期刊导航
期刊开放获取
vip
退出
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
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
检索
高级检索
期刊导航
共找到
6
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Mixup算法和卷积神经网络的柑橘黄龙病果实识别研究
被引量:
25
1
作者
陆健强
林佳翰
+4 位作者
黄仲强
王卫星
邱洪斌
杨瑞帆
陈平福
《华南农业大学学报》
CAS
CSCD
北大核心
2021年第3期94-101,共8页
【目的】解决传统柑橘黄龙病果实图像识别方法依赖人工设计特征、费时费力、网络模型参数量大、识别准确率低等问题。【方法】首先,采集柑橘黄龙病的果实图像,并对其进行翻转、旋转、仿射、高斯扰动等数据扩增;采用Mixup算法建立样本之...
【目的】解决传统柑橘黄龙病果实图像识别方法依赖人工设计特征、费时费力、网络模型参数量大、识别准确率低等问题。【方法】首先,采集柑橘黄龙病的果实图像,并对其进行翻转、旋转、仿射、高斯扰动等数据扩增;采用Mixup算法建立样本之间的线性关系,增强模型识别数据样本的鲁棒性;然后,迁移Xception网络在ImageNet数据集上的先验知识,提出一种基于Mixup算法和卷积神经网络的柑橘黄龙病果实识别模型-XResNeXt模型;最后,采用动量梯度下降优化方法,有效地减缓震荡影响,并且有效地加速模型向局部最优点收敛。【结果】采用数据扩增数据集训练的X-ResNeXt模型准确率可以达到91.38%;在进行迁移学习优化后,训练时间减少了432 s,准确率提升为91.97%;结合Mixup混类数据增强进一步训练,模型准确率提升为93.74%;最后,利用动量梯度下降方法进行模型收敛优化,最终模型的准确率达到94.29%,比Inception-V3和Xception网络分别提高了3.98%和1.51%。【结论】在数据量较少情况下,降低模型复杂度并迁移已有先验知识,有助于模型性能提升;Mixup混类数据增强方法有利于提高模型识别柑橘黄龙病果实图像样本的适应性,提升柑橘黄龙病果实识别模型性能;X-ResNeXt模型在准确率与召回率指标上优于经典识别模型,可为柑橘黄龙病的高精度、快速无损识别提供参考。
展开更多
关键词
柑橘黄龙病
mixup
算法
梯度下降
卷积神经网络
Xception网络
在线阅读
下载PDF
职称材料
基于数据增强的导弹延寿目标确立方法研究
2
作者
陈凯诺
张福光
+2 位作者
张涵
尹延涛
杜光传
《战术导弹技术》
北大核心
2024年第5期74-82,98,共10页
在导弹贮存延寿工程的立项论证阶段,需要先统计分析每个导弹贮存期内环境剖面数据、故障数据等以分析导弹的贮存故障率变化趋势,进而科学确立延寿目标。针对高可靠性导弹故障数据样本少、环境数据的变化存在非线性、传统方法预测贮存可...
在导弹贮存延寿工程的立项论证阶段,需要先统计分析每个导弹贮存期内环境剖面数据、故障数据等以分析导弹的贮存故障率变化趋势,进而科学确立延寿目标。针对高可靠性导弹故障数据样本少、环境数据的变化存在非线性、传统方法预测贮存可靠度精度不高等问题,提出SelfSVR算法对导弹贮存故障率进行预测。通过贝叶斯优化方法自适应计算出Mixup生成的样本个数、SVR算法的超参数核函数系数和核函数惩罚系数。基于Mixup增强算法构建新的训练样本。使用SVR算法对导弹贮存故障率进行非线性预测。通过示例验证,Self-SVR算法在预测非线性变化的贮存故障率方面具有良好的拟合效果,在R2系数、EVS和MSE三个指标上优于对比算法。在消融实验中证明了贝叶斯优化和Mixup增强算法对Self-SVR算法均具有优化作用。
展开更多
关键词
支持向量回归
贝叶斯优化
mixup
算法
数据增强
贮存故障率
导弹贮存延寿
延寿目标
原文传递
基于改进残差网络和数据增强的鞋型识别算法
被引量:
2
3
作者
张家钧
唐云祁
杨智雄
《电子测量技术》
北大核心
2021年第19期139-147,共9页
在监控视频中搜索犯罪现场出现的嫌疑鞋型是目前侦破案件的重要手段,针对该手段自动化程度低、人工筛选易漏查等问题,提出一种基于改进深度残差网络和数据增强的鞋型识别算法。为增强网络特征提取能力,对深度残差网络进行了研究,在不增...
