分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-02 合作期刊: 《计算机应用研究》
摘要： 针对实时目标检测SSD（single shot multiBox detector）算法对小目标检测能力偏差的问题，提出了一种提高特征图分辨率的Atrous滤波器设计策略。改进算法在SSD网络结构的基础上，把第三、四层卷积层产生的特征图经过规范化后连接在一起，然后通过Atrous卷积运算提高这些特征图分辨率。这些特征图共同提供小目标的所需的特征。另外该SSD改进算法还加入SeLU（scaled exponential linear units）激活函数，并在数据预处理阶段设计了一套数据增广方法。实验表明，该改进算法框架相对于原SSD算法框架具有更高的检测精度、更优良的鲁棒性，以及在小目标检测上效果明显。
分类： 计算机科学 >> 计算机应用技术 提交时间： 2024-01-09
摘要： 不良光照条件下的目标检测是一个重要的图像处理任务，目前的研究主要通过图像增强来减少图像噪声，同时改进网络结构和数据集来适应不良光照条件下的目标检测。然而，很少有人研究不良光照条件对目标检测的具体影响。因此在本文中，我们通过算法生成模拟不良光照条件的数据集，在不同的噪声条件下进行目标检测，统计检测结果，对影响进行研究。由于实验是在模拟数据中进行的，为了保证结果的准确性，我们利用实际场景的不良光照图像对结论进行了验证。
分类： 天文学 >> 天文学 提交时间： 2017-10-20 合作期刊: 《天文研究与技术》
摘要： SExtracto:作为一套从巡天图像中检测天体并提取天体星等、位置等信息的开源软件，已经被广泛运用在深度巡天的目标源提取和测量中。深度巡天中目标源的检测能力(深度)和对轮廓重叠的目标源的分解能力往往比光子噪声带来的测量误差更重要。针对不同研究目的的目标天体的提取往往需要在对目标源的检测能力和分解能力之间进行平衡，在使用SExtracto:提取目标源时其参数设定也存在较大差异。介绍了SExtracto:在深度巡天中参数的设定，结合分析讨论了SExtracto:获取天体目标和测量的精度，同时也发现在深度巡天中使用SExtracto:提取目标源存在十分严重的过度分化问题。
分类： 计算机科学 >> 计算机应用技术 提交时间： 2024-01-06
摘要： 长期以来，空间场景分类一直是地理信息科学领域的一个突出研究领域。在过去传统方法主要依赖于基于图像特征的检索方法。然而，随着深度学习和人工智能领域的迅速发展，对复杂空间场景的高效分类日益重要。本文提出了一种新颖的框架，该框架将目标检测与知识图谱相结合，自动完成空间场景分类。首先使用目标检测技术对输入图像进行处理以识别场景中的关键实体。随后，利用包含各种空间场景、实体及其关系的知识图谱来识别空间场景分类。为了验证该框架的有效性，我们使用八个空间场景类别进行了实验。实验结果表明，得到的分类结果与真实空间类型较为一致，验证了框架的有效性，展现了空间场景分类的潜在应用价值。
分类： 天文学 >> 天文学 提交时间： 2021-04-29 合作期刊: 《天文研究与技术》
摘要： 日冕抛射物质(Coronal Mass Ejection, CME)是一种强烈的太阳爆发现象，对空间天气和人类生活都有着巨大的影响，因此CME检测对预报CME、保障人类的生产生活安全有重要意义。现有检测方法多采用人为定义特征和人为界定阈值等方法检测CME。由于人为定义特征不能很好表征CME且具有普适性的阈值难于选择，现有CME检测方法对CME的检测效果有待提升。本文提出一种基于Faster R-CNN的日冕抛射物质检测算法。该方法首先结合CDAW、SEEDS、CACTus三个著名CME目录信息，人工标注了包含9113幅日冕图像的数据集，然后根据CME的图像特征较自然图像少、目标尺寸与自然图像有差异等特点，在特征提取和锚点选择方面对Faster R-CNN进行了改进。以2007年6月的CME标注数据为测试集，本文算法检测出了22个强CME事件中的22个和151个弱CME事件中的138个,且对CME事件的中心角和角宽度等特征参数的检测误差分别在5度和10度以内。
分类： 电子与通信技术 >> 雷达工程 提交时间： 2024-01-31
