作者:莫蓓蓓; 吴克河 期刊:《计算机与现代化》 2020年第02期
随着电网建设的高速发展,作业现场技术支撑人员规模不断扩大。电力现场属于高危作业场所,违规穿戴安全防护用品将会严重危及作业人员的人身安全,为了改善传统人工监管方式效率低下的问题,本文采用实时深度学习算法进行违规穿戴行为检测。检测模型结合实时目标检测网络YOLOv3和Self-Attention机制,借鉴DANet结构,在YOLOv3网络高层嵌入自注意力模块,更好地挖掘和学习特征位置和通道关系。实验结果表明,该模型在违规穿戴检测任务中mAP...
作者:徐晗智; 艾中良; 张志超 期刊:《计算机与现代化》 2020年第02期
Tiny YOLO和YOLOv3-tiny作为2种轻量级目标检测算法以其突出的速度表现而闻名。本文以这2种网络模型为基础,结合分组卷积并改进通道重排算法,改进了原来的损失函数,构建了一种新的更快的网络模型,通过改进YOLOv3的损失函数而增加其检测准确度。在PASCAL VOC数据集和COCO数据集上分别训练并且测试,该网络模型每秒处理的速度超过265张图片,Map值达到55.8%,准确度超过Tiny YOLO且与YOLOv3-tiny相仿。
作者:刘俊琦; 李智; 张学阳 期刊:《计算机科学》 2020年第03期
基于可见光遥感图像的海面目标检测技术是当前遥感领域的研究热点,为推进基于可见光遥感图像的海面目标检测技术的发展,文中对当前主要的检测方法进行了总结。首先,介绍了可见光遥感图像目标特性以及图像目标检测基本流程,并分析了遥感图像目标检测的研究现状;然后,针对海面目标快速检测问题,详细介绍了视觉显著性方法在遥感图像目标检测方面的研究现状;接着,针对遥感图像分类识别问题,详细介绍了卷积神经网络在遥感图像目标检测方...
作者:康春玉; 李文哲; 夏志军; 李军; 李昆鹏; 严韶光 期刊:《声学学报》 2019年第06期
针对复杂海洋环境条件下压缩感知水声目标方位估计性能下降的问题,利用盲源分离能够提高信噪比的优势,提出了一种盲重构频域阵列信号的压缩感知水声目标方位估计方法。首先将阵元域信号通过傅里叶变换方法得到多个子带阵列信号;然后对各个子带阵列信号进行复数域盲源分离得到子带解混矩阵和子带分离信号估计,并对子带分离信号进行属性分析和处理;再根据处理后的子带分离信号和子带解混矩阵重构子带阵列信号,对重构的子带阵列信号采...
随着人工智能的发展,计算机视觉在其中扮演着一个重要的角色。尤其在自动驾驶、医疗图像、VR等技术领域当中,对图像识别、目标检测等任务的标准有了更高的要求。本文针对上下文信息在目标检测任务中发挥的作用,分别基于传统机器学习的目标检测任务和基于深度学习的目标检测任务,通过上下文建模方法的分析和模型的对比,概述了上下文信息在当中的应用和发展。0引言在日常场景中人类与计算机对于目标的识别与检测可能有着不一样的语义...
作者:刘万军; 王凤; 曲海成 期刊:《激光与光电子学进展》 2019年第23期
为使YOLOv2算法在保证检测速度的同时进一步提高目标检测的精确率,在YOLOv2模型的基础上提出RF-YOLOv2新模型。该模型先将KITTI数据集经过聚类,选出最适合KITTI数据集的候选框个数和候选框尺寸;其次在网络结构的训练部分采用残差块结构增加卷积层,提取更符合目标的特征描述;最后在网络结构的检测部分引入特征金字塔网络,将不同尺寸大小的特征图进行融合,使得低层特征图也具有丰富的语义信息。实验结果表明,RF-YOLOv2模型能获得更深...