在监控视频中搜索犯罪现场出现的嫌疑鞋型是目前侦破案件的重要手段,针对该手段自动化程度低、人工筛选易漏查等问题,提出一种基于改进深度残差网络和数据增强的鞋型识别算法。为增强网络特征提取能力,对深度残差网络进行了研究,在不增加任何参数量的前提下改进瓶颈结构,提升算法精度;针对瓶颈结构中下采样操作存在的问题,改进下采样模块,缓解网络下采样时信息丢失问题;引入Mixup和光学变换数据增强算法,建立数据之间的线性关系,丰富数据的多样性,进而增强网络模型的鲁棒性;最后,采取中心损失函数和Softmax损失函数联合训练的方法,使训练数据达到更好的聚类效果。为验证所提算法的有效性和实用性,在多背景鞋型数据集上对所提算法进行测试,测试结果表明,所提算法mAP、Rank-1精度分别达到66.83%、86.77%,可以有效提高网络识别精度。
展开更多
关键词
鞋型识别
残差网络
瓶颈结构
mixup
算法
中心损失函数
原文传递
基于改进YOLOv3-LITE轻量级神经网络的柑橘识别方法
被引量:
75
4
作者
吕石磊
卢思华
+3 位作者
李震
洪添胜
薛月菊
吴奔雷
《农业工程学报》
EI
CAS
CSCD
北大核心
2019年第17期205-214,共10页
柑橘识别是实现柑橘园果实自动采摘、果树精细化管理以及实现果园产量预测的关键技术环节。为实现自然环境下柑橘果实的快速精准识别,该文提出一种基于改进YOLOv3-LITE轻量级神经网络的柑橘识别方法。在采摘机器人领域,果实识别回归框...
柑橘识别是实现柑橘园果实自动采摘、果树精细化管理以及实现果园产量预测的关键技术环节。为实现自然环境下柑橘果实的快速精准识别,该文提出一种基于改进YOLOv3-LITE轻量级神经网络的柑橘识别方法。在采摘机器人领域,果实识别回归框的准确率直接决定了机器手的采摘成功率,该方法通过引入GIoU边框回归损失函数来提高果实识别回归框准确率;为便于迁移到移动终端,提出一种YOLOv3-LITE轻量级网络模型,使用MobileNet-v2作为模型的骨干网络;使用混合训练与迁移学习结合的预训练方式来提高模型的泛化能力。通过与Faster-RCNN以及SSD模型对比在不同遮挡程度的测试样本下模型的识别效果,用F1值与AP值评估各模型的差异,试验结果表明:该文提出的模型识别效果提升显著,对于果实轻度遮挡的数据集,该文提出的柑橘识别模型的F1值和AP值分别为95.27%和92.75%,AverageIoU为88.65%;在全部测试集上,F1值和AP值分别为93.69%和91.13%,Average IoU为87.32%,在GPU上对柑橘目标检测速度可达246帧/s,对单张416×416的图片推断速度为16.9 ms,在CPU上检测速度可达22帧/s,推断速度为80.9 ms,模型占用内存为28 MB。因此,该文提出的柑橘识别方法具有模型占用内存低、识别准确率高及识别速度快等优点,可为柑橘采摘机器人以及柑橘产业产量预测提出新的解决方案,为柑橘产业智能化提供新的思路。
展开更多
关键词
神经网络
果树
算法
柑橘
YOLOv3-LITE
混合训练
迁移学习
GIoU边框回归损失函数
在线阅读
下载PDF
职称材料
针对轻量化网络的安全帽检测方法
被引量:
4
5
作者
刘泽西
张楠
+3 位作者
连婷
马骏
赵勇
倪威
《测控技术》
2022年第8期16-21,53,共7页
变电站内电气设备数量众多,在工人进行现场作业时需要对工人佩戴安全帽进行监测。由于机器学习的安全帽佩戴检测方法常常出现漏检和误检的情况,为提高对安全帽佩戴识别的准确率,同时加快识别速度,提出了一种基于YOLOv5s的轻量化卷积神...
