图像异常检测旨在识别并定位图像中的异常区域,针对现有算法中不同层次特征信息利用不充分的问题,提出了基于多层次特征融合网络的图像异常检测算法。通过使用融合了异常先验知识的伪异常数据生成算法,对训练集进行了异常数据扩充,将异...图像异常检测旨在识别并定位图像中的异常区域,针对现有算法中不同层次特征信息利用不充分的问题,提出了基于多层次特征融合网络的图像异常检测算法。通过使用融合了异常先验知识的伪异常数据生成算法,对训练集进行了异常数据扩充,将异常检测任务转化为监督学习任务;构建了多层次特征融合网络,将神经网络中不同层次特征进行融合,丰富了特征中的低层纹理信息和高层语义信息,使得用于异常检测的特征更具区分性;训练时,设计了分数约束损失和一致性约束损失,并结合特征约束损失对整个网络模型进行训练。实验结果表明,MVTec数据集上图像级检测接收机工作特性曲线下面积(area under the receiver operating characteristic, AUROC)平均值为98.7%,像素级定位AUROC平均值为97.9%,每区域重叠率平均值为94.2%,均高于现有的异常检测算法。展开更多
针对目前植保无人机处方作业任务规划优化方法的空缺,提出了基于改进蛛蜂算法(improved spider wasp optimizer,ISWO)的植保无人机任务规划方法。在预生成的全覆盖作业路径基础上,以电池里程与药箱容量为约束,考虑处方变量施药,以植保...针对目前植保无人机处方作业任务规划优化方法的空缺,提出了基于改进蛛蜂算法(improved spider wasp optimizer,ISWO)的植保无人机任务规划方法。在预生成的全覆盖作业路径基础上,以电池里程与药箱容量为约束,考虑处方变量施药,以植保无人机任务总体时间最短与非作业路程总距离最小为目标建立了任务规划模型,并且采用ISWO算法对模型进行求解。ISWO在蛛蜂算法的基础上融入了学习因子的正余弦自适应收缩策略与贪婪均值思想的种群初始化办法。经算法有效性分析与案例分析,相较于传统的最大作业距离模式,ISWO能够大幅度降低作业总体时间与非作业路程长度。相较于四个启发式算法WOA、GWO、PSO、SWO,ISWO在寻优性能与稳定性上有突出表现,可为植保无人机处方作业规划提供一定的参考。展开更多
文摘图像异常检测旨在识别并定位图像中的异常区域,针对现有算法中不同层次特征信息利用不充分的问题,提出了基于多层次特征融合网络的图像异常检测算法。通过使用融合了异常先验知识的伪异常数据生成算法,对训练集进行了异常数据扩充,将异常检测任务转化为监督学习任务;构建了多层次特征融合网络,将神经网络中不同层次特征进行融合,丰富了特征中的低层纹理信息和高层语义信息,使得用于异常检测的特征更具区分性;训练时,设计了分数约束损失和一致性约束损失,并结合特征约束损失对整个网络模型进行训练。实验结果表明,MVTec数据集上图像级检测接收机工作特性曲线下面积(area under the receiver operating characteristic, AUROC)平均值为98.7%,像素级定位AUROC平均值为97.9%,每区域重叠率平均值为94.2%,均高于现有的异常检测算法。
文摘针对目前植保无人机处方作业任务规划优化方法的空缺,提出了基于改进蛛蜂算法(improved spider wasp optimizer,ISWO)的植保无人机任务规划方法。在预生成的全覆盖作业路径基础上,以电池里程与药箱容量为约束,考虑处方变量施药,以植保无人机任务总体时间最短与非作业路程总距离最小为目标建立了任务规划模型,并且采用ISWO算法对模型进行求解。ISWO在蛛蜂算法的基础上融入了学习因子的正余弦自适应收缩策略与贪婪均值思想的种群初始化办法。经算法有效性分析与案例分析,相较于传统的最大作业距离模式,ISWO能够大幅度降低作业总体时间与非作业路程长度。相较于四个启发式算法WOA、GWO、PSO、SWO,ISWO在寻优性能与稳定性上有突出表现,可为植保无人机处方作业规划提供一定的参考。