摘要： 在各种各样的SAR（Synthetic Aperture Radar）图像舰船目标检测方法中，应用最广泛、最重要的就是具有自适应阈值的CFAR（Constant False Alarm Rate）检测器。为了提高SAR图像中舰船目标的检测性能，人们试图通过各种统计分布模型对SAR图像中的杂波背景进行统计建模，如Gamma、K分布、对数正态分布、G0分布、alpha稳定分布等，再通过相应的统计分布模型以及各种样本筛选技术的CFAR检测器对舰船目标实施检测。在现代雷达系统中，CFAR检测技术需要在未知的、时变的和非均匀杂波背景中将实际产生的虚警控制在一个较低的水平上，并尽可能提高目标的检测概率。SAR图像中杂波背景是复杂多变的，当实际杂波背景与假定统计分布失配时，参量型CFAR检测器的性能会恶化，非参数CFAR检测器会显示出优势。该文提出了基于Wilcoxon非参数检测器的新途径对SAR图像中舰船目标进行检测；并在Radarsat-2、ICEYE-X6和Gaofen-3卫星的实测数据上，与几种典型的参量型CFAR检测方法进行了对比。实验结果表明，Wilcoxon非参数检测方法在这三种实测数据上可以获得较强的虚警控制能力，还可以带来弱目标检测性能的改善，具有运算速度快、易于硬件实现的特点。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-04-07 合作期刊: 《计算机应用研究》
摘要： 提出了一种新型的用于RGB-D显著目标检测的网络框架(SR-Net)。为了有效整合多模态特征的互补性，将深度特征提取作为独立分支，采用卷积块注意模块(CBAM，convolutional block attention module)进行深度特征增强，并整合增强后的深度特征与RGB 特征的互补信息。为了去除特征冗余，减少背景噪声对预测结果的干扰，在上采样网络中设计了一种顺序精炼网络，即通过整合多层次、多尺度特征的互补性，获取初级全局特征，并采用基于通道权重的初级全局特征权重矩阵获取模块(PFW，primary global feature weight matrix acquisition module)获取初级全局特征的权重矩阵；其次利用获取到的权重矩阵对各层次特征进行精炼，以抑制背景噪声带来的干扰；最后，为了更好的优化整个网络，提出了一种新的损失函数。在四个公共数据集上的实验结果表明，该模型在不同的模型评价指标上均优于近年来9种先进方法，获得了优异的性能。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》
摘要： 农业生产环境中的目标识别对象常具有分布密集、体积小、密度大的特点，加之农田环境光照多 变、背景复杂，导致已有目标检测模型无法取得令人满意的效果。本研究以提高小目标的识别性能为目标， 以蜜蜂识别为例，提出了一种农业复杂环境下尺度自适应小目标识别算法。算法克服了复杂多变的背景环 境的影响及目标体积较小导致的特征提取困难，实现目标尺度无关的小目标识别。首先将原图拆分为一些 较小尺寸的子图以提高目标尺度，将已标注的目标分配到拆分后的子图中，形成新的数据集，然后采用迁 移学习的方法重新训练并生成新的目标识别模型。在模型的使用中，为使子图识别结果能正常还原，拆分 的子图之间需具有一定的重叠率。收集所有子图的目标识别结果，采用非极大抑制（Non-Maximum Suppres⁃ sion，NMS） 去除由于模型本身产生的冗余框，提出一种交小比非极大抑制（Intersection over Small NMS， IOS-NMS） 进一步去除子图重叠区域中的冗余框。在子图像素尺寸分别为300300、500500和700700， 子图重叠率分别为0.2和0.05的情况下进行验证试验，结果表明：采用SSD （Single Shot MultiBox Detector） 作为框架中的目标检测模型，新提出的尺度自适应算法的召回率和精度普遍高于SSD模型，最高分别提高了 3.8%和2.6%，较原尺度的YOLOv3模型也有一定的提升。为进一步验证算法在复杂背景中小目标识别的优 越性，从网上爬取了不同尺度、不同场景的农田复杂环境下的蜜蜂图像，并采用本算法和SSD模型进行了对 比测试，结果表明：本算法能提高目标识别性能，具有较强的尺度适应性和泛化性。由于本算法对于单张 图像需要多次向前推理，时效性不高，不适用于边缘计算。
分类： 交通运输工程 >> 船舶、舰船工程 提交时间： 2024-03-23
