-
题名基于YOLOv5的轻量级布匹疵点检测模型
- 1
-
-
作者
阚盛琦
方巍
吴嘉怡
郭孝庚
-
机构
南京信息工程大学计算机学院、网络空间安全学院
气象灾害国家重点实验室
南京信息工程大学
-
出处
《信息技术》
2024年第10期22-29,共8页
-
基金
南京信息工程大学大学生创新创业训练计划项目(XJDC202210300193)
2023年度南京信息工程大学“优秀本科毕业设计(论文)支持计划”(BSZC2023021)
+1 种基金
国家自然科学基金面上项目(42075007)
灾害天气国家重点实验室开放课题(2021LASWB19)。
-
文摘
针对人工检测布匹疵点效率低、漏检误检严重的现象,文中提出一种基于YOLOv5算法的布匹疵点检测模型G-YOLOv5。该模型首先利用Ghost卷积机制代替传统卷积,减少冗余的参数量和计算量;其次在骨干网络的最后加入协同注意力机制,加强对小目标物体的分类和定位性能;同时,使用轻量化的上采样算子CARAFE减少在特征处理过程中的特征损失。实验结果表明,改进后的算法在布匹疵点检测数据集上的平均准确率为88.4%,相比于YOLOv5算法提高了2.2个百分点,参数量缩减了一半,能够在较小的模型下达到较高的检测精度,满足实际工业的检测需求。
-
关键词
布匹疵点检测
YOLOv5
GHOST
协同注意力机制
CARAFE
-
Keywords
fabric defect detection
YOLOv5
Ghost
coordinate attention
CARAFE
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于深度时空融合网络的雷达回波外推模型
被引量：3
- 2
-
-
作者
方巍
庞林
易伟楠
-
机构
南京信息工程大学计算机学院数字取证教育部工程研究中心
气象灾害国家重点实验室
南京信息工程大学江苏省大气环境与装备技术协同创新中心
中国气象局气象干部培训学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2023年第9期2526-2538,共13页
-
基金
国家自然科学基金(No.42075007)
灾害天气国家重点实验室开放课题(No.2021LASWB19)。
-
文摘
基于深度学习的雷达回波外推是实现短临降水预报的重要方法,由于雷达回波数据具有显著的非刚性的运动特征,使得数据的统计特性随时间在不断变化,意味着其具有高阶非平稳性,而现有深度学习方法难以捕捉回波序列的非刚性运动特征,且难以建模雷达数据的高阶非平稳性.为此,本文针对雷达数据特征提出了一种新的时空融合网络STUNNER(Spatio-Temporal Fusion Neural Network).STUNNER设计了一种两路时空融合架构,通过交叉连接时间差分网络和时空轨迹网络实现高效的雷达回波外推.时间差分网络通过引入差分的思想提取高阶非平稳数据中平稳性特征来学习雷达回波的长期趋势,时空轨迹网络利用动态卷积将卷积循环神经网络中普通卷积固定的参数采样位置优化为随时间变化的动态位置来提取雷达回波的瞬时变化,同时采用两路融合策略将长期趋势与瞬时变化融合,实现长短时关联记忆.所提模型与其他四个模型在两个公开数据集上进行了实验对比.在雷达回波外推任务中当雷达反射率阈值为45 dBZ时,STUNNER在POD(Probability Of Detection)、CSI(Critical Success Index)、FAR(False Alarm Rate)上相比MIM(Memory In Memory)分别优化了0.020,0.023,0.043.实验结果表明新模型在处理雷达回波外推任务上具有更高的准确率.
-
关键词
雷达回波外推
短临降水预报
高阶非平稳性
动态卷积
两路时空融合
-
Keywords
radar echo extrapolation
precipitation nowcasting
high-order non-stationarity
dynamic convolution
two stream spatio-temporal fusion
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