变电站内电气设备数量众多,在工人进行现场作业时需要对工人佩戴安全帽进行监测。由于机器学习的安全帽佩戴检测方法常常出现漏检和误检的情况,为提高对安全帽佩戴识别的准确率,同时加快识别速度,提出了一种基于YOLOv5s的轻量化卷积神经网络模型。通过引入RepVGG模块对网络主干进行轻量化,在网络后处理阶段通过Soft-NMS降低遮挡目标漏检率,以Mixup数据增强来扩充数据集,建立样本之间的线性关系,提升训练模型泛化性能,最后进行消融实验。实验结果表明,改进的模型的均值平均精度(mAP)达到80.4%,推理速度达到了83.3 f/s,为变电站安全帽佩戴检测提供了有效参考。
展开更多
关键词
深度学习
安全帽检测
RepVGG
mixup
算法
在线阅读
下载PDF
职称材料
基于yolov5的校园跌倒检测算法
6
作者
许志烨
《长江信息通信》
2023年第2期135-137,共3页
学生在校园活动中容易发生跌倒现象,较为严重的跌倒行为会危及生命健康。针对校园内发生跌倒现象无法及时反馈的问题,文章提出一种基于yolov5算法的校园跌倒检测方式,运用图像处理方法,改善锚框机制和Mixup数据增强算法,优化模型性能,...
学生在校园活动中容易发生跌倒现象,较为严重的跌倒行为会危及生命健康。针对校园内发生跌倒现象无法及时反馈的问题,文章提出一种基于yolov5算法的校园跌倒检测方式,运用图像处理方法,改善锚框机制和Mixup数据增强算法,优化模型性能,提高模型识别速度。实验结果表明,文章提出的方法可以快速并有效识别学生跌倒现象。
展开更多
关键词
yolov5算法
图像处理
mixup
数据增强
跌倒检测
在线阅读
下载PDF
职称材料
题名
基于Mixup算法和卷积神经网络的柑橘黄龙病果实识别研究
被引量:
25
1
作者
陆健强
林佳翰
黄仲强
王卫星
邱洪斌
杨瑞帆
陈平福
机构
华南农业大学电子工程学院/人工智能学院
岭南现代农业科学与技术广东省实验室
广东省农情信息监测工程技术研究中心
出处
《华南农业大学学报》
CAS
CSCD
北大核心
2021年第3期94-101,共8页
基金
国家自然科学基金(61675003)
广东省重点领域研发计划(2019B020214003)
+2 种基金
广东省普通高校“人工智能”重点领域专项(2019KZDZX1001)
广西科技计划重点研发计划(桂科AB16380286)
广州市科技计划项目创新平台建设与共享专项(201605030013)。
文摘
【目的】解决传统柑橘黄龙病果实图像识别方法依赖人工设计特征、费时费力、网络模型参数量大、识别准确率低等问题。【方法】首先,采集柑橘黄龙病的果实图像,并对其进行翻转、旋转、仿射、高斯扰动等数据扩增;采用Mixup算法建立样本之间的线性关系,增强模型识别数据样本的鲁棒性;然后,迁移Xception网络在ImageNet数据集上的先验知识,提出一种基于Mixup算法和卷积神经网络的柑橘黄龙病果实识别模型-XResNeXt模型;最后,采用动量梯度下降优化方法,有效地减缓震荡影响,并且有效地加速模型向局部最优点收敛。【结果】采用数据扩增数据集训练的X-ResNeXt模型准确率可以达到91.38%;在进行迁移学习优化后,训练时间减少了432 s,准确率提升为91.97%;结合Mixup混类数据增强进一步训练,模型准确率提升为93.74%;最后,利用动量梯度下降方法进行模型收敛优化,最终模型的准确率达到94.29%,比Inception-V3和Xception网络分别提高了3.98%和1.51%。【结论】在数据量较少情况下,降低模型复杂度并迁移已有先验知识,有助于模型性能提升;Mixup混类数据增强方法有利于提高模型识别柑橘黄龙病果实图像样本的适应性,提升柑橘黄龙病果实识别模型性能;X-ResNeXt模型在准确率与召回率指标上优于经典识别模型,可为柑橘黄龙病的高精度、快速无损识别提供参考。
关键词
柑橘黄龙病
mixup
算法
梯度下降
卷积神经网络
Xception网络
Keywords
citrus Huanglongbing
mixup algorithm
gradient descent
convolutional neural network
Xception network
分类号
S436.66 [农业科学—农业昆虫与害虫防治]
在线阅读
下载PDF
职称材料
题名
基于数据增强的导弹延寿目标确立方法研究
2
作者
陈凯诺
张福光
张涵
尹延涛
杜光传
机构
海军航空大学
烟台市教育招生考试院
出处
《战术导弹技术》
北大核心
2024年第5期74-82,98,共10页
文摘
