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
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于RetinaNet的低小慢无人机目标识别
被引量：
5
1
作者
胡焱
徐志强
+1 位作者
刘文劲
吴丹丹
《现代计算机》
2021年第5期66-70,74,共6页
近年来,机场附近存在低小慢目标“黑飞”“滥飞”现象,其中以多旋翼无人机危害最大,由此给航空飞行安全带来不小的隐患。为加强净空防护,保障民用航空安全飞行,采用具有快速性和准确性的典型目标识别算法RetinaNet,构建深度神经网络,对...
近年来,机场附近存在低小慢目标“黑飞”“滥飞”现象,其中以多旋翼无人机危害最大,由此给航空飞行安全带来不小的隐患。为加强净空防护,保障民用航空安全飞行,采用具有快速性和准确性的典型目标识别算法RetinaNet,构建深度神经网络,对飞行中的多旋翼无人机进行目标定位和回归。训练集中分类准确率与回归准确率分别为97.16%、80.23%,测试集中识别准确率为94.0%,有较好的泛化能力,可有效地对多旋翼无人机进行识别与定位。
展开更多
关键词
低小慢目标
多旋翼无人机
目标识别
retinanet
深度神经网络
在线阅读
下载PDF
职称材料
基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法
被引量：
4
2
作者
丁文博
云龙
《中国煤炭》
北大核心
2024年第S01期75-81,共7页
为解决煤矿带式输送机异物识别的尺度变化问题,提高煤矿生产安全性和效率,提出基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法。通过局部伽马变换和单参数同态滤波对摄像机采集的煤矿带式输送机图像进行增强处理,为后续异物识...
为解决煤矿带式输送机异物识别的尺度变化问题,提高煤矿生产安全性和效率,提出基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法。通过局部伽马变换和单参数同态滤波对摄像机采集的煤矿带式输送机图像进行增强处理,为后续异物识别提供良好基础。将增强后的图像输入到RetinaNet深度网络中,通过其内部特征金字塔网络提取煤矿带式输送机运输图像深度特征,输入到各子网中实现边框回归和分类,同时定义损失函数对网络进行调整。通过大量包含煤矿带式输送机异物的图像来训练RetinaNet深度网络,最终通过训练好的网络实现煤矿带式输送机异物智能识别。通过实验验证,该方法能够迅速且准确地识别出异物,并通过醒目红色标识框对异物进行精确标注,提升带式输送机运输的连续性和稳定性,有效提高煤矿的生产效率和经济效益。
展开更多
关键词
retinanet
深度网络
煤矿带式输送机运输
异物智能识别
局部伽马变换
单参数同态滤波
特征金字塔网络
在线阅读
下载PDF
职称材料
深度学习支持下的地图图片典型地理目标检测
被引量：
3
3
作者
王铮
符校
+2 位作者
杜凯旋
刘纪平
车向红
《测绘通报》
CSCD
北大核心
2022年第11期74-74,75-78,共5页
针对地图图片中典型地理目标识别问题,本文首先介绍了两种基于深度学习的目标检测方法(YOLO网络和采用focal loss替换交叉熵损失函数的RetinaNet网络),然后将地图图片分别输入两种神经网络模型中进行训练和测试,最后对目标检测结果进行...
针对地图图片中典型地理目标识别问题,本文首先介绍了两种基于深度学习的目标检测方法(YOLO网络和采用focal loss替换交叉熵损失函数的RetinaNet网络),然后将地图图片分别输入两种神经网络模型中进行训练和测试,最后对目标检测结果进行对比分析。结果表明,RetinaNet网络模型对地图图片进行目标检测的准确率有明显提高,且运行速度依然可达秒级。该地理目标检测方法的高准确度与高效性可在地图审查时节约大量人力、时间成本,为地图内容智能理解及互联网地图监管提供了新的技术参考。
展开更多
关键词
地理目标检测
深度学习
卷积神经网络
YOLO网络
retinanet
网络
原文传递
基于深度学习的动车组击打变形智能检测方法
被引量：
1
4
作者
高明星
高夫
+2 位作者
张闽东
武慧杰
刘鹏飞
《中国高新科技》
2023年第13期121-123,共3页
为了保证动车组的安全运行,需要在动车组运行时进行实时在线故障监测,以便及时、准确地对故障进行检修。目前采用的是当前图像和历史图像进行对比的方法,实现列车运行状况的检测及自动预警。由于设备在不同时间所采集的图像不完全一致,...
