-
题名基于农业自动驾驶环境感知的立体匹配网络研究
被引量：1
- 1
-
-
作者
黄莹
杨肖委
-
机构
贵州开放大学信息工程学院
贵州省茶叶研究所
贵州省茶叶产业技术体系茶叶加工与机械功能试验室
-
出处
《中国农机化学报》
北大核心
2025年第4期74-79,85,共7页
-
基金
国家重点研发计划项目(2022YFD1600802)
贵州省科技计划项目(黔科合支撑[2024]一般158)
贵州省茶叶产业技术体系(GZCYCYJSTX-05)。
-
文摘
针对农机自动驾驶环境感知在行驶边缘病态区域存在误匹配的问题,提出一种基于边缘检测和多尺度代价体的立体匹配网络。首先,在特征提取阶段设计边缘分支网络和视差分支网络,利用边缘分支网络有效提取细小物体的几何轮廓信息,并将轮廓作为结构信息嵌入到视差分支网络中;其次,在构建匹配代价阶段设计一种多尺度代价体,不同代价体之间相互约束能够提高匹配像素与候选像素的相关性,同时融合多个代价体能够捕获更多的全局上下文信息进行正则化;最后,在Scene Flow、KITTI 2015以及Middlebury v.3立体数据集进行试验。结果表明,与EdgeStereo算法相比,提出的网络模型在Scene Flow、KITTI 2015以及Middlebury v.3数据集的视差精度分别提高45.8%、14.8%和41.2%,为农业自动驾驶环境感知提供技术参考。
-
关键词
农业自动驾驶
立体匹配
边缘检测
多尺度代价体
视差优化
-
Keywords
agricultural automatic driving
stereo matching
edge detection
multi-scale cost volume
disparity refinement
-
分类号
S24
[农业科学—农业电气化与自动化]
TM391
[电气工程—电机]
-
-
题名基于ECA和YOLOv4的轻量级目标检测网络设计
被引量：5
- 2
-
-
作者
李秉涛
何勇
袁琳琳
-
机构
贵州大学计算机科学与技术学院
贵州开放大学信息工程学院
-
出处
《传感器与微系统》
CSCD
北大核心
2023年第9期100-104,共5页
-
基金
贵州省科技计划资助项目(黔科合基础[2019]1130号,黔科合支撑[2020]2Y007号)。
-
文摘
针对传统的目标检测网络存在参数量大、检测速度慢等不足,在计算资源受限的设备上难以满足实时性需求的问题,提出一种改进的YOLOv4-tiny目标检测算法,使用Bneck_E替换主特征提取网络的CSP结构,在深层特征提取网络中,增加轻量级注意力机制——高效通道注意力(ECA)机制,采用双向特征融合,用深度可分离卷积对浅层特征下采样,提高对小目标的检测精度。在PASCAL VOC数据集上实验表明,该算法平均精度均值(mAP)提高了4.4%,帧率(FPS)提升了8.9%,模型大小仅为YOLOv4-tiny的36%,有利于在嵌入式设备上部署运行。
-
关键词
目标检测
YOLOv4-tiny算法
深度可分离卷积
高效通道注意力
-
Keywords
object detection
YOLOv4-tiny algorithm
depthwise separable convolution
efficient channel attention(ECA)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名结合新颖性和风险评估的内在奖励方法
被引量：1
- 3
-
-
作者
赵英
秦进
袁琳琳
-
机构
贵州大学计算机科学与技术学院
贵州开放大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第5期148-154,共7页
-
基金
贵州省科学技术基金(黔科合基础[2020]1Y275)
贵州省科技计划项目(黔科合基础[2019]1130号)。
-
文摘
强化学习算法依赖于精心设计的外在奖励,然而Agent在和环境交互过程中,环境反馈给Agent的外在奖励往往是非常稀少的或延迟,这导致了Agent无法学习到一个好的策略。为了解决该问题,从新颖性和风险评估这两方面设计一个内在奖励,使Agent能充分地探索环境以及考虑环境中存在不确定性动作。该方法分为两部分,首先是新颖性描述为对当前状态-动作和转换后状态的访问次数,将具体执行的动作考虑进去;其次是动作的风险程度,风险评估从累积奖励方差考虑,来判断当前动作对状态的意义是有风险的还是无风险的。该方法在Mujoco环境下进行了评估,实验验证该方法取得了更高的平均奖励值,尤其是在外在奖励延迟的情况下,也能取得不错的平均奖励值。说明该方法能有效地解决外在奖励稀疏的问题。
-
关键词
强化学习
新颖性
风险评估
内在奖励
-
Keywords
reinforcement learning
novelty
risk assessment
intrinsic reward
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
