期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于改进SSD模型的道路交通标志识别方法
1
作者 徐润权 张林俊 +2 位作者 张靖佳 许恩永 何水龙 《湖南科技大学学报(自然科学版)》 CAS 北大核心 2024年第2期87-96,共10页
为了帮助智能汽车快速识别前方的交通标志,提升汽车在交通道路上的行驶安全,针对现有技术在识别过程中容易出现误检和漏检的问题,在优化现有SSD(Single Shot MultiBox Detector)目标检测模型的基础上,提出一种新的检测模型Rep-SSD(Re-pa... 为了帮助智能汽车快速识别前方的交通标志,提升汽车在交通道路上的行驶安全,针对现有技术在识别过程中容易出现误检和漏检的问题,在优化现有SSD(Single Shot MultiBox Detector)目标检测模型的基础上,提出一种新的检测模型Rep-SSD(Re-parametrization, SSD),保证网络的实时性和识别的准确性.为增强骨干网络的特征提取能力,将SSD骨干网络中的卷积层更换为重参数化卷积层,在训练过程加入多分支结构增强网络特征的提取能力,在推理过程中采用重参数化技术简化网络,保持网络的识别速度.为进一步增强改进网络的小目标识别能力,加入CBAM(Convolutional Block Attention Module)注意力机制,强化网络提取到的特征信息.试验结果表明:在德国交通标志识别数据集GTSRB上,Rep-SSD模型的检测精度达到84.7%,检测速度(FPS)达到110帧每秒,模型具有较好的检测精度和实时性.所提出的Rep-SSD模型为自动驾驶汽车提供了一种实时且准确的交通标志识别方案. 展开更多
关键词 交通标志牌识别 目标检测 重参数化卷积 CBAM注意力机制
原文传递
SAW相关器与扩频同步信号的时间估计
2
作者 车仁泉 许宗泽 《南京航空航天大学学报》 EI CAS CSCD 1996年第1期126-131,共6页
给出两种SAW器件:存贮式和双输入式SAW相关卷积器,并分析它们作为解扩器件对同步信号到达时刻的估计精度。同步问题是对同步信号的检测和对信号到达时刻的估计。当扩频同步信号被检测到且满足(τ为码元宽度)时,同步信号被捕... 给出两种SAW器件:存贮式和双输入式SAW相关卷积器,并分析它们作为解扩器件对同步信号到达时刻的估计精度。同步问题是对同步信号的检测和对信号到达时刻的估计。当扩频同步信号被检测到且满足(τ为码元宽度)时,同步信号被捕获(即达到了粗同步)。通过对两种器件时间估计精度的分析可以看出,在相同的检测概率下,双输入式SAW相关卷积器的估计精度比存贮式的高。最后利用双输入式SAW相关卷积器对信号时间轴压缩的性质进一步提高了估计精度。 展开更多
关键词 信号检测 参量估计 卷积 相关 SAW
下载PDF
矩形参量阵扬声器远场指向性的研究
3
作者 陈哲 李梦同 +2 位作者 钟家鑫 卢晶 章东 《声学技术》 CSCD 北大核心 2024年第6期832-836,共5页
指向性是描述参量阵扬声器产生的音频声辐射的直接指标,但由于其中复杂的非线性过程,准确且高效地预测指向性较为困难。文章采用直接球卷积模型和改进球卷积模型,理论推导了矩形参量阵扬声器的远场指向性。通过数值仿真研究了半边长均为... 指向性是描述参量阵扬声器产生的音频声辐射的直接指标,但由于其中复杂的非线性过程,准确且高效地预测指向性较为困难。文章采用直接球卷积模型和改进球卷积模型,理论推导了矩形参量阵扬声器的远场指向性。通过数值仿真研究了半边长均为0.2 m的矩形活塞源参量阵扬声器,在声源频率为64 kHz情况下音频频率对指向性的影响,并在消声室通过实验测量进行了验证。结果表明,改进球卷积模型对指向性主瓣的预测结果更好,并且能够预测出高音频声频率时的旁瓣成分,是目前指向性最有效且准确的预测方法之一。 展开更多
关键词 参量阵扬声器 指向性 球卷积模型
下载PDF
改进的参数活动轮廓模型 被引量:3
4
作者 潘改 高立群 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2013年第9期40-45,共6页
为扩大参数活动轮廓模型外力场的捕获范围,消除噪声对弱边界分割的影响,文中结合参数活动轮廓模型和卷积向量场的优点,提出了一种新的参数活动轮廓模型.该模型通过Harris矩阵得到梯度图像,依据局部区域的均值和方差估计噪声的概率,进而... 为扩大参数活动轮廓模型外力场的捕获范围,消除噪声对弱边界分割的影响,文中结合参数活动轮廓模型和卷积向量场的优点,提出了一种新的参数活动轮廓模型.该模型通过Harris矩阵得到梯度图像,依据局部区域的均值和方差估计噪声的概率,进而确定参数活动轮廓模型和卷积向量场的作用权重,最后得到一个全局向量场.合成梯度图像和医学图像的仿真实验结果表明,文中模型能够准确地分割出图像目标,具有一定程度的抗噪性. 展开更多
