期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Faster-RCNN的自然环境下苹果识别 被引量：5
1
作者 石展鲲 杨风 +2 位作者 韩建宁 郭鑫 曹尚斌 《计算机与现代化》 2023年第2期62-65,共4页
针对苹果园中存在的果实相互重叠、枝叶干扰以及复杂背景等问题,本文提出Faster-RCNN一种改进的模型。该模型通过增强Mosaic数据,使得识别小物体目标果实能力得到提升,同时,对Faster-RCNN结构中的锚框进行优化,优化后的锚框能更好地检... 针对苹果园中存在的果实相互重叠、枝叶干扰以及复杂背景等问题,本文提出Faster-RCNN一种改进的模型。该模型通过增强Mosaic数据,使得识别小物体目标果实能力得到提升,同时,对Faster-RCNN结构中的锚框进行优化,优化后的锚框能更好地检测出距离相机较远的目标果实,以及使用Soft NMS算法对密集区域的识别效果进一步得到改进。通过对300幅未参与识别的自然环境下的苹果图像进行验证,验证结果表明:召回率为91.44%,准确率为93.35%,F1值为92.38%,每幅图像的检测可在0.2 s内完成。改进后的算法鲁棒性得到增强,能够满足在自然环境下对苹果果实的识别工作。 展开更多
关键词 Faster-RCNN Mosaic数据增强 目标识别 soft nms算法
下载PDF
基于Faster R-CNN的无人机车辆目标检测 被引量：16
2
作者 张莹 刘子龙 万伟 《电子科技》 2021年第11期11-20,共10页
无人机视角目标存在分辨率低、完整度低、干扰项多等缺点。此外,无人机目标检测系统研究进展缓慢,其对于小目标、不完整目标和重叠目标的检测精度无法满足社会实际需求。针对以上问题,文中提出一种基于Faster R-CNN的无人机平台车辆目... 无人机视角目标存在分辨率低、完整度低、干扰项多等缺点。此外,无人机目标检测系统研究进展缓慢,其对于小目标、不完整目标和重叠目标的检测精度无法满足社会实际需求。针对以上问题,文中提出一种基于Faster R-CNN的无人机平台车辆目标检测解决方案。该方案使用ResNet卷积神经网络作为特征提取网络,并改进网络结构,重新设计Anchor生成和改进Soft-NMS算法等策略,解决了小目标、不完整目标和重叠目标的检测精度低等问题,提高了无人机车辆检测的精度。文中所构建的数据集测试实验表明,所提算法较改进前AP值提高13.46%。公开数据集上的测试实验表明,相较于目前的主流算法,文中所提算法拥有更好的AP值和召回率。 展开更多
关键词 Faster R-CNN 无人机图像 车辆检测 ResNet 卷积神经网络 网络结构改进 Anchor生成 soft-nms算法
下载PDF
基于YOLOV3的改进目标检测识别算法 被引量：16
3
作者 王战涛 张策 王晓田 《上海航天（中英文）》 CSCD 2021年第6期60-70,共11页
经过近几十年不断的研究和发展,红外目标检测识别在侦察、导弹制导等领域取得了卓越的成就和广泛的应用,亦成为当今的热门话题。为进一步提高模型的检测识别性能,提出一种基于YOLOV3改进的目标检测识别算法。首先,通过分析红外目标的检... 经过近几十年不断的研究和发展,红外目标检测识别在侦察、导弹制导等领域取得了卓越的成就和广泛的应用,亦成为当今的热门话题。为进一步提高模型的检测识别性能,提出一种基于YOLOV3改进的目标检测识别算法。首先,通过分析红外目标的检测特性,改进了原始算法的特征提取网络,融合KL-LOSS,在原网络预测目标位置的基础上,进一步预测了位置的准确度标准差,并结合Soft-NMS算法用于改善网络的检测准确度;其次,针对红外目标相对三通道彩色图像的特征量少的问题,在检测层前融合了SKNET模块,使网络更加关注目标的有用特征;最后,给出改进网络训练的新的损失函数及前向传播算法流程。实验结果表明:改进的KS-YOLO网络在目标域(实拍空中红外目标数据集)上的平均AP性能值要优于原来的YOLOV3网络2.4个百分点,预测时间比YOLOV3实用性更好、更快。 展开更多
关键词 红外目标检测 YOLOV3 SKNET网络 soft-nms算法 KS-YOLO
下载PDF
改进Mask R-CNN的车辆检测算法 被引量：1
4
作者 汪菊 孙玉 吴宜良 《福州大学学报（自然科学版）》 CAS 北大核心 2024年第4期421-429,共9页
