题名 基于自适应注意力机制的红外与可见光图像目标检测
被引量：2
1
作者
赵松璞 杨利萍 赵昕 彭志远 梁东兴 梁洪军
机构
深圳市朗驰欣创科技股份有限公司成都分公司
出处
《红外技术》
CSCD
北大核心
2024年第4期443-451,共9页
基金
深圳市科技计划项目(JSGG20210802153009029)。
文摘
针对红外和可见光目标检测方法存在的不足,将深度学习技术与多源目标检测相结合,提出了一种基于自适应注意力机制的目标检测方法。该方法首先以深度可分离卷积为核心构建双源特征提取结构,分别提取红外和可见光目标特征。其次,为充分互补目标多模态信息,设计了自适应注意力机制,以数据驱动的方式加权融合红外和可见光特征,保证特征充分融合的同时降低噪声干扰。最后,针对多尺度目标检测,将自适应注意力机制结合多尺度参数来提取并融合目标全局和局部特征,提升尺度不变性。通过实验表明,所提方法相较于同类型目标检测算法能够准确高效地在复杂场景下实现目标识别和定位,并且在实际变电站设备检测中,该方法也体现出更高的泛化性和鲁棒性,可以有效辅助机器人完成目标检测任务。
关键词
红外与可见光 目标检测 深度学习 自适应注意力机制
Keywords
infrared and visible light object detection deep learning adaptive attention mechanisms
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于深度学习的变电站巡检机器人道路场景识别
被引量：17
2
作者
刘明春 张葛祥 黄占鳌 鲜开义 黄志伟
机构
西南交通大学电气工程学院 西南科技 大学制造科学与工程学院 深圳市朗驰欣创科技股份有限公司成都分公司 北京全路通信信号研究设计院集团有限公司 成都 分公司
出处
《科学技术与工程》
北大核心
2019年第13期158-163,共6页
基金
国家自然科学基金(61672437 61702428) +2 种基金 四川省科技计划重点研发(重大科技专项)(2018GZ0086 2018GZ0185 2018GZDZX0044)资助
文摘
为了提升变电站巡检机器人对自身所处环境的理解能力,将深度学习技术应用于变电站巡检机器人对道路场景的识别中,提出了一种全卷积道路场景识别网络(road scene recognition net,RSRNet)。该网络主要由相对浅层的编码网络和镜像结构与跳层融合结构相结合的解码网络组成,通过编码网络提取图像特征后由解码网络识别出图像目标信息。通过实验表明,本文提出的网络在同类型网络中识别精度及效率更高,同时在实际变电站场景中也表现出了优良的场景识别性能。
关键词
深度学习 全卷积神经网络 变电站巡检机器人 场景识别
Keywords
deep learning fully convolutional network substation inspection robot scene recognition
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 变电站巡检机器人避障方法研究与应用
被引量：20
3
作者
鲜开义 彭志远 谷湘煜 梁洪军 蒋鑫 查盛
机构
深圳市朗驰欣创科技股份有限公司成都分公司
出处
《科学技术与工程》
北大核心
2021年第5期1957-1962,共6页
基金
四川省重大科技专项(18ZDZX0162)。
文摘
为提升变电站巡检机器人的导航避障能力,将深度学习技术应用于变电站场景识别中,提出了一种基于深度卷积神经网络的避障方法。该方法联合图像分类和语义分割两个分支来共同辅助机器人导航避障,分类分支通过获取图像全局信息,保证机器人正确行驶方向;而语义分割支路则根据图像局部信息以及机器人前方目标类别,指导机器人准确避障。实验结果表明,避障方法可以高效地对图像进行分类和分割,同时,在实际变电站环境中,该方法也能为巡检机器人提供有效的避障信息,实现实时自主避障。
关键词
卷积神经网络 语义分割 图像分类 变电站巡检机器人 避障
Keywords
convolutional network semantic segmentation image classification substation inspection robot obstacles avoidance
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 多特征融合的道路场景语义分割算法
被引量：6
4
作者
谷湘煜 刘晓熠 周仁彬
机构
深圳市朗驰欣创科技股份有限公司成都分公司
出处
《科学技术与工程》
北大核心
2021年第33期14251-14257,共7页
基金
广州市科技计划(202002020019)。
文摘
为提升道路场景语义分割的性能以及实际应用性,将传统的图像处理算法与深度学习技术相结合,提出了一种多特征融合的轻量级道路场景语义分割网络模型。首先,该模型利用颜色空间转化、图像均衡化、边缘检测等算法对图像多种特征信息进行增强;其次,以深度可分离卷积为基本单元搭建高效率特征提取结构,对特征增强后的图像进行信息融合和提取,并结合跳层上采样操作完成初步分割;最后,引入边缘检测支路来对分割图像的目标边界信息进行细化,保障网络高精度分割。通过实验结果表明,所提网络在分割精度、计算效率上得到了较好的平衡,同时,在实际变电站道路场景应用中,该网络也能实现高效语义分割,为巡检机器人提供有效的道路信息。
关键词
深度学习 图像处理 特征融合 道路场景 语义分割
Keywords
deep learning image processing feature fusion road scene semantic segmentation
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
