期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CenterNet的轻量级扬尘污染源检测方法
1
作者 蒋方冰 周围 +1 位作者 田灵娣 郑娜 《软件导刊》 2025年第1期123-128,共6页
近年来,人工智能、图像识别技术在扬尘污染源的监测和管理上发挥着越来越重要的作用。为实现轻量化高精度的扬尘污染源检测,提出一种基于CenterNet的轻量级扬尘污染源目标检测方法。首先,为解决图像中部分目标漏检问题,提出基于一次性... 近年来,人工智能、图像识别技术在扬尘污染源的监测和管理上发挥着越来越重要的作用。为实现轻量化高精度的扬尘污染源检测,提出一种基于CenterNet的轻量级扬尘污染源目标检测方法。首先,为解决图像中部分目标漏检问题,提出基于一次性聚集扩张的扬尘污染源检测方法,使用一次性聚集扩张模块替代常规卷积,在扩大感受野的同时获得包含不同接受域的特征,降低了检测的平均漏检率;其次,针对监测网络的轻量化需求,引入MobileNet并加入集中特征金字塔实现特征融合,由此提出基于集中特征金字塔的轻量级污染源检测方法 mCFP-CenterNet;最后,构建一个扬尘污染源图像数据集,并在该数据集和PASCAL VOC 2007数据集上进行实验。结果表明,该方法在推理时间、计算量、参数量、平均漏检率等评价指标上与其他方法相比效果更好,可满足轻量级和高精度的应用需求。 展开更多
关键词 目标检测 centernet 扬尘污染源 特征融合 轻量化模型
在线阅读 下载PDF
基于坐标注意力机制增强的CenterNet模型在烟草甲检测中的应用
2
作者 孙俊峰 王保录 +1 位作者 黄琰淦 黄滔 《湖北农业科学》 2024年第11期191-196,215,共7页
通过在CenterNet模型中引入坐标注意力机制,使CAM-CenterNet模型更多地关注对烟草甲(Lasioderma serricorne)(以下简称烟虫)表征能力好的通道和位置,降低烟丝、烟末等杂质的干扰,将精确率(Precision)、召回率(Recall)、平均精度(mAP)、... 通过在CenterNet模型中引入坐标注意力机制,使CAM-CenterNet模型更多地关注对烟草甲(Lasioderma serricorne)(以下简称烟虫)表征能力好的通道和位置,降低烟丝、烟末等杂质的干扰,将精确率(Precision)、召回率(Recall)、平均精度(mAP)、每秒帧率(FPS)以及模型参数量(Params size)作为评价指标,对CAM-CenterNet模型、CenterNet模型、YOLOv3模型和Faster R-CNN模型的烟虫检测性能进行对比。结果表明,在召回率和平均精度方面,YOLOv3模型表现最好,CAM-CenterNet模型稍落后于YOLOv3模型,但高于其他模型;在帧率方面,CAM-CenterNet模型检测烟虫图像的速度较YOLOv3模型更快,且模型参数量更少,对设备配置要求更低。在检测个体较小的烟虫时,CAM-CenterNet模型的烟虫检出数量高于Faster R-CNN模型、YOLOv3模型。CAM-CenterNet模型不仅能更多地关注烟虫目标特征,而且能很好地抑制烟丝、烟末等杂质带来的干扰,实现烟虫的有效检测。CAM-CenterNet模型能满足卷烟厂对烟虫检测速度和精度的要求,可以为烟厂的烟虫整治提供技术支持。 展开更多
关键词 坐标注意力机制 centernet模型 CAM-centernet模型 烟草甲(Lasioderma serricorne)检测
在线阅读 下载PDF
基于CenterNet模型的烟草甲虫视觉检测方法设计 被引量：7
3
作者 杨光露 李春松 +4 位作者 李愿军 刘穗君 郭亚东 张焕龙 张杰 《中国烟草学报》 CAS CSCD 北大核心 2022年第6期77-84,共8页