为提升在不同复杂场景下的车辆检测性能,提出一种基于改进Mask R-CNN的车辆检测算法.在算法的主干网络ResNet50中引入PSA极自注意力机制提升主干网络特征提取能力;在特征金字塔顶层网络中添加一个带有ECA注意力机制的分支与原分支进行... 为提升在不同复杂场景下的车辆检测性能,提出一种基于改进Mask R-CNN的车辆检测算法.在算法的主干网络ResNet50中引入PSA极自注意力机制提升主干网络特征提取能力;在特征金字塔顶层网络中添加一个带有ECA注意力机制的分支与原分支进行特征融合,缓解顶层特征由于通道降维造成的信息损失.重新设计卷积检测头使得边框回归更为准确,并使用余弦退火算法和Soft-NMS算法来优化训练过程和后处理结果.实验结果表明,改进的Mask R-CNN车辆检测算法相比原Mask R-CNN算法在复杂场景下具有更高的检测精度,在CNRPark-EXT测试集中平均精确度提高3.8%,在更具挑战性的MiniPark测试集中平均精确度提高7.9%. 展开更多
关键词 车辆检测 Mask R-CNN算法 PSA极自注意力机制 ECA注意力机制 soft-nms算法
下载PDF
基于改进Faster R-CNN的码头自动识别 被引量：4
5
作者 常莉莉 王贤敏 王春胜 《遥感学报》 EI CSCD 北大核心 2022年第4期752-765,共14页
码头自动识别能够为港口的建设与开发、海岸带地理信息的获取及海上军事实力的评估提供重要依据。然而由于码头普遍尺寸小、数量多、分布散乱,且受周围船舶、建筑等环境干扰严重,传统算法难以满足对高速发展的码头进行准确监测的需求,... 码头自动识别能够为港口的建设与开发、海岸带地理信息的获取及海上军事实力的评估提供重要依据。然而由于码头普遍尺寸小、数量多、分布散乱,且受周围船舶、建筑等环境干扰严重,传统算法难以满足对高速发展的码头进行准确监测的需求,如何对码头目标进行准确识别成为亟需解决的问题。本文基于公开遥感数据集及Google Earth高分遥感影像构建了3种码头类型的数据集,并针对码头的尺寸特征和空间分布特征对Faster R-CNN算法进行了如下改进:(1)采用K-Means算法对候选框进行预设,使其大小更适应码头尺寸;(2)采用Soft-NMS算法代替NMS算法,以降低分布密集地区码头的误删率和漏检率。实验结果表明,本文改进的Faster R-CNN算法FKSN(Faster R-CNN+K-Means+Soft-NMS)识别精度达到92.6%,相较Faster R-CNN算法精度提高了8.3%。将码头目标识别结果和传统分类方法ISODATA、SSD及Faster R-CNN、Faster R-CNN+K-Means等目标提取模型的识别结果相对比,本文方法在虚警率和漏检率的评价指标表现最好,分别为3.2%和7.6%,说明本文方法对于各类码头目标识别具有更好的效果。基于改进Faster R-CNN算法的码头自动识别研究可以为码头的合理建设、规划及治理提供技术支持,为港口高效利用和军事实力分析提供有效途径。 展开更多
关键词 Faster R-CNN 码头自动识别 K-MEANS算法 soft-nms算法 高分遥感
原文传递
基于改进YOLOv3算法的挖掘机检测方法 被引量：2
6
作者 周斌 苏鹏 高鹏 《数字制造科学》 2022年第2期141-145,共5页
针对西气东输工程中无人值守的油气场站,为防止工程挖掘机在作业时进入危险区域,确保油气场站及附近管线安全。提出了一种基于改进YOLOv3算法的挖掘机检测识别算法。首先,将原有框架中的K-means聚类算法优化为K-means++算法进行聚类,得... 针对西气东输工程中无人值守的油气场站,为防止工程挖掘机在作业时进入危险区域,确保油气场站及附近管线安全。提出了一种基于改进YOLOv3算法的挖掘机检测识别算法。首先,将原有框架中的K-means聚类算法优化为K-means++算法进行聚类,得到更适合挖掘机识别的先验框。其次,对于视频图像中工程挖掘机互相遮挡而引起漏检问题,采用soft-NMS算法选择输出预测框。实验结果表明,改进后的YOLOv3算法相较于改进前在能保证实时性的前提下,对挖掘机的检测精度更高,并能很好地解决漏检问题。 展开更多
关键词 YOLOv3算法 工程挖掘机 油气场站 K-means++算法 soft-nms算法
原文传递
基于改进的Faster-RCNN的人群密度预警方法
7
作者 常珍 《软件》 2023年第10期86-88,共3页
本文提出了一种改进的基于Faster-RCNN的人群密度预警方法。通过引入软非极大值抑制算法,对Faster-RCNN进行了优化,显著提升了对密集人群的检测能力。经过改进的算法在测试集上的平均绝对误差和均方误差分别降低至3.4和9.8,表现出色。... 本文提出了一种改进的基于Faster-RCNN的人群密度预警方法。通过引入软非极大值抑制算法,对Faster-RCNN进行了优化,显著提升了对密集人群的检测能力。经过改进的算法在测试集上的平均绝对误差和均方误差分别降低至3.4和9.8,表现出色。该方法不仅可用于行人检测,还能实时生成人群密度热力图,并根据平均密度分级划分拥挤程度。 展开更多
关键词 公共安全 人群密度估计 机器视觉 soft-nms算法 Faster-RCNN算法
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部