期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
融合ResNeSt和多尺度特征融合的遥感影像道路提取 被引量:3
1
作者 郝明 白鹤 徐婷婷 《光电工程》 北大核心 2025年第1期39-51,共13页
针对高分辨率遥感影像的道路提取存在道路边缘分割不连续、小目标道路分割精度不高和目标道路误分的问题,本文提出了结合ResNeSt和多尺度特征融合的遥感影像道路提取方法用于遥感影像道路提取(ResT-UNet)。参考ResNeSt网络模块构造U型... 针对高分辨率遥感影像的道路提取存在道路边缘分割不连续、小目标道路分割精度不高和目标道路误分的问题,本文提出了结合ResNeSt和多尺度特征融合的遥感影像道路提取方法用于遥感影像道路提取(ResT-UNet)。参考ResNeSt网络模块构造U型网编码器,使前期编码器可以更完整的提取信息,分割目标边缘更加连续;首先在编码器部分引入Triplet Attention注意力机制,抑制无用的特征信息;其次使用卷积块代替最大池化操作,增加特征维度和网络深度,减少道路信息丢失;最后在编码器网络和解码器网络的桥连接部分使用多尺度特征融合模块(multi-acale feature fusion,MSFF),以捕获区域间的远程依赖关系,提高道路的分割效果。实验在Massachusetts道路数据集和DeepGlobe数据集上进行实验,实验结果表明,该方法分别在数据集上IoU达到了64.76%和64.45%,相比于近几年网络MINet模型提高了1.42%和1.74%,表明ResT-UNet网络有效提高遥感影像道路的提取精度,为解译遥感图像语义信息提供一种新思路。 展开更多
关键词 遥感影像 道路提取 ResNeSt网络 多尺度特征融合 注意力机制
在线阅读 下载PDF
多路径特征融合的YOLOv8航拍图像检测算法
2
作者 王灵超 沈学利 +1 位作者 艾强 闫海龙 《电子测量技术》 北大核心 2025年第17期160-168,共9页
针对无人机航拍图像中目标密集、背景复杂导致小目标检测精度较低的问题,提出了一种改进的航拍目标检测算法(MF-YOLO)。首先,增强YOLOv8的多路径特征融合能力,整合不同层次特征以保留浅层细节,提高小目标检测精度;其次,采用EMA注意力机... 针对无人机航拍图像中目标密集、背景复杂导致小目标检测精度较低的问题,提出了一种改进的航拍目标检测算法(MF-YOLO)。首先,增强YOLOv8的多路径特征融合能力,整合不同层次特征以保留浅层细节,提高小目标检测精度;其次,采用EMA注意力机制,提高目标区域识别率和目标框定位精度,有效区分目标与背景区域;然后,提出密集注意层(DAL),通过聚焦密集目标区域和抑制无关特征,提升算法对密集区域的特征提取能力;接着,设计挤压激励检测头,结合SE注意力机制抑制冗余特征,进一步提升小目标检测精度;最后,构建视频数据集并设计目标检测系统,以可视化算法检测效果。在VisDrone2019数据集上的实验验证表明,MF-YOLO的mAP0.5达到30.3%,较基线算法YOLOv8n提升3.4%。结果显示,该算法显著提升了无人机图像的目标检测性能,具有广泛的应用前景。 展开更多
关键词 无人机检测 多路径特征融合 密集注意力 挤压激励检测头 YOLOv8n
在线阅读 下载PDF
一类Caputo型分数阶微分包含的非局部问题 被引量:3
3
作者 吴睿 高珊珊 程毅 《吉林大学学报(理学版)》 CAS 北大核心 2021年第1期55-59,共5页
考虑一类具有非线性增长条件的分数阶微分包含的非局部问题,先利用Leray-Schauder不动点定理验证分数阶非线性微分方程解的存在性与唯一性,再利用集值不动点理论证明一类分数阶微分包含问题解的存在性.
关键词 分数阶微积分 微分包含 非局部问题 不动点定理
在线阅读 下载PDF
融合PSO和注意力的海上落水人员漂移轨迹预测模型研究
4
作者 白鹤 李钰 +1 位作者 张默 张心如 《海洋预报》 2025年第5期86-94,共9页
精准预测海上落水人员的漂移轨迹,对于遇险人员的应急救援尤为重要。为解决传统统计模拟方法过度依赖模型参数的问题,提出一种基于数据驱动的深度学习预测模型。综合考虑海上风场和洋流等因素对海上漂浮目标的影响,采用差分移动平均法... 精准预测海上落水人员的漂移轨迹,对于遇险人员的应急救援尤为重要。为解决传统统计模拟方法过度依赖模型参数的问题,提出一种基于数据驱动的深度学习预测模型。综合考虑海上风场和洋流等因素对海上漂浮目标的影响,采用差分移动平均法减少标签数据中的噪声,将注意力(Attention)机制引入长短期记忆网络(LSTM),有效捕捉时间序列中的周期性和趋势性运动规律,再结合粒子群算法(PSO)优化Attention-LSTM模型,得到集成的海上漂流目标轨迹预测模型PSO-Attention-LSTM,利用其对35个仿真人体模型在4850个时间步上的海上漂移轨迹数据进行建模并计算预测误差。结果显示:该模型经度和纬度方向上的均方根误差分别为0.0245°和0.0173°,平均位移误差为4.844 km,最终位移误差为7.031 km。消融实验证明在均方根误差、平均位移误差和最终位移误差3个评价指标上,该模型均优于对比模型。 展开更多
关键词 海上搜救 漂移轨迹 差分移动平均 PSO-Attention-LSTM模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部