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
3
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Convnextv2与纹理边缘引导的伪装目标检测
1
作者
付家瑞
李兆飞
+1 位作者
周豪
黄惟
《浙江大学学报(工学版)》
北大核心
2025年第8期1718-1726,共9页
为了解决伪装目标检测中目标的边缘特征及对应场景下独特纹理特征信息表达处理不足的问题,提出基于Convnextv2与纹理边缘引导的伪装目标检测算法.通过纹理编码模块在输入图片上提取纹理特征,与主干网络提取的边缘特征进行融合,生成图片...
为了解决伪装目标检测中目标的边缘特征及对应场景下独特纹理特征信息表达处理不足的问题,提出基于Convnextv2与纹理边缘引导的伪装目标检测算法.通过纹理编码模块在输入图片上提取纹理特征,与主干网络提取的边缘特征进行融合,生成图片的纹理-边缘特征.通过设计的纹理边缘引导的注意力模块,将纹理-边缘特征融入主干特征以定位目标的真实位置.利用特征融合模块进行多层次特征融合,采用多级监督的方式,设计总的损失函数.在3个公开数据集CAMO、COD10K、NC4K和迷彩伪装混合数据集MICAI_TE上的实验表明,该算法的综合性能最优.
展开更多
关键词
伪装目标检测
纹理边缘引导特征融合
Convnextv2
特征提取
纹理边缘注意力机制
在线阅读
下载PDF
职称材料
基于PXD-YOLO11s的陶瓷电路板缺陷检测方法研究
2
作者
杨思念
曹立佳
+2 位作者
郭川东
刘艳菊
任帅
《仪器仪表学报》
北大核心
2025年第7期307-318,共12页
针对工业现场陶瓷电路板(CPCB)缺陷检测中存在的数据集有限、缺陷尺度微小、背景复杂等问题,提出了一种基于PXD-YOLO11s的陶瓷电路板缺陷检测方法。首先构建高质量CPCB缺陷专用数据集,系统设计涵盖深度划痕、砂眼、断路等14类典型缺陷...
针对工业现场陶瓷电路板(CPCB)缺陷检测中存在的数据集有限、缺陷尺度微小、背景复杂等问题,提出了一种基于PXD-YOLO11s的陶瓷电路板缺陷检测方法。首先构建高质量CPCB缺陷专用数据集,系统设计涵盖深度划痕、砂眼、断路等14类典型缺陷的采集方案,采用工业相机和专业光学设备采集高清缺陷图像,并通过图像预处理与数据增强策略提升样本多样性与泛化能力。其次在YOLO11s网络架构基础上进行改进:引入并行特征提取模块(ParNet),通过多分支卷积结构捕获不同尺度的特征信息,同时优化卷积结构以提升特征提取效率;增加专用小目标检测层(XsHead),强化对微小缺陷的识别能力;后处理阶段引入Soft-NMS机制,通过置信度衰减而非直接抑制的方式处理重叠预测框,有效提升对密集排列缺陷的检测能力;最后调整损失函数,采用DIoU损失替代传统的CIoU损失,使模型更加关注预测框与真实框中心点距离和宽高比例,从而提升复杂背景下的目标定位精度。实验结果表明,在自建CPCB数据集上,改进后的PXD-YOLO11s模型在mAP50和mAP(50~95)指标上较原YOLO11s分别提升了5.2%和8.5%。此外,该方法在公开PKU-Market-PCB数据集上的检测性能优于Faster R-CNN、YOLOv5s等典型算法,展现出其良好的泛化能力与特征提取的有效性。所提出的方法显著提升了陶瓷电路板缺陷检测精度,为工业缺陷智能检测提供了高效、可靠的解决方案。
展开更多
关键词
YOLO11s
陶瓷电路板
CPCB
缺陷检测
在线阅读
下载PDF
职称材料
GPU并行计算驱动的大规模无人机集群仿真研究
3
作者
余玲
郭川东
+2 位作者
王国庆
刘艳菊
曹立佳
《计算机工程与应用》
北大核心
2025年第22期114-122,共9页
随着无人机集群仿真规模的不断扩大,传统基于CPU的串行计算方式已难以满足大规模仿真高效率、高实时性和低成本的实际需求。提出一种GPU并行计算驱动的大规模无人机集群仿真方法,从方法设计层面出发,系统构建契合GPU执行特性的并行仿真...
