-
题名融合迁移校正与自适应知识蒸馏的小样本目标检测
- 1
-
-
作者
张英俊
薛凡
谢斌红
张睿
-
机构
太原科技大学计算机科学与技术学院
-
出处
《计算机应用研究》
北大核心
2025年第5期1576-1582,共7页
-
基金
山西省基础研究计划资助项目(面上)(20210302123216)
山西省产教融合研究生联合培养示范基地项目(2022JD11)
吕梁市引进高层次科技人才重点研发项目(2022RC08)。
-
文摘
针对目前基于微调范式的小样本目标检测方法存在模型偏差和检测器难以区分类无关知识的问题,提出一种融合迁移校正与自适应知识蒸馏的小样本目标检测方法(TCAD-FSOD)。其中,对于偏差问题,设计了物体感知RPN模块(OA-RPN)和分布校正模块(DCM)。OA-RPN利用背景筛选机制校正有偏差的RPN结果,DCM利用基类信息辅助校正有偏差的新类分布。对于检测器难以区分类无关知识的问题,提出了自适应温度知识蒸馏模块(ATKD)。ATKD通过自适应温度生成器进行精细的知识蒸馏,使检测器能够渐进式地显式学习基类与新类之间与识别相关的共性知识。实验结果表明,相较于目前已知的最新算法结果,该方法在PASCAL VOC数据集的性能最高提升可以达到2.7%,在COCO上最高提升了0.7%,说明TCAD-FSOD算法能够有效缓解模型偏差,提升对新类的识别能力。
-
关键词
小样本目标检测
迁移学习
物体感知RPN
知识蒸馏
分布校正
-
Keywords
few-shot object detection(fsod)
transfer learning
object aware RPN
knowledge distillation
distribution calibration
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于条件扩散模型样本生成的小样本目标检测
- 2
-
-
作者
梅天灿
王亚茹
陈元豪
-
机构
武汉大学电子信息学院
-
出处
《电子与信息学报》
北大核心
2025年第4期1182-1191,共10页
-
文摘
利用生成模型为小样本目标检测提供额外样本是解决样本稀缺问题的方法之一。现有生成额外样本的方法,多关注于生成样本的多样性,而忽略了生成样本的质量和代表性。为解决这一问题,该文提出了一个新的基于数据生成的小样本目标检测框架FQRS。首先,构造类间条件控制模块使得数据生成器能够学习不同类别间的关系,利用基类和新类的类间关系信息辅助模型估计新类的分布,从而提高生成样本的质量。其次,设计类内条件控制模块,利用交并比(IOU)信息限制生成样本在特征空间的位置,通过控制生成的样本更聚集于类别的中心,确保它们能够捕捉对应类别的关键特征,从而提高生成样本的代表性。在PASCAL VOC和MS COCO数据集上进行测试,在不同小样本条件下,该文提出的模型均超过当前最好的两阶段微调目标检测模型—解耦的更快区域卷积神经网络(DeFRCN)。实验验证了该文方法在小样本目标检测上具有出色的检测效果。
-
关键词
小样本目标检测
深度学习
数据增强
样本生成
-
Keywords
Few-Shot Object Detection(fsod)
Deep Learning(DL)
Data augmentation
Sample generation
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多算法融合实现化纤纺丝车间丝路巡检的应用研究
- 3
-
-
作者
彭先涛
邱奕博
金君良
-
机构
浙江大学—恒逸全球未来先进技术研究院
浙江恒逸集团有限公司
-
出处
《智能制造》
2025年第4期136-141,共6页
-
文摘
纺丝车间是化学纤维生产中重要的环节,对丝路进行巡检及时发现问题并反馈处理,对后道卷绕的稳定生产至关重要。通过搭载视觉检测系统的机器人实现全天候不间断地丝路巡检,已成为纺丝车间数字化转型的核心内容之一。在工业现场,需要兼顾检测节拍与检测准确率,由于正常生产时缺陷或异常样本较少,基于此,本文对于细微丝线的识别采用小样本目标检测FSOD进行识别与异常区域裁剪;对于导丝钩、油嘴明显特征的目标检测采用Fast SAM进行识别与异常位置裁剪;对于裁剪的异常区域再经由YOLOv11进行识别,将最终识别的图像合并后在整图中进行显示。通过丝路巡检机器人的工程应用,验证了算法的有效性,助力了化纤企业的数字化建设。