关键词 参数活动轮廓模型 卷积向量场 Harris矩阵 弱边界 噪声
下载PDF
弹性约束梁参数失稳分析的离散奇异卷积法 被引量:1
5
作者 李威 宋志伟 《应用力学学报》 CAS CSCD 北大核心 2012年第6期623-629,769,共7页
针对具有重要的学术价值和工程意义的弹性约束梁在动轴向载荷作用下的参数失稳问题,本文采用离散奇异卷积法对其进行研究。在离散奇异卷积法中,采用正则化的Shannon核进行空间离散,同时采用四阶龙格-库塔法进行时间离散。在采用界面与... 针对具有重要的学术价值和工程意义的弹性约束梁在动轴向载荷作用下的参数失稳问题,本文采用离散奇异卷积法对其进行研究。在离散奇异卷积法中,采用正则化的Shannon核进行空间离散,同时采用四阶龙格-库塔法进行时间离散。在采用界面与边界匹配技术处理弹性边界条件后,计算了四种不同弹性约束梁的参数失稳区。研究结果表明:计算结果和采用假定模态法得到的结果基本一致,从而说明了采用离散奇异卷积法求解弹性约束梁的参数失稳问题是可行和有效的;同时采用离散奇异卷积法可以更加准确地处理具有较大轴向力时的结构参数失稳问题。 展开更多
关键词 参数失稳 动力稳定性 离散奇异卷积 界面与边界匹配 弹性约束梁
下载PDF
基于条件卷积与注意力的肝脏分割算法
6
作者 赵浩辉 高永彬 +2 位作者 杨淑群 胡小军 范应方 《中国医学物理学杂志》 CSCD 2023年第6期701-708,共8页
鉴于现有肝脏CT影像分割算法中存在的对比度较低、边界模糊、分割效果差问题,提出一种基于条件参数化卷积与注意力的分割网络(CPat-Net)。首先用条件参数化卷积替代残差网络中的常规卷积,其次将融合后的条件残差卷积模块集成至编码器中... 鉴于现有肝脏CT影像分割算法中存在的对比度较低、边界模糊、分割效果差问题,提出一种基于条件参数化卷积与注意力的分割网络(CPat-Net)。首先用条件参数化卷积替代残差网络中的常规卷积,其次将融合后的条件残差卷积模块集成至编码器中,用以提升模型容量和保持高效计算。然后利用特征注意(CPat)模块中的空间和通道注意力获取特征图的语义和细节信息,从而将局部特征与其全局依赖性更好地结合起来,最后利用深度监督进行多尺度语义信息的融合,提升方法的性能与鲁棒性。实验表明,在肝脏CT影像数据集中本文方法的Dice相似系数、交并比、Jaccrad系数分别达到了94.1%、90.3%、92.4%。相较于UNet、CENet、CSNet等前沿方法,本文方法在肝部分割上的准确度更为优异。 展开更多
关键词 肝脏分割 卷积神经网络 条件参数化卷积 CPat-Net
下载PDF
鞅差序列下非线性半参数测量误差模型的经验似然推断 被引量:1
7
作者 吕升日 何帮强 《统计与决策》 CSSCI 北大核心 2020年第7期26-30,共5页
文章研究了鞅差误差序列下非线性半参数测量误差回归模型,利用逆卷积的方法得到了非参数的无偏估计,构造了未知参数的经验对数似然比统计量,在测量误差分布为普通光滑分布时,证明了经验对数似然比统计量服从渐近卡方分布,所得结果可以... 文章研究了鞅差误差序列下非线性半参数测量误差回归模型,利用逆卷积的方法得到了非参数的无偏估计,构造了未知参数的经验对数似然比统计量,在测量误差分布为普通光滑分布时,证明了经验对数似然比统计量服从渐近卡方分布,所得结果可以用来构造出未知参数估计量的置信域。 展开更多
关键词 鞅差误差序列 非线性半参数模型 逆卷积 经验似然 渐近卡方分布
下载PDF
基于统计参数图的fMRI图像空间平滑技术的研究
8
作者 周蕾蕾 胡颖 +2 位作者 郁芸 胡新华 杨坤 《生物医学工程研究》 北大核心 2015年第3期148-151,157,共5页
探讨并分析用统计参数图(statistical parametric mapping,SPM)进行脑功能磁共振图像空间平滑处理的技术原理及其程序实现。采用医用磁共振机对正常人脑进行脑功能磁共振成像扫描,获得相关的脑功能图像。利用SPM软件对图像进行空间平滑... 探讨并分析用统计参数图(statistical parametric mapping,SPM)进行脑功能磁共振图像空间平滑处理的技术原理及其程序实现。采用医用磁共振机对正常人脑进行脑功能磁共振成像扫描,获得相关的脑功能图像。利用SPM软件对图像进行空间平滑处理,并分析其算法及程序实现,在此基础上对SPM算法进行改进并仿真。通过分析和改进算法,得到了更好的空间平滑效果,从而获得更高质量的脑功能磁共振图像,便于临床诊断。SPM软件包在脑功能磁共振图像处理与分析中有着重要应用,但仍需改进和提高。 展开更多
关键词 功能核磁共振成像 统计参数图 空间平滑 卷积 滤波
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部