在导弹贮存延寿工程的立项论证阶段,需要先统计分析每个导弹贮存期内环境剖面数据、故障数据等以分析导弹的贮存故障率变化趋势,进而科学确立延寿目标。针对高可靠性导弹故障数据样本少、环境数据的变化存在非线性、传统方法预测贮存可靠度精度不高等问题,提出SelfSVR算法对导弹贮存故障率进行预测。通过贝叶斯优化方法自适应计算出Mixup生成的样本个数、SVR算法的超参数核函数系数和核函数惩罚系数。基于Mixup增强算法构建新的训练样本。使用SVR算法对导弹贮存故障率进行非线性预测。通过示例验证,Self-SVR算法在预测非线性变化的贮存故障率方面具有良好的拟合效果,在R2系数、EVS和MSE三个指标上优于对比算法。在消融实验中证明了贝叶斯优化和Mixup增强算法对Self-SVR算法均具有优化作用。
关键词
支持向量回归
贝叶斯优化
mixup
算法
数据增强
贮存故障率
导弹贮存延寿
延寿目标
Keywords
Support Vector Regression
Bayesian optimization
mixup algorithm
data enhancement
storage failure rate
missile storage life extension
life extension goal
分类号
TB114.3 [理学—概率论与数理统计]
原文传递
题名
基于改进残差网络和数据增强的鞋型识别算法
被引量:
2
3
作者
张家钧
唐云祁
杨智雄
机构
中国人民公安大学侦查学院
出处
《电子测量技术》
北大核心
2021年第19期139-147,共9页
基金
公安部技术研究计划项目(2020JSYJC21)
中央高校基本科研业务费项目(2021JKF203)
上海市现场物证重点实验室开放课题基金项目(2021XCWZK04)资助。
文摘
在监控视频中搜索犯罪现场出现的嫌疑鞋型是目前侦破案件的重要手段,针对该手段自动化程度低、人工筛选易漏查等问题,提出一种基于改进深度残差网络和数据增强的鞋型识别算法。为增强网络特征提取能力,对深度残差网络进行了研究,在不增加任何参数量的前提下改进瓶颈结构,提升算法精度;针对瓶颈结构中下采样操作存在的问题,改进下采样模块,缓解网络下采样时信息丢失问题;引入Mixup和光学变换数据增强算法,建立数据之间的线性关系,丰富数据的多样性,进而增强网络模型的鲁棒性;最后,采取中心损失函数和Softmax损失函数联合训练的方法,使训练数据达到更好的聚类效果。为验证所提算法的有效性和实用性,在多背景鞋型数据集上对所提算法进行测试,测试结果表明,所提算法mAP、Rank-1精度分别达到66.83%、86.77%,可以有效提高网络识别精度。
关键词
鞋型识别
残差网络
瓶颈结构
mixup
算法
中心损失函数
Keywords
shoe type recognition
residual network
bottleneck structure
mixup algorithm
center loss function
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
基于改进YOLOv3-LITE轻量级神经网络的柑橘识别方法
被引量:
75
4
作者
吕石磊
卢思华
李震
洪添胜
薛月菊
吴奔雷
机构
华南农业大学电子工程学院
国家柑橘产业技术体系机械化研究室
广东省农情信息监测工程技术研究中心
华南农业大学工程学院
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2019年第17期205-214,共10页
基金
国家自然科学基金项目(61601189,31971797)
现代农业产业技术体系建设专项资金(CARS-26)
+1 种基金
广东省科技计划项目(2016A020210088)
广州市科技计划项目(201803020037)
文摘
柑橘识别是实现柑橘园果实自动采摘、果树精细化管理以及实现果园产量预测的关键技术环节。为实现自然环境下柑橘果实的快速精准识别,该文提出一种基于改进YOLOv3-LITE轻量级神经网络的柑橘识别方法。在采摘机器人领域,果实识别回归框的准确率直接决定了机器手的采摘成功率,该方法通过引入GIoU边框回归损失函数来提高果实识别回归框准确率;为便于迁移到移动终端,提出一种YOLOv3-LITE轻量级网络模型,使用MobileNet-v2作为模型的骨干网络;使用混合训练与迁移学习结合的预训练方式来提高模型的泛化能力。通过与Faster-RCNN以及SSD模型对比在不同遮挡程度的测试样本下模型的识别效果,用F1值与AP值评估各模型的差异,试验结果表明:该文提出的模型识别效果提升显著,对于果实轻度遮挡的数据集,该文提出的柑橘识别模型的F1值和AP值分别为95.27%和92.75%,AverageIoU为88.65%;在全部测试集上,F1值和AP值分别为93.69%和91.13%,Average IoU为87.32%,在GPU上对柑橘目标检测速度可达246帧/s,对单张416×416的图片推断速度为16.9 ms,在CPU上检测速度可达22帧/s,推断速度为80.9 ms,模型占用内存为28 MB。因此,该文提出的柑橘识别方法具有模型占用内存低、识别准确率高及识别速度快等优点,可为柑橘采摘机器人以及柑橘产业产量预测提出新的解决方案,为柑橘产业智能化提供新的思路。