随着无人机集群仿真规模的不断扩大,传统基于CPU的串行计算方式已难以满足大规模仿真高效率、高实时性和低成本的实际需求。提出一种GPU并行计算驱动的大规模无人机集群仿真方法,从方法设计层面出发,系统构建契合GPU执行特性的并行仿真机制。该方法以CUDA为并行计算基础,结合仿真对象的独立性特征,采用细粒度的数据并行策略,依据静态负载均衡原则与线程映射模型,将仿真任务均匀分配至并行线程,实现计算资源的高效利用。为验证所提出方法的有效性,构建面向大规模集群的并行仿真系统,并与传统CPU仿真方法进行性能对比测试,从仿真实时性与系统扩展性两个维度深入开展性能评估。实验结果表明,该方法在保障仿真精度和系统稳定性的同时,能实现在NVIDIA GeForce GTX 1650显卡上至多2322架无人机模型的实时仿真,不仅为无人机集群的高效仿真提供了可行路径,也为其他领域的大规模并行计算问题提供了技术参考。
展开更多
关键词
GPU计算
无人机集群
并行仿真
实时性
在线阅读
下载PDF
职称材料
题名
基于Convnextv2与纹理边缘引导的伪装目标检测
1
作者
付家瑞
李兆飞
周豪
黄惟
机构
四川
轻化工大学自动化与信息工程学院
智能感知与控制四川省重点实验室
企业信息化与物联网测控技术
四川省
高校
重点
实验室
出处
《浙江大学学报(工学版)》
北大核心
2025年第8期1718-1726,共9页
基金
企业信息化与物联测控技术四川省重点实验室资助项目(2022WZJ02)
自贡市重点科技计划资助项目(2019YYJC15)
+2 种基金
四川轻化工大学科研基金资助项目(2020RC32)
四川轻化工大学研究生课程建设项目(AL202213,SZ202310)
四川轻化工大学教学改革项目(2024KCSZ-ZY03,2024KCSZ-KC09,JG-24064)。
文摘
为了解决伪装目标检测中目标的边缘特征及对应场景下独特纹理特征信息表达处理不足的问题,提出基于Convnextv2与纹理边缘引导的伪装目标检测算法.通过纹理编码模块在输入图片上提取纹理特征,与主干网络提取的边缘特征进行融合,生成图片的纹理-边缘特征.通过设计的纹理边缘引导的注意力模块,将纹理-边缘特征融入主干特征以定位目标的真实位置.利用特征融合模块进行多层次特征融合,采用多级监督的方式,设计总的损失函数.在3个公开数据集CAMO、COD10K、NC4K和迷彩伪装混合数据集MICAI_TE上的实验表明,该算法的综合性能最优.