作者:韩俊; 任进 期刊:《信息技术与信息化》 2020年第01期
针对现有SSD算法高层级的特征层其感受野较大,导致其特征提取的内容过于抽象,不利于小目标的检测,以及SSD算法中不同尺度的特征层难以互补融合等问题,本文提出了一种结合特征增强和多尺度特征的SSD行人检测算法。为了实现算法的高精度以及节省计算资源,本文采用的特征增强方法,不需要进行高层特征尺寸的调整,融合后的特征由于高层特征层的维数比较低,不需要再进行单独的降维操作,这样大大节省了网络损耗。为解决现有SSD浅层网络对...
作者:陈从平; 李游; 徐道猛; 邓扬; 何枝蔚 期刊:《机械》 2020年第01期
针对传统目标检测算法无法自适应提取目标相应特征并完成识别的现象,提出一种基于快速区域卷积神经网络(Faster R-CNN)模型的电器识别方法,其优势在于可以自适应获取不同场景下目标的特征,避免由于人为设计目标的特征而带来的主观因素影响,具有良好的鲁棒性与准确性。Faster R-CNN中首先通过建立区域建议网络RPN(Region Proposal Network)代替Fast R-CNN中的Selective Search方法,得到建议位置后再进行检测。为了解决训练过程当中...
针对传统视频监控系统存在视频流畅性较低、监控数据传输成功率低、误码率高等问题,提出基于数字媒体DSP的远程网络视频监控系统。系统硬件设计中,上位机采用LabVIEW编程实现,用于控制摄像支撑设备转动、镜头参数调整以及视频数据播放与远程显示控制等功能;下位机使用数字媒体DSP为核心处理器,建立含有视频数据采集输入、传输以及摄像支撑设备控制等模块。系统软件设计中,详细介绍了远程网络视频监控系统中视频图像运动目标检测算...
作者:沈军宇; 李林燕; 戴永良; 胡伏原 期刊:《计算机工程与设计》 2020年第02期
针对水下鱼群图像对比度低、鱼群尺寸不一致以及双目图像拼接出现的伪影问题,通过改进SSD(single shot MultiBox detector)算法提高图像拼接精度,实现不同尺寸鱼群快速准确检测。借助卷积层重叠相加法融合多个卷积特征,增强各个特征层的特征强度;构建特征金字塔模型,实现低卷积层的高分辨率特征与高卷积层的语义特征的融合,提高水下低对比度图像中小目标鱼群的检测精度;利用两个相同的卷积模型进行特征匹配,依据反向传播机制将第六...
作者:赵亚男; 吴黎明; 陈琦 期刊:《计算机工程》 2020年第01期
针对一阶段目标检测算法在识别小目标时无法兼顾精度与实时性的问题,提出一种基于多尺度融合单点多盒探测器(SSD)的小目标检测算法。以SSD和DSSD算法的网络结构为基础,设计融合模块以实现Top-Down结构的功能,形成高层网络与低层网络之间的跳跃连接,结合SSD-VGG16扩展卷积特征图以提取多尺度特征,并对不同卷积层、尺度及特征的多元信息进行分类预测与位置回归。在织物瑕疵数据库上的实验结果表明,与SSD、DSSD等算法相比,该算法的检...
作者:贺丰收; 何友; 刘准钆; 徐从安 期刊:《电子与信息学报》 2020年第01期
自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工程,图像分类性能优越,因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识,包括雷达图像的特性,并指出了传统的雷达自动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了CNN在雷达自动目标识别中...