摘要： 近年来，船舶智能化的发展对船舶目标的检测与分类精度要求越来越高，准确检测并识别船舶的类型及判断船舶的位置是船舶安全航行重要保障。由于船舶目标光学成像过程中易受到风、流、雨、雾等外部背景环境影响，导致基于深度学习的船舶目标检测算法性能降低；同时，船舶类型多样、形态各异以及几何尺寸大小不一等因素均使得船舶目标的检测和识别存在一定的困难。鉴于此，本文提出一种基于多尺度神经网络的目标检测方法用以提高光学影像中船舶目标的检测精度。该方法采用卷积神经网络（Convolutional Neural Networks）对图像予以特征提取，通过改进的基于CSPDarkNet骨干网络以及多尺度网络以实现船载光学摄像头对水上船舶目标的准确检测，提高模型对小目标和密集目标的检测精度。同时利用标签平滑化来防止模型陷入过拟合，并采用非极大值抑制降低重复检测。实验结果表明本文所提出的方法在Ship-Detection数据集上均值的平均精度(Mean Average Precision, mAP)可达84.80%，与Faster-RCNN、CO-DETR等先前目标检测的研究方法相比，检测效果更好，更具备潜在的应用优势。
分类： 信息科学与系统科学 >> 信息技术系统性应用 提交时间： 2022-09-27 合作期刊: 《桂林电子科技大学学报》
摘要： 无人机作为典型的低小慢目标,具有飞行速度慢、高度低、雷达反射面积(RCS)小等特点,使得无人机目标很难被检测和识别。针对无人机在复杂环境下存在信噪比低、检测困难的问题,提出了一种知识辅助的无人机目标恒虚警率(CFAR)检测方法。该方法首先分析3种常见的地杂波分布模型和均值类CFAR检测器,然后分别对这3种杂波分布下的回波信号采取CFAR检测方法,将检测性能最优的方法作为该杂波分布下最优的CFAR检测方法存入知识库,从而建立CFAR知识库;通过对需要检测目标的回波信号的杂波分布进行估计,判断杂波分布的模型,并以此分布从雷达知识库中选择所对应的CFAR算法,从而完成回波信号的检测。最后利用雷达采集的实测数据进行了验证,仿真和实验结果验证了该方法的可行性和有效性。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2020-09-28 合作期刊: 《计算机应用研究》
摘要： 目前深度神经网络模型需要部署在资源受限的环境中，故需要设计高效紧凑的网络结构。本文针对设计紧凑的神经网络提出一种基于改进注意力迁移的模型压缩方法(KE)，主要使用一个宽残差教师网络(WRN)指导一个紧凑的学生网络(KENet)，将空间和通道的注意力迁移到学生网络来提升性能，并将该方法应用于实时目标检测。在CIFAR上的图像分类实验验证了经过改进注意力迁移的知识蒸馏方法能够提升紧凑模型的性能，在VOC上的目标检测实验验证了模型KEDet具有很好的精度(72.7mAP)和速度(86FPS)。实验结果充分说明基于改进注意力迁移的目标检测模型具有很好的准确性和实时性。
分类： 天文学 >> 天文学 提交时间： 2017-10-11 合作期刊: 《天文研究与技术》
摘要： 针对空间运动目标检测易受光照、云层等因素的干扰，导致在没有出现运动目标的情况下，错误地判断为检测到运动目标，设计了一种改进的帧差算法，把帧差法和背景减除法相结合，周期性地把当前帧更新为背景帧。先对待检测图像进行二值化处理，有效消除了光照、云层等噪声因素，并且强化了空间目标的图像，然后通过帧差法检测出空间目标。实验表明，该方法有效降低了空间运动目标的误判率，改进的算法不需要把每一帧图像作为背景帧，提高了运行速度，也不需要对背景进行统计建模，简化了背景的建立过程，算法易于实现，操作简单，资金投入少，灵敏度高，具有较高的实用价值。
分类： 天文学 提交时间： 2024-04-12 合作期刊: 《天文学报》
摘要： 低表面亮度星系(Low Surface Brightness Galaxy, LSBG)的特征对于理解星系整体特征非常重要, 通过现代的机器学习特别是深度学习算法来搜寻扩充低表面亮度星系样本具有重要意义. LSBG因特征不明显而难以用传统方法进行自动和准确辨别, 但深度学习确具有自动找出复杂且有效特征的优势, 针对此问题提出了一种可用于在大样本巡天观测项目中搜寻LSBG的算法---YOLOX-CS (You Only Look Once YOLOX-CS在扩充前后两个数据集中搜索LSBG的召回率和AP (Average Precision)值都有较好的测试结果, 其在未扩充数据集的测试集中的召回率达到97.75\%, AP值达到97.84\%, 在DCGAN模型扩充的数据集中, 同样测试集下进行实验的召回率达到99.10\%, AP值达到98.94\%, 验证了该算法在LSBG搜索中具有优秀的性能. 