基于改进卷积神经网络的快速车辆检测 被引量：13

1

作者 朱锋彬 应娜 《传感器与微系统》 CSCD 2018年第12期153-155,160,共4页

为了更加快速精准地识别和定位车辆,提出了一种基于卷积神经网络的改进算法。在建议网络(PN)以及特征提取上进行了优化,在提取基本特征之后嵌入一个轻量级的建议网络,产生候选区域,并在早期丢弃不可能的区域候选框减少背景数量;采用特... 为了更加快速精准地识别和定位车辆,提出了一种基于卷积神经网络的改进算法。在建议网络(PN)以及特征提取上进行了优化,在提取基本特征之后嵌入一个轻量级的建议网络,产生候选区域,并在早期丢弃不可能的区域候选框减少背景数量;采用特征融合技术提取H-yper特征,细化了车辆的识别和定位,并对不同层提取的特征进行串联,有效地提高了车辆检测的质量和精度。在车辆检测和跟踪的大规模数据集和自己采集的车辆数据集上进一步验证,并与目前一些先进的算法进行比较,其中相比于Faster RCNN平均检测质量提高了9. 91%,充分表明了提出的算法的有效性。 展开更多

关键词 车辆检测 卷积神经网路 Hyper特征 特征串联

下载PDF 职称材料

基于改进卷积神经网络的实时交通标志检测方法 被引量：11

2

作者 童英 杨会成 《激光与光电子学进展》 CSCD 北大核心 2019年第7期115-121,共7页

提出了一种基于改进卷积神经网络的交通标志检测方法。预训练模型产生否定;使用难分类负样本采集将负样本输入到网络中,提高模型的判别能力;使用多尺度训练过程中的特征级联策略来进一步提升模型的性能。利用TensorFlow框架在德国交通... 提出了一种基于改进卷积神经网络的交通标志检测方法。预训练模型产生否定;使用难分类负样本采集将负样本输入到网络中,提高模型的判别能力;使用多尺度训练过程中的特征级联策略来进一步提升模型的性能。利用TensorFlow框架在德国交通标志检测数据集上对所提方法的有效性进行了仿真。研究结果表明,与现有技术相比,所提方法能够获得更快的检测速率,处理每幅图像仅需0.016s。 展开更多

关键词 图像处理 卷积神经网络 交通标志检测 特征拼接 难分类负样本采集 多尺度训练

原文传递

基于特征级联的联合平滑多视图子空间聚类算法

3

作者 张悦辰 葛洪伟 李婷 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第4期586-599,共14页

近年来,多视图聚类问题受到国内外的广泛关注.联合平滑多视图子空间聚类算法通过视图共识分组效应,利用多个视图的局部结构来规范视图共性表示,取得了不错的聚类效果,但是该算法对于不一致性的探索仍然存在一定的局限性,限制了聚类性能... 近年来,多视图聚类问题受到国内外的广泛关注.联合平滑多视图子空间聚类算法通过视图共识分组效应,利用多个视图的局部结构来规范视图共性表示,取得了不错的聚类效果,但是该算法对于不一致性的探索仍然存在一定的局限性,限制了聚类性能的进一步提升.为了进一步挖掘多视图的不一致性,提出一种基于特征级联的联合平滑多视图子空间聚类算法,它不仅同时学习视图间的一致性与不一致性,增强视图的多样性,还将不一致性划分为特定于集群的不一致性与特定于样本的不一致性,通过核范数进一步与低秩表示相关联,并在此基础上使用交替方向最小化进行迭代.在四个公共数据集上与其他优秀算法进行了对比实验,证明了所提算法的优越性. 展开更多

关键词 多视图 特征级联 子空间聚类 联合平滑

下载PDF 职称材料

多层特征图堆叠网络及其目标检测方法 被引量：5

4

作者 杨爱萍 鲁立宇 冀中 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2020年第6期647-652,共6页