为了保证动车组的安全运行,需要在动车组运行时进行实时在线故障监测,以便及时、准确地对故障进行检修。目前采用的是当前图像和历史图像进行对比的方法,实现列车运行状况的检测及自动预警。由于设备在不同时间所采集的图像不完全一致,所以基于该方法在识别过程中会出现误报率较高的情况,并给人工看图徒增大量的时间。文章以击打变形类的故障作为研究对象,基于改进的RetinaNet算法进行故障检测。使用CondenseNet网络替换原主干网络ResNet,极大地减小了模型计算量,整体损失也有所下降。采用Swish函数作为特征的非线性激活,在准确率上有0.7%的提升。使用多尺度特征融合对不同大小目标进行检测,试验结果表明,算法改进后有效提升了网络性能,识别率可达94.3%。
展开更多
关键词
动车故障检测
深度学习
retinanet
CondenseNet
特征融合网络
在线阅读
下载PDF
职称材料
题名
基于RetinaNet的低小慢无人机目标识别
被引量：
5
1
作者
胡焱
徐志强
刘文劲
吴丹丹
机构
中国民用航空飞行学院航空工程学院
出处
《现代计算机》
2021年第5期66-70,74,共6页
基金
面向民用航空器维修的电子信息工程专业综合改革(No.14002600100017J172)。
文摘
近年来,机场附近存在低小慢目标“黑飞”“滥飞”现象,其中以多旋翼无人机危害最大,由此给航空飞行安全带来不小的隐患。为加强净空防护,保障民用航空安全飞行,采用具有快速性和准确性的典型目标识别算法RetinaNet,构建深度神经网络,对飞行中的多旋翼无人机进行目标定位和回归。训练集中分类准确率与回归准确率分别为97.16%、80.23%,测试集中识别准确率为94.0%,有较好的泛化能力,可有效地对多旋翼无人机进行识别与定位。
关键词
低小慢目标
多旋翼无人机
目标识别
retinanet
深度神经网络
Keywords
Low,Small
Slow Target
Multi-Rotor UAV
Target Recognition
retinanet
deep
Neural
network
分类号
V328 [航空宇航科学与技术—人机与环境工程]
TP391.41 [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RetinaNet深度网络的煤矿带式输送机异物智能识别方法
被引量：
4
2
作者
丁文博
云龙
机构
国家能源集团神东煤炭集团公司榆家梁煤矿
出处
《中国煤炭》
北大核心
2024年第S01期75-81,共7页
文摘
为解决煤矿带式输送机异物识别的尺度变化问题,提高煤矿生产安全性和效率,提出基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法。通过局部伽马变换和单参数同态滤波对摄像机采集的煤矿带式输送机图像进行增强处理,为后续异物识别提供良好基础。将增强后的图像输入到RetinaNet深度网络中,通过其内部特征金字塔网络提取煤矿带式输送机运输图像深度特征,输入到各子网中实现边框回归和分类,同时定义损失函数对网络进行调整。通过大量包含煤矿带式输送机异物的图像来训练RetinaNet深度网络,最终通过训练好的网络实现煤矿带式输送机异物智能识别。通过实验验证,该方法能够迅速且准确地识别出异物,并通过醒目红色标识框对异物进行精确标注,提升带式输送机运输的连续性和稳定性,有效提高煤矿的生产效率和经济效益。
关键词
retinanet
深度网络
煤矿带式输送机运输
异物智能识别
局部伽马变换
单参数同态滤波
特征金字塔网络
Keywords
retinanet deep network
coal mine belt conveyor transportation
intelligent identification of foreign bodies
local gamma transform
single parameter homomorphic filter
feature pyramid
network
分类号