最后, 将该算法应用到SDSS部分测光数据上, 搜寻得到了765个LSBG候选体.version X-CS). 首先通过实验对比5种经典目标检测算法并选择较优的YOLOX算法作为基础算法, 然后结合不同注意力机制和不同优化器, 构建了YOLOX-CS的框架结构. 数据集使用的是斯隆数字化巡天(Sloan Digital Sky Survey, SDSS)中的图像, 其标签来自于\alpha.40-SDSS DR7 (40\%中性氢苜蓿巡天与第7次数据发布的斯隆数字化巡天的交叉覆盖天区)巡天项目中的LSBG, 由于该数据集样本较少, 还采用了深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks, DCGAN)模型扩充了实验测试数据. 通过与一系列目标检测算法对比后,
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》
摘要： 自然环境下果实的精准检测是火龙果采摘机器人执行采摘作业的先决条件。为提高自然环境下果 实识别的精确性、鲁棒性和检测效率，本研究对YOLOX（You Only Look Once X） 网络进行改进，提出了一 种含有注意力模块的目标检测方法。为便于在嵌入式设备上部署，本方法以YOLOX-Nano网络为基准，将 卷积注意力模块（Convolutional Block Attention Module，CBAM） 添加到YOLOX-Nano的主干特征提取网络 中，通过为主干网络提取到不同尺度的特征层分配权重系数来学习不同通道间特征的相关性，加强网络深 层信息的传递，降低自然环境背景下对火龙果识别的干扰。对该方法进行性能评估和对比试验，经过训练 后，该火龙果目标检测网络在测试集的AP0.5值为98.9%，AP0.5:0.95的值为72.4%。在相同试验条件下对比其它 YOLO网络模型，该方法平均检测精度分别超越YOLOv3、YOLOv4-Tiny和YOLOv5-S模型26.2%、9.8%和 7.9%。最后对不同分辨率的火龙果果园自然环境下采集的视频进行实时测试。试验结果表明，本研究提出 的改进YOLOX-Nano目标检测方法，每帧平均检测时间为21.72 ms，F1值为0.99，模型大小仅3.76 MB，检 测速度、检测精度和模型大小满足自然环境下火龙果采摘的技术要求。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》
摘要： 针对目前设施农业数字化栽培调控技术中对作物的生育期实时检测与分类问题，提出一种改进YO⁃ LOv4的温室环境下草莓生育期识别方法。该方法将注意力机制引入到YOLOv4主干网络的跨阶段局部残差 模块（Cross Stage Partial Residual，CSPRes） 中，融合草莓不同生长时期的目标特征信息，同时降低复杂背 景的干扰，提高模型检测精度的同时保证实时检测效率。以云南地区的智能设施草莓为试验对象，结果表 明，本研究提出的YOLOv4-CBAM（YOLOv4-Convolutional Block Attention Module） 模型对开花期、果实膨大 期、绿果期和成熟期草莓的检测平均精度（Average Precision，AP） 分别为92.38%、82.45%、68.01% 和 92.31%，平均精度均值（Mean Average Precision，mAP） 为83.79%，平均交并比（Mean Inetersection over Union，mIoU） 为77.88%，检测单张图像时间为26.13 ms。YOLOv4-CBAM模型检测草莓生育期的mAP 相比 YOLOv4、YOLOv4-SE、YOLOv4-SC模型分别提高8.7%、4.82%和1.63%。该方法可对草莓各生育期目标进 行精准识别和分类，并为设施草莓栽培的信息化、规模化调控提供有效的理论依据。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-12-13 合作期刊: 《计算机应用研究》