【目的】实现卷烟厂烟草甲虫的精准检测,掌握虫情规律。【方法】使用数据增强技术提供的充足样本数据训练出理想的CenterNet模型,采用CenterNet模型对烟虫进行实时检测。【结果】(1)CenterNet模型在测试数据集中烟虫检测精度能够达到94... 【目的】实现卷烟厂烟草甲虫的精准检测,掌握虫情规律。【方法】使用数据增强技术提供的充足样本数据训练出理想的CenterNet模型,采用CenterNet模型对烟虫进行实时检测。【结果】(1)CenterNet模型在测试数据集中烟虫检测精度能够达到94%以上。(2)该模型对于烟丝、粉尘颗粒等干扰因素具有一定的抗干扰能力,能实现对烟厂烟虫的精确检测,对于小个体烟虫及粘连烟虫也能获得较优的检测结果。【结论】基于CenterNet模型设计的烟虫检测报警系统能准确统计出烟虫数量,为虫情的有效预警与防治提供了保障。 展开更多
关键词 烟草甲虫 目标检测方法 centernet模型 检测精度 抗干扰能力
在线阅读 下载PDF
轻量化MSP-CenterNet目标检测方法 被引量：1
4
作者 张倚萌 《信息与电脑》 2022年第8期93-96,104,共5页
针对目标检测算法参数多、计算量大以及上下文信息融合度较差的问题,本文提出一种基于CenterNet的融合上下文的轻量化MSP-CenterNet模型。首先,MobileNetV3轻量化网络作为骨干网络,实现参数量和模型的缩减;其次,用SPP模块增加网络的感受... 针对目标检测算法参数多、计算量大以及上下文信息融合度较差的问题,本文提出一种基于CenterNet的融合上下文的轻量化MSP-CenterNet模型。首先,MobileNetV3轻量化网络作为骨干网络,实现参数量和模型的缩减;其次,用SPP模块增加网络的感受野;最后,结合简化版PANet,将上下文信息更好的融合,从而提升网络的检测精度。在PASCAL VOC数据集上进行测试,MSP-CenterNet模型的mAP为80.2%,速度为42FPS,模型大小为38.7MB。相比CenterNet在准确率仅低3.2个百分点的情况下,检测速度FPS提升约40%,模型缩减约2/3,更具有适用性。 展开更多
关键词 目标检测 centernet 轻量化 MSP-centernet MobileNetV3 模型缩减
在线阅读 下载PDF
基于CenterNet的半监督起落架自动标注 被引量：2
5
作者 方伟 汤淼 +1 位作者 闫文君 张婷婷 《兵器装备工程学报》 CAS CSCD 北大核心 2023年第4期239-244,共6页
针对飞机起落架标注人工标注费时费力问题,提出了将CenterNet目标检测模型与半监督学习结合起来对飞机起落架进行自动标注。该方法在CenterNet的主干特征网络ResNet50基础上嵌入通道注意力机制并对其有效性进行了验证,结合半监督学习,... 针对飞机起落架标注人工标注费时费力问题,提出了将CenterNet目标检测模型与半监督学习结合起来对飞机起落架进行自动标注。该方法在CenterNet的主干特征网络ResNet50基础上嵌入通道注意力机制并对其有效性进行了验证,结合半监督学习,用标记样本训练的模型对未标记样本进行标注并对得到的问题样本进行人工修正后叠加进原标记样本组成新的数据集继续训练,最终生成性能较好、能够自动标注的目标检测模型。实验结果表明,模型经过5次迭代训练后,得到标注模型的精确率达到95.29%,平均准确率达到92.16%,对飞机起落架的定位能够满足标注要求。 展开更多
关键词 图像自动标注 centernet 通道注意力机制 半监督学习 目标检测模型
在线阅读 下载PDF
基于差分特征注意力机制的无锚框多光谱行人检测算法 被引量：3
6
作者 沈继锋 刘岳 +2 位作者 韦浩 左欣 杨万扣 《智能科学与技术学报》 2021年第3期294-303,共10页