关键词
神经网络
果树
算法
柑橘
YOLOv3-LITE
混合训练
迁移学习
GIoU边框回归损失函数
Keywords
neural networks
fruits
algorithm
s
orange
YOLOv3-LITE
mixup
-training
transfer learning
GIoU bounding boxregression loss function
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
针对轻量化网络的安全帽检测方法
被引量:
4
5
作者
刘泽西
张楠
连婷
马骏
赵勇
倪威
机构
国网新疆电力有限公司巴州供电公司
华北电力大学电气与电子工程学院
出处
《测控技术》
2022年第8期16-21,53,共7页
基金
国网新疆电力有限公司科技项目(5230BD2000RX)。
文摘
变电站内电气设备数量众多,在工人进行现场作业时需要对工人佩戴安全帽进行监测。由于机器学习的安全帽佩戴检测方法常常出现漏检和误检的情况,为提高对安全帽佩戴识别的准确率,同时加快识别速度,提出了一种基于YOLOv5s的轻量化卷积神经网络模型。通过引入RepVGG模块对网络主干进行轻量化,在网络后处理阶段通过Soft-NMS降低遮挡目标漏检率,以Mixup数据增强来扩充数据集,建立样本之间的线性关系,提升训练模型泛化性能,最后进行消融实验。实验结果表明,改进的模型的均值平均精度(mAP)达到80.4%,推理速度达到了83.3 f/s,为变电站安全帽佩戴检测提供了有效参考。
关键词
深度学习
安全帽检测
RepVGG
mixup
算法
Keywords
deep learning
safety helmet detection
RepVGG
mixup algorithm
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于yolov5的校园跌倒检测算法
6
作者
许志烨
机构
三峡大学计算机与信息学院
出处
《长江信息通信》
2023年第2期135-137,共3页
文摘
学生在校园活动中容易发生跌倒现象,较为严重的跌倒行为会危及生命健康。针对校园内发生跌倒现象无法及时反馈的问题,文章提出一种基于yolov5算法的校园跌倒检测方式,运用图像处理方法,改善锚框机制和Mixup数据增强算法,优化模型性能,提高模型识别速度。实验结果表明,文章提出的方法可以快速并有效识别学生跌倒现象。
关键词
yolov5算法
图像处理
mixup
数据增强
跌倒检测
Keywords
Yolov5
algorithm
Image processing
mixup
data enhancement
Drop to detection
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Mixup算法和卷积神经网络的柑橘黄龙病果实识别研究
陆健强
林佳翰
黄仲强
王卫星
邱洪斌
杨瑞帆
陈平福
《华南农业大学学报》
CAS
CSCD
北大核心
2021
25
在线阅读
下载PDF
职称材料
2
基于数据增强的导弹延寿目标确立方法研究
陈凯诺
张福光
张涵
尹延涛
杜光传
《战术导弹技术》
北大核心
2024
0
原文传递
3
基于改进残差网络和数据增强的鞋型识别算法
张家钧
唐云祁
杨智雄
《电子测量技术》
北大核心
2021
2
原文传递
4
基于改进YOLOv3-LITE轻量级神经网络的柑橘识别方法
吕石磊
卢思华
李震
洪添胜
薛月菊
吴奔雷
《农业工程学报》
EI
CAS
CSCD
北大核心
2019
75
在线阅读
下载PDF
职称材料
5
针对轻量化网络的安全帽检测方法
刘泽西
张楠
连婷
马骏
赵勇
倪威
《测控技术》
2022
4
在线阅读
下载PDF
职称材料
6
基于yolov5的校园跌倒检测算法
许志烨
《长江信息通信》
2023
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部