摘要： 现有目标检测算法主要以图像中的大目标作为研究对象，针对小目标的研究比较少且存在检测精确度低、无法满足实时性要求的问题，基于此，提出一种基于深度学习目标检测框架PVANet的实时小目标检测方法。首先，构建一个专用于小目标检测的基准数据集，它包含的目标在一幅图像中的占比非常小且存在截断、遮挡等干扰，可以更好地评估小目标检测方法的优劣；其次，结合区域建议网络(RPN)提出一种生成高质量小目标候选框的方法以提高算法的检测精确度和速度；选用两种新的学习率策略“step”和“inv”以改善模型性能，进一步提升检测精确度。在构建的小目标数据集上，相比原PVANet算法平均检测精确度提高了10.67%，速度提升了约30%。实验结果表明，提出的方法是一个有效的小目标检测算法，达到了实时检测的效果。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-04-24 合作期刊: 《计算机应用研究》
摘要： 针对传统滑动窗口行人检测速度慢、无效窗口数量大和识别率低的问题，提出基于似物目标的快速行人检测算法。该算法首先使用改进的二值化赋范梯度算法生成目标候选集，再利用提出的NDOG特征描述子计算目标特征。通过在INRIA和Caltech-USA两个行人数据库分析实验，证明该算法可有效减少待检测窗口数量，提高特征表示能力，且计算时间显著降低，使用线性支持向量机作为分类器可获得较高的行人检测率。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-08-13 合作期刊: 《计算机应用研究》
摘要： 针对现有基于大数据和深度学习的目标检测框架对于高分辨率复杂大场景中低分辨率小目标识别效果较差，多目标检测的精度和实时性难以平衡的问题，改进了基于深度学习的目标检测框架 SSD（single shot multibox detector），提出一种改进的多目标检测框架DRZ-SSD（DRZ），将其专用于复杂大交通场景多目标检测。检测以从粗到细的策略进行，分别训练一个低分辨率粗略检测器和一个高分辨率精细检测器，对高分辨率图像进行下采样获得低分辨率版本，设计了一种基于增强学习的动态区域放大网络框架（DRZN），动态放大低分辨率弱小目标区域至高分辨率再使用精细检测器进行检测识别，剩余图像区域使用粗略检测器进行检测，对弱小目标的检测与识别精度以及运算效率的提高效果明显；采用模糊阈值法调整自适应阈值策略在避免适应数据集的同时提高模型的决策能力，显著降低检测漏警率和虚警率。实验表明，改进后的DRZ-SSD在应对弱小目标、多目标、杂乱背景、遮挡等检测难度较大的情况时，均能获得较好的效果。通过在指定数据集上测试，相比于其他基于深度学习的目标检测框架，各类目标识别的平均准确率提高了 4~15%，平均准确率均值提高了约9~16%，多目标检测率提高13~34%，检测识别速率达到38帧/s，实现了算法精度与运行速率的平衡。
分类： 电子与通信技术 >> 信息处理技术 提交时间： 2018-08-31
摘要： 本文创新性地提出了一种利用图像深度学习解决无线电信号识别问题的技术思路：首先把无线电信号具象化为一张二维图片，将无线电信号识别问题转化为图像识别领域的目标检测问题；进而充分利用人工智能在图像识别领域的先进成果，提高无线电信号识别的智能化水平和复杂电磁环境下的识别能力。基于该思路，本文提出了一种基于图像深度学习的无线电信号识别算法——RadioImageDet算法。试验结果表明，该算法能有效识别无线电信号的波形类型和时/频坐标，在实地采集的12种、4740个样本的数据集中，识别准确度达到86.03%，mAP值达到77.72，检测时间在中等配置的桌面计算机上仅需33毫秒，充分验证了思路的可行性和算法的有效性。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-04-07 合作期刊: 《计算机应用研究》
摘要： 针对传统显著性目标检测方法在检测不同尺度的多个显著性目标方面的不足，提出了一种多尺度特征深度复用的显著性目标检测算法。网络模型由垂直堆叠的双向密集特征聚合模块和水平堆叠的多分辨率语义互补模块组成。首先，双向密集特征聚合模块基于ResNet骨干网络提取不同分辨率语义特征，然后，依次在top-down和bottom-up两条通路上进行自适应融合，以获取不同层次多尺度表征特征；最后，通过多分辨率语义互补模块对两个相邻层次的多尺度特征进行融合，以消除不同层次上特征之间的相互串扰，来增强预测结果的一致性。在5个基准数据集上进行的实验结果表明，该方法在Fmax、Sm、MAE最高能达到0.939、0.921、0.028，且检测速率可达74.6FPS，与其它其他对比算法相比有着更好的检测性能。
点击量
点击量
下载量
评论
待评议
通过