随着深度卷积神经网络的快速发展,基于深度学习的目标检测方法由于具有良好的特征表达能力及优良的检测精度,成为当前目标检测算法的主流.为了解决目标检测中小目标漏检问题,往往使用多尺度处理方法.现有的多尺度目标检测方法可以分为... 随着深度卷积神经网络的快速发展,基于深度学习的目标检测方法由于具有良好的特征表达能力及优良的检测精度,成为当前目标检测算法的主流.为了解决目标检测中小目标漏检问题,往往使用多尺度处理方法.现有的多尺度目标检测方法可以分为基于图像金字塔的方法和基于特征金字塔的方法.相比于基于图像金字塔的方法,基于特征金字塔的方法速度更快,更能充分利用不同卷积层的特征信息.现有的基于特征金字塔的方法采用对应元素相加的方式融合不同尺度的特征图,在特征融合过程中易丢失低层细节特征信息.针对该问题,本文基于特征金字塔网络(featurepyramidnetwork,FPN),提出一种多层特征图堆叠网络(multi-featureconcatenationnetwork,MFCN)及其目标检测方法.该网络以FPN为基础,设计多层特征图堆叠结构,通过不同特征层之间的特征图堆叠融合高层语义特征和低层细节特征,并且在每个层上进行目标检测,保证每层可包含该层及其之上所有层的特征信息,可有效克服低层细节信息丢失.同时,为了能够充分利用ResNet101中的高层特征,在其后添加新的卷积层,并联合其低层特征图,提取多尺度特征.在PASCALVOC2007数据集上的检测精度为80.1%m AP,同时在PASCALVOC2012和MSCOCO数据集上的表现都优于FPN算法.相比于FPN算法,MFCN的检测性能更加优秀. 展开更多

关键词 特征金字塔网络 目标检测 特征图堆叠 语义信息

下载PDF 职称材料

基于改进YOLO V3的海上弹着点水柱信号检测算法

5

作者 姬嗣愚 王永生 翟一琛 《战术导弹技术》 北大核心 2023年第2期144-152,共9页

在海上实弹射击训练的过程中,快速、准确地检测出弹着点处水柱信号对评估射击效果具有重要意义。针对传统的人工检靶方式效率低、误差大,且无法分辨重叠弹着点的问题,结合深度学习理论,提出了一种基于改进YOLO V3的目标检测算法。在网... 在海上实弹射击训练的过程中,快速、准确地检测出弹着点处水柱信号对评估射击效果具有重要意义。针对传统的人工检靶方式效率低、误差大,且无法分辨重叠弹着点的问题,结合深度学习理论,提出了一种基于改进YOLO V3的目标检测算法。在网络输入端利用Mosaic数据增强方式,丰富了检测物体的背景和小目标,降低了网络训练门槛。将Mish函数作为网络基本组件中的激活函数,提高了网络泛化能力。构建新的检测模块,将输入的特征信息分为两个分支,通过特征压缩与拼接,实现通道间信息交互。同时,对不同尺度的特征进行融合,提高网络特征提取能力。目标数据集的实验结果表明,改进后的YOLO V3算法平均准确率提高了5.39%,达到了82.64%,检测速度由27.74 FPS提高到了29.61 FPS,可以更好地完成海上弹着点水柱信号检测任务。 展开更多

关键词 目标检测 深度学习 改进YOLO V3 Mish 多尺度特征融合 特征拼接 数据增强

原文传递

特征直连与结构化约束的多视图子空间聚类

6

作者 张翼飞 邓秀勤 王卓薇 《计算机工程与科学》 CSCD 北大核心 2022年第4期753-760,共8页

多视图子空间聚类作为处理多视图数据的聚类算法,其目的在于学习到一个共识的子空间后用于聚类。但是,现存的多视图子空间聚类算法只是将目标放在了原有的多个视图上,忽略了通过特征直连得到的数据。提出的FSMC算法使原有的多个视图与... 多视图子空间聚类作为处理多视图数据的聚类算法,其目的在于学习到一个共识的子空间后用于聚类。但是,现存的多视图子空间聚类算法只是将目标放在了原有的多个视图上,忽略了通过特征直连得到的数据。提出的FSMC算法使原有的多个视图与特征直连视图相互学习,通过误差重构和结构化约束子空间得到一个更加合适的子空间表示,同时还考虑了多视图与特征直连视图的权重关系。最后,在4个基准数据集上进行实验,验证了算法的有效性。 展开更多