针对多光谱行人检测系统存在特征融合质量低、模型超参数多且锚框匹配算法复杂等问题,提出了一种基于差分特征注意力机制的无锚框多光谱行人检测算法。该算法首先采用差分特征感知融合方法挖掘多模态特征间的互补信息来优化通道特征;然... 针对多光谱行人检测系统存在特征融合质量低、模型超参数多且锚框匹配算法复杂等问题,提出了一种基于差分特征注意力机制的无锚框多光谱行人检测算法。该算法首先采用差分特征感知融合方法挖掘多模态特征间的互补信息来优化通道特征;然后利用具有高效无锚框机制的CenterNet检测框架大大降低了模型计算复杂度,从而提升检测速度;最后引入差分特征注意力机制,改善特征融合质量,进一步提升检测精度。在KAIST、CVC14和FLIR这3个公开数据集上的实验结果表明,提出的算法和其他先进方法相比,能够同时有效提升检测精度和速度,具有较好的实际应用前景。 展开更多
关键词 多光谱行人检测 无锚框机制 centernet模型 注意力机制
原文传递
基于CenterNet-AMP模型的SAR图像飞机目标识别方法
7
作者 王鹏 汤宇峰 +2 位作者 王幸运 杜君 李彬 《制导与引信》 2025年第4期19-24,34,共7页
针对传统合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法受限于人工设计的目标特征和较高的计算复杂度的问题,基于CenterNet模型并引入并行多层缩放注意力机制(attention mechanism with parallel multilayer scaling,AM... 针对传统合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法受限于人工设计的目标特征和较高的计算复杂度的问题,基于CenterNet模型并引入并行多层缩放注意力机制(attention mechanism with parallel multilayer scaling,AMP),提出了一种基于CenterNet-AMP模型的SAR图像飞机目标识别方法。该模型通过结合多层次注意力机制增强了多尺度目标识别能力,通过通道层次注意力缩放(channel hierarchical attention scaling,CHAS)和空间层次注意力缩放(spatial hierarchical attention scaling,SHAS)优化特征图,使特征提取更加聚焦于目标区域,从而提高了识别精度。实验结果表明,CenterNet-AMP模型的平均精度均值优于RetinaNet、SSD、Faster R-CNN、YOLOv3和YOLOv5等模型的平均精度均值,在交并比(IoU)阈值为0.50时的平均精度均值达到94.8%,并且在更高IoU阈值(如0.75)时仍保持了较高性能。实验结果展示了所提模型在飞机目标高精度识别中的稳定性。 展开更多
关键词 合成孔径雷达图像 飞机目标识别 并行多层缩放注意力机制 centernet-AMP模型
在线阅读 下载PDF
基于端到端的多尺度月球陨石坑检测方法 被引量：2
8
作者 庞程程 张华春 张岩岩 《雷达科学与技术》 北大核心 2022年第1期65-73,共9页
陨石坑是月球表面最典型且普遍的地形地貌特征和地质结构。实时陨石坑检测可用于实现自主着陆、航天器和月球车导航等任务。现有的月球陨石坑检测算法需要繁杂的后期处理,难以满足实时陨石坑检测需求。为此,本文提出一种用于检测月球多... 陨石坑是月球表面最典型且普遍的地形地貌特征和地质结构。实时陨石坑检测可用于实现自主着陆、航天器和月球车导航等任务。现有的月球陨石坑检测算法需要繁杂的后期处理,难以满足实时陨石坑检测需求。为此,本文提出一种用于检测月球多尺度陨石坑的新方法,C-Moon-Net。该方法首次基于CenterNet网络对月球数字高程模型(DEM)的图像数据集进行训练和测试。首先,随机裁剪和处理全月DEM图像来生成适用于CenterNet网络的数据集。其次,使用可以加快模型收敛速度的基本损失计算方法来训练模型。最后,基于测试集进行实验来评估训练模型的有效性。其实验结果表明,与现有的陨石坑检测方法相比,C-Moon-Net的检测速度提升了201倍,检测精度提升11.5%;本文方法可以对多种尺度的陨石坑进行精确检测,具有强鲁棒性的特点。 展开更多
关键词 目标检测 月球陨石坑 深度学习 数字高程模型 centernet
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部