TD67 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
深度学习支持下的地图图片典型地理目标检测
被引量：
3
3
作者
王铮
符校
杜凯旋
刘纪平
车向红
机构
浙江省测绘科学技术研究院
中国测绘科学研究院
广东省测绘产品质量监督检验中心
武汉大学资源与环境科学学院
出处
《测绘通报》
CSCD
北大核心
2022年第11期74-74,75-78,共5页
基金
国家自然科学基金(41901379)
浙江省自然资源厅2022年科技项目(2022-52)
+1 种基金
广东省自然资源厅测绘产品质量监督检验管理系统项目(DG-2020-10-0535)
国家重点研发计划(2017YFB050360103)。
文摘
针对地图图片中典型地理目标识别问题,本文首先介绍了两种基于深度学习的目标检测方法(YOLO网络和采用focal loss替换交叉熵损失函数的RetinaNet网络),然后将地图图片分别输入两种神经网络模型中进行训练和测试,最后对目标检测结果进行对比分析。结果表明,RetinaNet网络模型对地图图片进行目标检测的准确率有明显提高,且运行速度依然可达秒级。该地理目标检测方法的高准确度与高效性可在地图审查时节约大量人力、时间成本,为地图内容智能理解及互联网地图监管提供了新的技术参考。
关键词
地理目标检测
深度学习
卷积神经网络
YOLO网络
retinanet
网络
Keywords
geographic object detection
deep
learning
convolutional neural
network
YOLO
retinanet
分类号
P208 [天文地球—地图制图学与地理信息工程]
原文传递
题名
基于深度学习的动车组击打变形智能检测方法
被引量：
1
4
作者
高明星
高夫
张闽东
武慧杰
刘鹏飞
机构
北京京天威科技发展有限公司
中国铁路哈尔滨局集团有限公司科信部
出处
《中国高新科技》
2023年第13期121-123,共3页
文摘
为了保证动车组的安全运行,需要在动车组运行时进行实时在线故障监测,以便及时、准确地对故障进行检修。目前采用的是当前图像和历史图像进行对比的方法,实现列车运行状况的检测及自动预警。由于设备在不同时间所采集的图像不完全一致,所以基于该方法在识别过程中会出现误报率较高的情况,并给人工看图徒增大量的时间。文章以击打变形类的故障作为研究对象,基于改进的RetinaNet算法进行故障检测。使用CondenseNet网络替换原主干网络ResNet,极大地减小了模型计算量,整体损失也有所下降。采用Swish函数作为特征的非线性激活,在准确率上有0.7%的提升。使用多尺度特征融合对不同大小目标进行检测,试验结果表明,算法改进后有效提升了网络性能,识别率可达94.3%。
关键词
动车故障检测
深度学习
retinanet
CondenseNet
特征融合网络
Keywords
bullet train fault detection
deep
learning
retinanet
CondenseNet
feature fusion
network
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RetinaNet的低小慢无人机目标识别
胡焱
徐志强
刘文劲
吴丹丹
《现代计算机》
2021
5
在线阅读
下载PDF
职称材料
2
基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法
丁文博
云龙
《中国煤炭》
北大核心
2024
4
在线阅读
下载PDF
职称材料
3
深度学习支持下的地图图片典型地理目标检测
王铮
符校
杜凯旋
刘纪平
车向红
《测绘通报》
CSCD
北大核心
2022
3
原文传递
4
基于深度学习的动车组击打变形智能检测方法
高明星
高夫
张闽东
武慧杰
刘鹏飞
《中国高新科技》
2023
1
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