关键词 多视图子空间 共识矩阵 特征直连 结构化约束

下载PDF 职称材料

结合双深度学习特征的高光谱遥感图像分类 被引量：11

7

作者 曾锐 陈锻生 《小型微型计算机系统》 CSCD 北大核心 2018年第2期396-400,共5页

光谱信息和空间信息相结合在高光谱遥感图像分类领域是提高分类准确率的一种手段.因此提出了结合两种光谱-空间特征的分类方法:一种是使用保边松弛算法对图像进行保边去噪预处理,然后使用卷积神经网络提取光谱维的特征;另一种是先对预... 光谱信息和空间信息相结合在高光谱遥感图像分类领域是提高分类准确率的一种手段.因此提出了结合两种光谱-空间特征的分类方法:一种是使用保边松弛算法对图像进行保边去噪预处理,然后使用卷积神经网络提取光谱维的特征;另一种是先对预处理后的图像的光谱维降维,取像素的一定邻域大小形成的图像块,并使用另外一个卷积神经网络提取图像块的空间特征;然后将这两个提取的特征串行拼接,最后使用支持向量机进行分类.为了验证本文提出的方法的有效性,在两个常用的高光谱图像数据集进行分类实验,结果显示提取的两种特征光谱-空间特征结合后能有效提高图像分类准确率. 展开更多

关键词 卷积神经网络 保边松弛 特征提取 特征拼接

下载PDF 职称材料

融合点云和体素信息的目标检测网络

8

作者 刘慧 董振阳 田帅华 《计算机工程与设计》 北大核心 2024年第9期2771-2778,共8页

为解决复杂自动驾驶场景下小目标检测效果不佳和漏检的问题,提出一种融合点云和体素信息的高性能网络架构。通过预处理模块、空间语义特征关联模块、坐标注意力机制模块等改进PV-RCNN网络的检测性能,构建网络架构PSC-RCNN。在KITTI上进... 为解决复杂自动驾驶场景下小目标检测效果不佳和漏检的问题,提出一种融合点云和体素信息的高性能网络架构。通过预处理模块、空间语义特征关联模块、坐标注意力机制模块等改进PV-RCNN网络的检测性能,构建网络架构PSC-RCNN。在KITTI上进行验证,实验结果表明,PSC-RCNN在简单、中等、困难3种检测难度的类别下,对于自行车这种形状复杂的小物体识别精度分别为82.99%、67.03%、59.88%,相对原有的PV-RCNN网络,识别精度分别提高了4.39%、3.32%、2.23%;相对于现有3D目标检测网络,识别精度分别提高了0.51%、2.93%、2.23%。 展开更多

关键词 机器视觉 三维点云 三维体素 目标检测 空间语义特征关联 坐标注意力 特征融合

下载PDF 职称材料

基于双分支特征拼接的行人重识别 被引量：1

9

作者 潘凤 王杰 +3 位作者 张艳莎 谭棉 何兴 王林 《计算机与现代化》 2023年第5期93-99,共7页

针对不同监控视觉的拍摄,行人重识别任务存在类内(同一行人)前后变化大被误判、类间(相似行人)模糊造成区分度低的问题,提出一种双分支特征拼接的行人重识别方法(Dual-branch Feature Concatenation Network,DFCNet)。该方法通过对网络... 针对不同监控视觉的拍摄,行人重识别任务存在类内(同一行人)前后变化大被误判、类间(相似行人)模糊造成区分度低的问题,提出一种双分支特征拼接的行人重识别方法(Dual-branch Feature Concatenation Network,DFCNet)。该方法通过对网络的深度特征进行拼接,使特征信息互补,获得辨别性特征,并用批归一化层代替基础网络全局平均池化层后的全连接层,使用标签平滑交叉熵损失函数训练网络,解决类内变化大及类间模糊造成提取特征辨别性差的问题。为验证所建议方法的有效性,在Market1501、DukeMTMC-reID公开数据集上进行验证,其中在Market1501数据集上,Rank-1和mAP指标分别达到95.8%和94.3%。结果表明所建议方法在处理类内误判与类间难区分问题上具有良好性能,且识别精度优于对比的流行算法。 展开更多

