-
题名尺度适应性感受野的船舶目标检测方法
- 1
-
-
作者
罗芳
李家威
何道森
-
机构
武汉理工大学计算机与人工智能学院
香港恒生大学供应链及资讯管理系
-
出处
《计算机应用研究》
CSCD
北大核心
2024年第8期2521-2527,共7页
-
基金
粤澳科技创新联合资助项目(2021A0505080008)
产学研珠港澳合作项目(ZH22017002200001PWC)。
-
文摘
现有船舶目标检测算法大部分只是基于传统目标检测算法的优化改进,没有考虑船舶具有尺度长宽比例的外观特性,在多尺度目标检测中出现漏检误检问题。为了解决此问题,在YOLOXs基础上,提出一种尺度适应性感受野的船舶检测方法(SAF-YOLOX)。首先,对主干网络提取的不同特征层通过构建双向特征金字塔进行特征融合,增强每个尺度下的特征描述力;同时,设计自适应特征强化模块,抑制不同尺度的特征融合引入的冗余信息,弱化背景信息;然后在预测时,采用多路并行感受野的检测头,利用具有适应目标大小以及比例的感受野提取目标尺度适应性特征信息进行预测;最后,采用先筛选再分配的收敛感知策略,根据网络的收敛状态动态地分配样本,保证检测速度的同时提高检测精度。实验结果显示,所提方法在大型海事监控数据集SeaShips和MCShips上的平均检测精度分别达到93.21%和92.34%,与传统YOLOXs相比,分别提高了1.01%和1.09%。实验结果证明,所提方法利用尺度适应性感受野能实现多尺度船舶目标的高精度检测。
-
关键词
船舶目标检测
YOLOX
尺度自适应
特征强化
分配策略
-
Keywords
ship object detection
YOLOX
scale adaptation
feature enhancement
assign policies
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名复杂场景下自适应特征融合的多尺度船舶检测
被引量：1
- 2
-
-
作者
罗芳
刘阳
何道森
-
机构
武汉理工大学计算机与人工智能学院
香港恒生大学供应链及资讯管理学系
-
出处
《计算机应用》
CSCD
北大核心
2023年第11期3587-3593,共7页
-
基金
粤澳科技创新联合资助项目(2021A0505080008)
产学研珠港澳合作项目(ZH22017002200001PWC)。
-
文摘
受台风、大雾、雨雪等复杂天气以及遮挡、尺度变化等影响,现有船舶检测方法存在误检和漏检问题。针对上述复杂场景问题,在YOLOX-S模型的基础上,提出一种自适应特征融合的多尺度船舶检测方法。首先,在主干特征提取网络中引入特征增强模块,抑制复杂背景噪声对船舶特征提取的干扰;其次,考虑深浅层次特征融合比例问题,设计自适应特征融合模块,充分利用深浅层次特征,提高模型的多尺度船舶检测能力;最后,在检测头网络,将检测头解耦,并引入自适应的多任务损失函数,平衡分类任务和回归任务,提高船舶检测的鲁棒性。实验结果显示,所提方法在公开船舶检测数据集SeaShips和McShips上的检测平均精度均值(mAP)分别达到了97.43%和96.10%,检测速度达到每秒189帧,满足实时检测的要求,验证了所提方法在复杂场景下仍能对多尺度船舶目标实现高精度检测。
-
关键词
多尺度船舶检测
YOLOX
自适应特征融合
特征增强
多任务损失函数
-
Keywords
multi-scale ship detection
YOLOX
adaptive feature fusion
feature augmentation
multi-task loss function
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名融合主题特征的文本自动摘要方法研究
被引量：5
- 3
-
-
作者
罗芳
汪竞航
何道森
蒲秋梅
-
机构
武汉理工大学计算机科学与技术学院
香港恒生大学供应链及资讯管理系
中央民族大学信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第1期129-133,共5页
-
基金
国家教育部人文社会科学研究规划基金资助项目(18YJAZH087)
武汉理工大学自主创新研究基金资助项目(3120600100)。
-
文摘
针对传统图模型方法进行文本摘要时只考虑统计特征或浅层次语义特征,缺乏对深层次主题语义特征的挖掘与利用,提出了融合主题特征后多维度度量的文本自动摘要方法MDSR(multi-dimension summarization rank)。首先利用LDA主题模型对文本主题语义信息进行挖掘,定义了主题重要度以衡量主题特征对句子重要程度的影响;然后结合主题特征、统计特征和句间相似度,改进了图模型节点的概率转移矩阵的构建方式;最后根据句子节点权重进行摘要的抽取与度量。实验结果显示,当主题特征、统计特征及句间相似度权重比例达到3:4:3时,MDSR方法的ROUGE评测值达到最佳,ROUGE-1、ROUGE-2、ROUGE-SU4值分别达到53.35%、35.18%和33.86%,优于对比方法,表明了融入主题特征后的文本摘要方法有效提高了摘要抽取的准确性。
-
关键词
TextRank
文本摘要
语义特征
主题模型
概率转移矩阵
-
Keywords
TextRank
text summarization
semantic features
LDA
probability transition matrix
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合传播影响力的热点事件时序摘要研究
被引量：1
- 4
-
-
作者
罗芳
汪竞航
张宇恒
何道森
蒲秋梅
-
机构
武汉理工大学计算机科学与技术学院
香港恒生大学供应链及资讯管理系
中央民族大学信息工程学院
-
出处
《中文信息学报》
CSCD
北大核心
2021年第7期98-108,共11页
-
基金
教育部人文社会科学研究规划基金(18YJAZH087)
武汉理工大学自主创新研究基金(3120600100)。
-
文摘
为了从海量的热点事件社交媒体文本流中提取时序摘要,辅助用户快速获取热点事件的演化发展概况,该文在分析热点事件发展阶段的基础上,充分挖掘社交文本的时间特征和传播特征,提出了融合社交传播影响力的热点事件时序摘要方法。该方法抽取的摘要能完整反映事件发展演化过程,内容描述更合乎客观事实,同时在一定程度上解决了社交文本非结构化问题对文本句子权重度量造成的不利影响。实验结果显示,当时间与传播特征权重比值达到0.4时,该方法得到的摘要结果的ROUGE评测值达到最佳,ROUGE-1最优达到44.23%,ROUGE-2最优达到34.78%,ROUGE-S4最优达到27.86%。实验结果表明,基于时间线的文本组织能有效追踪事件发展演化过程,融入时序信息和传播影响力后的时序摘要更能提升热点事件概况的新颖度和相关度。
-
关键词
热点事件
时序摘要
演化阶段
时序特征
传播影响力
-
Keywords
hot events
temporal summarization
evolution stage
time-series feature
social influence
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
