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4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：
基于改进ResNeSt50对糖尿病视网膜病变和黄斑水肿的联合分级
1
作者 刘宇轩 顾德 《中国医学物理学杂志》 2025年第6期766-774,共9页
针对糖尿病视网膜病变各等级引发的出血、微动脉瘤和新生血管等病灶形态各异,且易掩盖糖尿病黄斑水肿病灶,导致联合分级困难的问题,提出一种改进ResNeSt50的疾病联合分级网络。首先对ResNeSt50进行改进,将其残差块中的3×3卷积替换... 针对糖尿病视网膜病变各等级引发的出血、微动脉瘤和新生血管等病灶形态各异,且易掩盖糖尿病黄斑水肿病灶,导致联合分级困难的问题,提出一种改进ResNeSt50的疾病联合分级网络。首先对ResNeSt50进行改进,将其残差块中的3×3卷积替换为一种新的卷积:部分卷积。并使用改进后ResNeSt50提取图像特征,以探索糖尿病视网膜病变和黄斑水肿的特异性。然后引入疾病相关性注意力模块,探索糖尿病视网膜病变和黄斑水肿的内在关系。将该算法在Messidor数据集和IDRID数据集上进行实验,其联合准确率分别为83.7%和64.1%。结果表明,所提算法在糖尿病视网膜病变和黄斑水肿的联合分级效果上有较大提升。 展开更多
关键词 糖尿病 视网膜 resnest50 PConv 注意力机制
在线阅读 下载PDF
改进Faster R-CNN的输电线路山火图像检测方法
2
作者 黄力 吴珈承 《现代电子技术》 北大核心 2025年第9期173-179,共7页
针对山火严重威胁输电线路安全的问题,提出一种改进Faster R-CNN的输电线路山火图像检测方法。选用ResNeSt50作为主干网络以提升模型性能,同时在主干网络后面加入递归特征金字塔(RFP)以增强模型在多尺度上的特征提取能力。采用CIoU Los... 针对山火严重威胁输电线路安全的问题,提出一种改进Faster R-CNN的输电线路山火图像检测方法。选用ResNeSt50作为主干网络以提升模型性能,同时在主干网络后面加入递归特征金字塔(RFP)以增强模型在多尺度上的特征提取能力。采用CIoU Loss回归损失函数以提高边界框回归速率和定位精度,使用Focal Loss分类损失函数以提高对小目标的烟雾和火焰检测精度。运用Kmeans++聚类算法对烟雾和火焰数据进行anchor尺寸优化,以提高算法的检测准确率。利用数据增强技术来解决图像数量不足和天气环境变化影响检测精度的问题。经过训练和测试,结果显示改进后的Faster RCNN方法在平均精度均值上达到了95.54%,比原模型提高了7.39%,能够有效识别输电线路附近产生的烟雾和火焰,满足山火检测准确性和实时性的要求。 展开更多
关键词 深度学习 山火检测 烟雾检测 Kmeans++ resnest50 CIoU Loss Focal Loss RFP
在线阅读 下载PDF
基于DeepSort的多目标车辆跟踪优化算法 被引量：1
3
作者 余海燕 霍爱清 冯若水 《智能计算机与应用》 2025年第5期68-74,共7页
针对密集交通场景中车辆跟踪所面临的漏检率高、误检频发以及跟踪精度低等问题,提出一种基于DeepSort多目标车辆跟踪优化算法,旨在提升其在复杂环境下的跟踪性能。首先,优化卡尔曼滤波,通过增加自适应调制噪声尺度的机制,动态调整噪声... 针对密集交通场景中车辆跟踪所面临的漏检率高、误检频发以及跟踪精度低等问题,提出一种基于DeepSort多目标车辆跟踪优化算法,旨在提升其在复杂环境下的跟踪性能。首先,优化卡尔曼滤波,通过增加自适应调制噪声尺度的机制,动态调整噪声协方差,更准确地预测目标的运动轨迹,克服因噪声水平波动导致的预测偏差和不稳定现象。随后,采用ResNest50作为主干网络,并结合YOLOv5检测器,对外观特征提取网络进行了改进,增强对车辆外观特征的精细提取能力,达到准确检测跟踪场景中的多个目标车辆的目的。为了全面评估所提算法的性能,基于MOTA、IDSW和MOTP三种指标,进行了综合评估实验并辅以可视化对比实验。经过实验验证,所提算法与其他模型相比在MOTA、MOTP上平均提升了3.460%、3.103%,同时使IDSW平均下降了45.907%,提高了多目标车辆检测的鲁棒性及跟踪精度。 展开更多
关键词 DeepSort NSA卡尔曼滤波 resnest50 密集场景 多目标车辆跟踪 YOLOv5
在线阅读 下载PDF
基于多尺度特征融合的绝缘子缺陷程度检测 被引量：5
4
作者 陈奎 贾立娇 +2 位作者 刘晓 方永丽 赵昌新 《高电压技术》 EI CAS CSCD 北大核心 2024年第5期1889-1899,I0008,共12页
针对绝缘子不同程度缺陷特征相似、像素信息少、不同程度缺陷检测效果不佳的问题,提出了一种基于多尺度特征融合的绝缘子缺陷程度检测网络(multi-scale feature fusion defect degree detection network,MFFD3Net)。该网络采用重构的Res... 针对绝缘子不同程度缺陷特征相似、像素信息少、不同程度缺陷检测效果不佳的问题,提出了一种基于多尺度特征融合的绝缘子缺陷程度检测网络(multi-scale feature fusion defect degree detection network,MFFD3Net)。该网络采用重构的ResNeSt50架构提高了对绝缘子缺陷程度数据集的特征提取能力。设计了基于反卷积的多尺度特征融合模块,丰富了不同尺寸特征图的表达能力,提高了对不同尺度目标的检测性能。同时,在输入检测模块的浅层特征图后增加多感受野的特征提取模块(receptive field block,RFB),使得更多绝缘子缺陷信息进入有效感受野,对最终特征图产生影响,提升不同程度绝缘子缺陷的检测精度。MFFD3Net在绝缘子缺陷程度数据集上的全类平均精度达到85.02%,其中绝缘子轻微破损与绝缘子轻微闪络小目标的检测精度分别为78.37%、79.98%,能够完成不同程度绝缘子缺陷的识别与定位。因此,该文提出的MFFD3Net对于完善电力系统故障预警、保障电网安全稳定运行具有重要意义。 展开更多
关键词 绝缘子 缺陷程度检测 resnest50 特征提取模块 感受野
原文传递
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