作者:徐佩; 胡婷; 蒲萌 期刊:《新一代信息技术》 2014年第01期
视频车辆检测是实时多车辆目标检测,运动车辆图层本身就含有一些噪声和阴影区域,当目标车辆的像素点和背景点比较接近时,可能分裂成多个连通区域。此时通过该多连通区域提取的车辆图层的连通区域外接矩形和目标车辆有时并不对应,为了准确的确定车辆轮廓的外接矩形框,使车辆外接矩形和视频车辆更加匹配,就需要对提取的多连通区域轮廓外接矩形进行整合,故提出了矩形整合算法,完善目标的最小外接矩形。
作者:李玉; 曹雨虹; 刘刚; 贾振华; 黄智丹; 徐圆飞 期刊:《新一代信息技术》 2018年第04期
为快速准确的识别并定位安检图像中的危险品,本文对Faster RCNN算法进行改进提出一种实时检测并定位危险品的方法,并应用于安检机系统。根据目前的安检机的使用情况,设计并实现了基于深度学习的安检图像识别系统和安检设备客户端显示程序。系统主要设计思路为:准备数据集,应用Caffe框架搭建Faster RCNN模型,对模型进行训练得到一个识别率较高的模型,然后利用训练好的模型进行测试,输入安检图像,输出图像中危险物品的种类和位置。在...
作者:岳明; 田金涛; 王敏; 张坤 期刊:《中华传奇》 2019年第06期
随着信息技术和视频技术的不断发展,无人机视频航拍在现实的视频拍摄中运用越来越普遍,航拍技术得到飞速发展,视频拍摄质量不断提高。能够支撑着航拍视频不断完善的核心技术就是无人机视频航拍目标检测和目标跟踪。本篇文章主要围绕着无人机视频航拍的目标检测与目标跟踪进行分析,并对其在整个过程中使用的方法进行分类,根据目标检测与跟踪的方法去创新和推动无人机航拍向前发展。
目前,在智能交通领域使用深度学习方法进行自动驾驶目标检测已成为研究热点。通过对FasterR-CNN,YOLO,SSD等代表性方法的对比,这些方法中对目标的实例分割检测效果不够理想,因此在通过比较研究后本文提出使用在实例分割方面效果更为优秀的MaskR-CNN目标检测算法用于自动驾驶的目标检测研究,通过在BDD100k数据集上的仿真实验,表明MaskR-CNN目标检测算法在实例分割中效果明显,进一步针对该算法的特征金字塔进行了改进,提高了其检测精...
作者:闻辉; 贾冬顺 期刊:《科学与信息化》 2019年第17期
视频运动目标检测作为智能视频监控的一个底层关键技术,已成为智能视频监控系统需要攻克的首要难题。本文介绍了视频运动目标检测面临的难点以及所使用的主要方法,对各种方法进行了简要的总结,并给出了几种典型方法的优点及不足。
实际工作中,当对视频的运动目标进行检测时,由于背景基本上也是变化的,因此对目标检测产生了很强的干扰。在传统的GMM建模方法中,存在一些误判的点,于是,我们先通过滤波对视频进行处理,再通过判断当前帧的前后帧是否满足GMM的方法,对GMM模型进行改进,从而减少一些误判的点,使目标检测更加准确。
作者:孙诚; 杨磊; 王志海 期刊:《数学建模及其应用》 2017年第01期
基于减背景技术提出了一种改进的运动目标检测模型CW4,与原模型W4相比,CW4充分利用了图像的亮度、色度和饱和度等颜色信息,使得目标检测的结果更加准确。在对带有阴影的彩色图像的背景和前景的像素特点进行分析后,还设计了一种带权重的颜色计算模型的阴影去除算法。实验结果表明,基于CW4的算法显著提高了行人检测的精确性,阴影去除算法也能够有效地检测和去除阴影。
作者:李铭; 郑苏生; 姚磊岳 期刊:《现代信息科技》 2019年第24期
随着深度学习技术的不断发展,端到端的模式识别方式越来越普及。只要算力足够,总可以搭建出适合某一场景的分类检测与预测判断深度网络。但在周期短、算力不足、语义理解要求高的场景下,基于特征的模式识别仍旧有着巨大的需求。本文通过对经典特征HOG的详细解读,结合SVM实现了对任意物体的智能识别。相较于深度学习算法,有着前期训练成本低、识别速度快、样本量需求小等特点。