-
题名基于FIPA模型的自适应协同优化的车型识别算法
- 1
-
-
作者
王开明
罗哲皓
孙文琪
梁国远
梁勇
-
机构
桂林理工大学机械与控制工程学院
广东省机器人与智能系统重点实验室(中国科学院深圳先进技术研究院)
中国科学院大学
-
出处
《计算机应用》
CSCD
北大核心
2024年第S2期267-273,共7页
-
基金
中国科学院科技服务网络计划项目(STS)专项(STS-HP-202201)。
-
文摘
针对车型识别任务中存在的问题,包括人为组合忽略了其他部位信息以及多网络融合时价值不一致导致的精度下降等,提出一种基于FIPA (Foundation for Intelligent Physical Agents)模型的自适应协同优化算法用于车型识别。首先,在特征提取过程中采用空间到深度卷积层(SPD-Conv)替代YOLOv8中的标准卷积层,以解决细粒度信息丢失和无效检测问题;其次,设计了一种自适应协同优化网络来挖掘携带有效信息的汽车部件,并解决多智能体无序竞争问题;最后,引入基于FIPA模型的加权对数极坐标投票模块来整合近距离和远距离位置上的细粒度信息,从而解决融合过程中多智能体价值不一致所导致的精度下降问题。在DeepCar5.0数据集上的实验结果表明,在目标检测阶段相较于YOLOv5,所提算法在交并比(IoU)为0.5时的平均精度均值(mAP)提高了1.80个百分点;在分类融合阶段,所提算法的分类准确率提高了6.48个百分点,并通过增加预处理块将分类准确率又提高了7.53个百分点。
-
关键词
车型识别
协同优化
特征提取
对数极坐标投票
细粒度信息
-
Keywords
vehicle recognition
collaborative optimization
feature extraction
log-polar voting
fine-grained information
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多尺度区域与类不确定性理论的局部阈值分割方法
被引量：8
- 2
-
-
作者
周力凯
江雨洋
冯亚春
梁国远
吴新宇
王琼
-
机构
广东省机器人与智能系统重点实验室(中国科学院深圳先进技术研究院)
中国科学院人机智能协同系统重点实验室(中国科学院深圳先进技术研究院)
中国科学院大学
中山大学数学学院
-
出处
《计算机应用》
CSCD
北大核心
2020年第S02期66-72,共7页
-
基金
国家自然科学基金资助项目(81601576)
国家自然科学基金与深圳市联合基金资助项目(U1813209)
+1 种基金
广东省科技计划项目(2016A020220013)
深圳市孔雀科技创新项目(KQJSCX20170731164301774)。
-
文摘
医学图像受成像原理的限制,存在图像灰度分布不均匀、噪声大、组织间边界模糊等问题,传统的阈值分割方法通常难以获得精准的分割结果。针对这一问题,提出一种基于多尺度区域与类不确定性理论的阈值分割方法。首先,利用多层金字塔结构将原始图像分割成一组不同尺度的子区域;然后,基于类不确定性与区域均匀性度量构建带不等式约束的能量函数,并逐层迭代求解各子区域的最优局部阈值;最终,得到局部最优阈值掩膜,从而实现图像分割。通过仿真实验可得所提方法能有效克服噪声、局部灰度分布不均匀以及模糊边界等因素的干扰,算法性能显著优于经典的基于受限的目标灰度频率范围求解最优分割阈值方法(RCOtsu)和基于类不确定性及区域均匀性的能量最小化(MHUE)方法以及近年来提出的一些基于阈值分割方法。所提方法分割结果平均误分率(ME)为1.1%,与上述对比算法的平均误分率相比下降了2.1%;峰值信噪比(PSNR)为17.1 dB,比对比算法的平均指标下降了2.7 dB。实验结果表明,所提方法可以稳定、清晰地分割灰度不均和高噪声图像。
-
关键词
图像分割
局部阈值
类不确定性
医学影像
区域均匀性
-
Keywords
image segmentation
local threshold
class uncertainty
medical imaging
region homogeneity
-
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
