器,双层优化策略构建元学习器,并在损失函数中添加L2正则化项以降低过拟合风险。以平均准确率作为评价指标,对基学习器和元学习器进行消融实验,并与不同类型的深度学习算法和模型无关的元学习算法进行比较,验证该方法的有效性。结果表明,该方法在原始目标域和数据增强后的目标域数据集上的平均准确率分别为78.6%、86.5%,比模型无关的元学习算法高出6.4%和7.6%,能够快速适应不同条件下的跨域红枣缺陷检测任务。
展开更多
关键词
红枣缺陷检测
域自适应
元学习
双层优化
L2正则化
在线阅读
下载PDF
职称材料
题名
基于多粒度特征感知的FoveaBox绿色苹果抗遮挡检测模型
1
作者
任晶晶
张小勇
贾伟宽
机构
太原学院智能与信息工程系
山东师范大学
信息
科学与
工程
学院
出处
《中国农机化学报》
北大核心
2025年第3期182-187,共6页
基金
国家自然科学基金面上项目(62372278)
山西省高等学校科技创新项目(2024L386)
山东省自然科学基金(ZR2020MF076)。
文摘
目标果实检测精度直接影响果园智能作业的效率,当前以卷积神经网络为代表的特征提取网络仅从局部感受野中提取特征用于目标检测,果实受枝叶遮挡或果实间重叠时存在一定的局限性,导致检测精度偏低。为提升被遮挡目标果实的检测精度,提出抗遮挡的FoveaBox果实检测优化模型。首先,新模型引入Swin Transformer作为骨干网络,通过计算块间的相似度,打破传统卷积仅从局部区域提取特征的限制,从而增强特征映射的表征能力;其次,采用特征金字塔网络,通过横向连接和自顶向下结构聚合浅层高分辨率特征与高层语义信息,输出金字塔型特征映射;然后,将金字塔型特征映射输入Fovea头部网络中,利用分类子网络与边界框子网络进行检测目标;最后,通过焦点损失函数Focal Loss与Smooth L1对模型进行迭代寻优,直至模型收敛。验证表明,优化模型在IoU为0.5阈值下的平均精确度可达86.3%,优于FCOS、TOOD与LAD等先进模型。提出的抗遮挡的FoveaBox可在一定程度上提升被遮挡目标的检测精确度。
关键词
被遮挡苹果检测
多粒度特征感知
FoveaBox
Swin
Transformer
区域相似度计算
Keywords
occluded apple detection
multi-granularity feature perception
FoveaBox
Swin Transformer
area similarity calculation
分类号
S126 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
基于双层优化元学习的域自适应红枣缺陷检测
2
作者
任晶晶
郭中原
鞠剑平
机构
太原学院智能与信息工程系
西南大学电子
信息
工程
学院
湖北商贸
学院
计算机科学与技术
学院
出处
《中国农机化学报》
北大核心
2025年第7期104-110,共7页
基金
山西省高等学校科技创新计划项目(2024L386)
重庆市教委科学技术研究计划项目(KJQN202300225)
湖北省自然科学基金计划青年项目(2024AFB418)。
文摘
针对自动化分拣任务中不同品种特征和光照环境导致红枣缺陷表现的差异,提出一种基于元学习的算法实现域自适应红枣缺陷的检测。首先收集不同品种、不同环境的红枣缺陷图像,构建跨域数据集,并通过StyleGAN3网络生成缺陷样本来改善训练样本不均衡情况,通过数据增强丰富测试样本的多样性。随后提出一种基于双层优化元学习的红枣域自适应缺陷检测方法,采用卷积神经网络构建基学习器,双层优化策略构建元学习器,并在损失函数中添加L2正则化项以降低过拟合风险。以平均准确率作为评价指标,对基学习器和元学习器进行消融实验,并与不同类型的深度学习算法和模型无关的元学习算法进行比较,验证该方法的有效性。结果表明,该方法在原始目标域和数据增强后的目标域数据集上的平均准确率分别为78.6%、86.5%,比模型无关的元学习算法高出6.4%和7.6%,能够快速适应不同条件下的跨域红枣缺陷检测任务。
关键词
红枣缺陷检测
域自适应
元学习
双层优化
L2正则化
Keywords
jujubes defect detection
domain adaptation
meta learning
bi-level optimization
L2 regularization
分类号
S126 [农业科学—农业基础科学]
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
基于多粒度特征感知的FoveaBox绿色苹果抗遮挡检测模型
任晶晶
张小勇
贾伟宽
《中国农机化学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于双层优化元学习的域自适应红枣缺陷检测
任晶晶
郭中原
鞠剑平
《中国农机化学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
