-
题名面向小目标检测结合特征金字塔网络的SSD改进模型
被引量：13
- 1
-
-
作者
张建明
刘煊赫
吴宏林
黄曼婷
-
机构
长沙理工大学综合交通运输大数据智能处理重点实验室
长沙理工大学计算机与通信工程学院
-
出处
《郑州大学学报（理学版）》
CAS
北大核心
2019年第3期61-66,72,共7页
-
基金
国家自然科学基金项目(61772454,61811530332)
湖南省教育厅科学研究重点项目(16A008)
+2 种基金
教育部高等教育司2017年第二批产学合作协同育人项目(201702137008)
长沙理工大学研究生课程建设项目(KC201611)
湖南省研究生培养创新基地项目(湘教通[2017]451号-30)
-
文摘
针对SSD卷积神经网络模型对小目标检测精度不高的问题,提出了一种基于特征金字塔网络的SSD改进模型.特征金字塔网络可以将深层的携带有更抽象、更丰富的语义信息的卷积特征图与浅层的分辨率更高、更细节的卷积特征图进行融合.检测的过程是将原始SSD网络得到的多层特征图,经改进设计的横向连接层、上采样层、融合层和预测层处理后,再通过非极大值抑制得到最终的检测结果.采用PASCALVOC2007和2012(train+val)作为训练集,PASCALVOC2007(test)测试集的mAP达到了75.8%,相比原SSD模型提高了1.5%.其中,在盆栽植物类密集小目标检测上有9.9%的提升.
-
关键词
目标检测
卷积神经网络
SSD模型
特征金字塔网络
特征图融合
-
Keywords
object detection
convolutional neural network
SSD
feature pyramid network
feature map fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名具有全局记忆的LF蚁群聚类算法
被引量：5
- 2
-
-
作者
王昕宇
罗可
-
机构
长沙理工大学计算机与通信工程学院
长沙理工大学综合交通运输大数据智能处理省重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第20期52-57,113,共7页
-
基金
国家自然科学基金（No.11671125,No.71371065）
-
文摘
针对传统的LF蚁群聚类算法中存在的收敛速度慢,蚂蚁空载导致的资源浪费以及易陷入局部最优等问题,提出了一种蚁群改进算法。算法初期采用直接分配原则,直接将蚂蚁随机放在数据对象上,并生成随机的全局记忆,在聚类时负载蚂蚁移动受到全局记忆的指导,利用余弦相似度判断最相似的记忆中心,并向该记忆中心移动,全局记忆在一次迭代完成后更新。当蚂蚁拾起数据对象失败时,为了减少蚂蚁再一次的随机移动所带来的资源浪费,采用相异原则将蚂蚁移动到下一个数据对象上。改进的算法在UCI数据集Iris、Wine、Glass和Robotnavigation上进行验证,算法在保证原有算法准确率的基础上明显提高了收敛速度。
-
关键词
LF蚁群聚类算法
直接分配
全局记忆
余弦相似度
相异原则
-
Keywords
LF ant colony clustering
direct distribution
global memory
cosine similarity
principle of dissimilarity
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名具备反向学习和局部学习能力的磷虾群算法
被引量：5
- 3
-
-
作者
肖素琼
罗可
-
机构
长沙理工大学计算机与通信工程学院
长沙理工大学综合交通运输大数据智能处理省重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第18期34-39,共6页
-
基金
国家自然科学基金(No.11671125
No.71371065)
-
文摘
针对磷虾群算法易陷入局部最优、收敛速度慢等缺点,提出了具备反向学习和局部学习能力的磷虾群算法。利用混沌映射和反向学习的思想初始化种群,根据算法迭代次数自适应调整学习维度,对精英个体进行反向学习,能有效保持种群的多样性,选取精英群体,通过自适应的Lévy飞行分布和改进的差分变异算子,提高种群的局部学习能力。这种新颖的元启发方式能加速收敛速度的同时可以保证磷虾群算法的鲁棒性。通过对8个基准函数进行仿真测试,实验结果表明:与最近的KH优化算法相比,该算法在收敛速度、收敛精度等方面得到明显改进。
-
关键词
磷虾群优化算法
种群初始化
精英反向学习
差分变异算子
局部学习
-
Keywords
Krill Herd(KH)algorithm
population initialization
elite opposition-based learning
differential mutation operator
local-learning
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