关键词 模式识别 行人重识别 特征提取 双分支特征拼接

下载PDF 职称材料

基于改进PSPnet的无人机农田场景语义分割 被引量：5

10

作者 刘尚旺 张杨杨 +2 位作者 蔡同波 唐秀芳 王长庚 《灌溉排水学报》 CSCD 北大核心 2022年第4期101-108,共8页

【目的】改进PSPnet语义分割模型在无人机农田场景下的性能。【方法】对PSPnet语义分割模型进行3方面改进:(1)通过不同维度特征级联,在强化场景解析的基础上保留更多图像细节特征。(2)利用深度可分离卷积模块构建轻量级语义分割模型,使... 【目的】改进PSPnet语义分割模型在无人机农田场景下的性能。【方法】对PSPnet语义分割模型进行3方面改进:(1)通过不同维度特征级联,在强化场景解析的基础上保留更多图像细节特征。(2)利用深度可分离卷积模块构建轻量级语义分割模型,使其更加高效。(3)改进激活函数,提升模型分割效果。【结果】所建模型的平均像素准确率和平均交并比分别为89.48%和82.38%,比改进前的模型提高了18.12%和18.93%,且分割结果优于Unet和DeeplabV3+等模型。【结论】改进后的模型能够有效进行无人机遥感农田场景语义分割。 展开更多

关键词 PSPnet 语义分割 特征级联 深度可分离卷积 激活函数

下载PDF 职称材料

基于多尺度近端特征拼接网络的高光谱图像分类方法 被引量：4

11

作者 高红民 曹雪莹 +3 位作者 陈忠昊 花再军 李臣明 陈月 《通信学报》 EI CSCD 北大核心 2021年第2期92-102,共11页

针对基于传统卷积神经网络模型的高光谱图像分类算法细节表现力不强及网络结构过于复杂的问题,设计了一种基于多尺度近端特征拼接网络的高光谱图像分类方法。通过引入多尺度滤波器和空洞卷积,在保持模型轻量化的同时可以获取更丰富的空... 针对基于传统卷积神经网络模型的高光谱图像分类算法细节表现力不强及网络结构过于复杂的问题,设计了一种基于多尺度近端特征拼接网络的高光谱图像分类方法。通过引入多尺度滤波器和空洞卷积,在保持模型轻量化的同时可以获取更丰富的空间−光谱判别特征,并提出利用卷积神经网络近端特征间的相互联系进一步增强细节表现力。在3个基准高光谱图像数据集上的实验结果表明,所提方法优于其他分类模型。 展开更多

关键词 卷积神经网络 高光谱图像分类 特征拼接 多尺度滤波器 空洞卷积

下载PDF 职称材料

判别性信息增强的行人再识别

12

作者 周炉 谢明鸿 +1 位作者 李华锋 谭婷婷 《小型微型计算机系统》 CSCD 北大核心 2022年第7期1477-1483,共7页

在行人再识别中,由相机风格及视角变化造成的行人外观差异严重影响了模型的性能.为缓解该现象,提出一种判别性信息增强的行人再识别方法.该方法由辅助子网络、主干子网络以及时空信息嵌入三部分构成.首先,在辅助子网络中实现不同视角行... 在行人再识别中,由相机风格及视角变化造成的行人外观差异严重影响了模型的性能.为缓解该现象,提出一种判别性信息增强的行人再识别方法.该方法由辅助子网络、主干子网络以及时空信息嵌入三部分构成.首先,在辅助子网络中实现不同视角行人图像的风格转换以减少风格差异对性能的影响.为增强特征的判别性,将原图特征和迁移图像特征进行拼接.此外,在主干子网络中通过局部特征迫使主干子网络在关注全局特征的同时,能更多利用局部具有鉴别性的信息.最后,引入行人的时空信息来缓解难样本对识别性能造成的影响.通过实验证明所提算法性能优于大部分主流方法,消融实验也验证了所提算法的有效性. 展开更多

关键词 行人再识别 深度学习 摄像头风格学习 时空信息 特征连接

下载PDF 职称材料