-
题名基于跨空间多尺度的弱监督有向目标检测算法研究
- 1
-
-
作者
任洋
陈绪君
王磊
-
机构
华中师范大学物理科学与技术学院
-
出处
《激光杂志》
CAS
北大核心
2024年第7期63-70,共8页
-
基金
国家自然科学基金(No.60101204)
湖北省自然科学基金(No.2022CFB474)。
-
文摘
针对当前基于旋转框标注的传统有向目标检测算法对遥感场景下的有向目标检测存在复杂度高、标注成本大等问题,提出了一种基于跨空间多尺度的弱监督有向目标检测算法LSK-EFPN,该算法可利用水平框标注信息推断目标的旋转框信息,实现了复杂遥感场景下的有向目标检测。为提升网络检测能力,该算法采用LSKNet网络提取输入图像先验背景特征,并添加跨空间多尺度注意力模块捕捉跨空间的特征区域,最后使用CIoU作为尺度约束损失函数来对一致性损失进行重构。实验结果表明,LSK-EFPN在遥感场景DIOR数据集上的平均准确率达到61.7%,相对于H2RBox算法提升了4.7%,为基于水平框标注的有向目标检测场景提供了新的技术解决方案。
-
关键词
动态感受野
空间选择机制
跨空间多尺度
弱监督有向目标检测
遥感目标
-
Keywords
dynamic receptive field
spatial selection mechanism
cross-space multi-scale
weakly supervised directed target detection
remote sensing target
-
分类号
TN391.41
[电子电信—物理电子学]
-
-
题名基于自适应蜂群优化的DBSCAN聚类算法
被引量：12
- 2
-
-
作者
胡健
朱海湾
毛伊敏
-
机构
江西理工大学应用科学学院
江西理工大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第14期105-114,共10页
-
基金
国家自然科学基金(No.41562019,No.41530640)
江西省自然科学基金(No.20161BAB203093)
+1 种基金
江西省教育厅科技项目(No.GJJ151528,No.GJJ151531,No.GJJ161566)
省社科规划项目(No.13YD020)
-
文摘
针对传统的DBSCAN(Density-Based Spatial Clustering of Application with Noise,DBSCAN)聚类算法全局参数设置不合理、参数选取困难、无法识别重叠模块的问题,以及人工蜂群优化算法(Artificial Bees Colony,ABC)后期收敛速度慢、易陷入局部最优等缺陷进行了研究,提出一种基于自适应人工蜂群优化DBSCAN的聚类算法IABC-DBSCAN。该算法将截断选择机制与锦标赛选择机制相结合,提出一种截断-锦标赛选择机制(Truncation-Championship Selection Mechanism,TCSM),以增强种群多样性、避免跟随蜂选择蜜源陷入局部最优的缺陷;提出一种自适应步长策略(Adaptive Step Strategy,ASS)动态调整跟随蜂的搜索方式,以提高算法局部搜索能力和聚类速度;根据改进的IABC算法动态调节DBSCAN算法中的最优参数,将蜜源位置对应ε邻域,蜜源的适应度大小对应DBSCAN的聚类效果,并在多种测试函数和数据集上进行验证。实验结果表明,该算法不仅有效克服ABC和DBSCAN算法的缺陷,且正确率和召回率均有较大提高。
-
关键词
DBSCAN算法
人工蜂群优化算法
截断-锦标赛选择机制
自适应步长策略
聚类
-
Keywords
Density-Based spatial Clustering of Application with Noise(DBSCAN) algorithm
artificial bee colony optimization
truncation-championship selection mechanism
adaptive step strategy
clustering
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