关键词
伪装目标检测
纹理边缘引导特征融合
Convnextv2
特征提取
纹理边缘注意力机制
Keywords
camouflage object detection
texture-edge-guided feature fusion
Convnextv2
feature extraction
texture edge attention mechanism
分类号
TP391 [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PXD-YOLO11s的陶瓷电路板缺陷检测方法研究
2
作者
杨思念
曹立佳
郭川东
刘艳菊
任帅
机构
四川
轻化工大学计算机科学与工程学院
四川
轻化工大学自动化与信息工程学院
智能感知与控制四川省重点实验室
企业信息化与物联网测控技术
四川省
高校
重点
实验室
出处
《仪器仪表学报》
北大核心
2025年第7期307-318,共12页
基金
企业信息化与物联网测控技术四川省高校重点实验室开放基金(2024WZY01)
四川轻化工大学科研创新团队计划(SUSE652A011)
四川轻化工大学研究生创新基金(Y2024119)项目资助。
文摘
针对工业现场陶瓷电路板(CPCB)缺陷检测中存在的数据集有限、缺陷尺度微小、背景复杂等问题,提出了一种基于PXD-YOLO11s的陶瓷电路板缺陷检测方法。首先构建高质量CPCB缺陷专用数据集,系统设计涵盖深度划痕、砂眼、断路等14类典型缺陷的采集方案,采用工业相机和专业光学设备采集高清缺陷图像,并通过图像预处理与数据增强策略提升样本多样性与泛化能力。其次在YOLO11s网络架构基础上进行改进:引入并行特征提取模块(ParNet),通过多分支卷积结构捕获不同尺度的特征信息,同时优化卷积结构以提升特征提取效率;增加专用小目标检测层(XsHead),强化对微小缺陷的识别能力;后处理阶段引入Soft-NMS机制,通过置信度衰减而非直接抑制的方式处理重叠预测框,有效提升对密集排列缺陷的检测能力;最后调整损失函数,采用DIoU损失替代传统的CIoU损失,使模型更加关注预测框与真实框中心点距离和宽高比例,从而提升复杂背景下的目标定位精度。实验结果表明,在自建CPCB数据集上,改进后的PXD-YOLO11s模型在mAP50和mAP(50~95)指标上较原YOLO11s分别提升了5.2%和8.5%。此外,该方法在公开PKU-Market-PCB数据集上的检测性能优于Faster R-CNN、YOLOv5s等典型算法,展现出其良好的泛化能力与特征提取的有效性。所提出的方法显著提升了陶瓷电路板缺陷检测精度,为工业缺陷智能检测提供了高效、可靠的解决方案。
关键词
YOLO11s
陶瓷电路板
CPCB
缺陷检测
Keywords
YOLO11s
ceramic circuit board
CPCB
defect detection
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TH862 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
GPU并行计算驱动的大规模无人机集群仿真研究
3
作者
余玲
郭川东
王国庆
刘艳菊
曹立佳
机构
四川
轻化工大学计算机科学与工程学院
四川
轻化工大学自动化与信息工程学院
智能感知与控制四川省重点实验室
企业信息化与物联网测控技术
四川省
高校
重点
实验室
出处
《计算机工程与应用》
北大核心
2025年第22期114-122,共9页
基金
四川省科技计划(2024NSFSC2048)
四川轻化工大学科研创新团队计划(SUSE652A011)。
文摘
随着无人机集群仿真规模的不断扩大,传统基于CPU的串行计算方式已难以满足大规模仿真高效率、高实时性和低成本的实际需求。提出一种GPU并行计算驱动的大规模无人机集群仿真方法,从方法设计层面出发,系统构建契合GPU执行特性的并行仿真机制。该方法以CUDA为并行计算基础,结合仿真对象的独立性特征,采用细粒度的数据并行策略,依据静态负载均衡原则与线程映射模型,将仿真任务均匀分配至并行线程,实现计算资源的高效利用。为验证所提出方法的有效性,构建面向大规模集群的并行仿真系统,并与传统CPU仿真方法进行性能对比测试,从仿真实时性与系统扩展性两个维度深入开展性能评估。实验结果表明,该方法在保障仿真精度和系统稳定性的同时,能实现在NVIDIA GeForce GTX 1650显卡上至多2322架无人机模型的实时仿真,不仅为无人机集群的高效仿真提供了可行路径,也为其他领域的大规模并行计算问题提供了技术参考。
关键词
GPU计算
无人机集群
并行仿真
实时性
Keywords
GPU computing
UAV swarm
parallel simulation
real-time capability
分类号
TP391.9 [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
作者
出处
发文年
被引量
操作
1
基于Convnextv2与纹理边缘引导的伪装目标检测
付家瑞
李兆飞
周豪
黄惟
《浙江大学学报(工学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于PXD-YOLO11s的陶瓷电路板缺陷检测方法研究
杨思念
曹立佳
郭川东
刘艳菊
任帅
《仪器仪表学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
GPU并行计算驱动的大规模无人机集群仿真研究
余玲
郭川东
王国庆
刘艳菊
曹立佳
《计算机工程与应用》
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