-
关键词
化纤
丝路巡检
人工智能
fsod
FastSAM
YOLOv11
-
Keywords
chemical fiber
silk road inspection
artificial intelligence
fsod
fast SAM
YOLOv11
-
分类号
TS103.7
[轻工技术与工程—纺织工程]
-
-
题名基于改进区域提议网络和特征聚合小样本目标检测方法
- 4
-
-
作者
付可意
王高才
邬满
-
机构
广西大学计算机与电子信息学院
广西近海海洋环境科学重点实验室(广西科学院)
广西壮族自治区北部湾碳汇与低碳工程研究中心(广西科学院)
-
出处
《计算机应用》
CSCD
北大核心
2024年第12期3790-3797,共8页
-
基金
国家重点研发计划重点专项(2022YFD2401200)
广西科技重大专项(桂科AA22068072)。
-
文摘
在现有的小样本目标检测中,区域提议网络(RPN)通常是在基类数据上训练以生成新类候选框;然而新类数据相较于基类更稀缺,在引入时可能产生与目标物不同的复杂背景,导致RPN将背景误认为前景,遗漏高交并比(IoU)值候选框。针对上述问题,提出一种基于改进RPN和特征聚合小样本目标检测方法(IFA-FSOD)。首先,基于RPN进行改进,即通过在RPN中设计一个基于度量的非线性分类器,计算骨干网络提取的特征和新类特征之间的相似度,以提高对新类候选框的召回率,从而筛选高IoU候选框;其次,在感兴趣区域对齐(RoI Align)中引入基于注意力机制的特征聚合模块(FAM),并通过设计不同尺度的网格,获取更全面的信息和特征表示,从而缓解因尺度不同引起的特征信息缺失。实验结果表明,相较于QA-FewDet(Query Adaptive Few-shot object Detection)方法,IFA-FSOD方法在PASCAL VOC数据集的新类上的Novel Set 3中的10-shot下的新类别平均精度(50%IoU)(nAP50)提升了4.5个百分点;相较于FsDetView(Few-shot object Detection and Viewpoint estimation)方法,在10-shot和30-shot设置下,IFA-FSOD方法在COCO数据集的新类上的平均精度均值(mAP)分别提升了0.2和0.8个百分点。可见改进RPN和特征聚合(IFA)能有效提高在小样本情况下对目标类别的检测性能,并解决高IoU值候选框遗漏和特征信息捕捉不全的问题。
-
关键词
小样本目标检测
基于度量
区域提议网络
非线性分类器
特征聚合
-
Keywords
Few-Shot Object Detection(fsod)
metric-based
Region Proposal Network(RPN)
non-linear classifier
feature aggregation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名响应面法优化费菜SOD提取条件的研究
被引量：4
- 5
-
-
作者
王美
武纪汝
刘艳芳
王文斗
-
机构
山西师范大学生命科学学院
山西师范大学现代文理学院
-
出处
《安徽农业科学》
CAS
2016年第20期63-65,共3页
-
文摘
[目的]利用响应面法优化费菜SOD的提取条件。[方法]首先进行单因素优化试验,单因素分别为时间、p H、液料比。经过单因素优化试验,得出最优时间、最优p H、最优料液比。通过Design expert8.0.5软件设计出17种试验方案。通过试验,得出每种方案的蛋白得率,利用Design expert8.0.5软件进行了方差分析,各因素之间的交互作用分析,并得出了相应的数学模型。[结果]单因素试验中,最优时间为1 h,最优p H为7.8、最优料液比为1∶15 g/m L。各因素交互作用分析表明,提取费菜SOD的最佳方案为提取时间0.98 h、p H7.79、料液比1∶13.71 g/m L。利用邻苯三酚自氧法测得提取的SOD酶活为12 U/g。[结论]该研究结果可为费菜资源的进一步利用与研究提供参考。
-
关键词
费菜
SOD
响应面法
-
Keywords
Sedum aizoon
fsod
Response surface method
-
分类号
S567.23
[农业科学—中草药栽培]
-
