基于改进RetinaNet的电力设备红外目标精细化检测模型 被引量：18

1

作者 苏海锋 赵岩 +2 位作者 武泽君 程博 吕林飞 《红外技术》 CSCD 北大核心 2021年第11期1104-1111,共8页

电力设备在运行过程中会产生大量红外图像,当红外图像中的电力设备存在排列密集、具有倾斜角度、大长宽比的情况时,基于水平矩形框的目标检测网络只能给出目标概略位置,易发生目标检测区域重叠,引入冗余背景信息,使得检测结果不够精细... 电力设备在运行过程中会产生大量红外图像,当红外图像中的电力设备存在排列密集、具有倾斜角度、大长宽比的情况时,基于水平矩形框的目标检测网络只能给出目标概略位置,易发生目标检测区域重叠,引入冗余背景信息,使得检测结果不够精细。针对此问题,提出在RetinaNet目标检测网络中引入旋转矩形框机制,并在网络输入端引入Mosaic数据增强技术;将原特征提取网络中ReLU函数替换为梯度流更平滑的Mish激活函数;在原模型FPN模块后追加PAN模块进一步融合图像特征。最后利用现场采集的电力设备红外图像制作数据集,将改进后的模型与Faster R-CNN、YOLOv3、原RetinaNet三种基于水平矩形框定位的目标检测网络进行对比评估,实验表明改进后的模型可以更为精细地检测出密集场景下带有倾角的电力设备红外目标,在多类别电力设备检测准确率对比上高于以上3种模型。 展开更多

关键词 红外图像 retinanet 电力设备 卷积神经网络 目标检测

在线阅读 下载PDF 职称材料

采用改进RetinaNet的笼养肉鸽繁育期个体检测模型 被引量：7

2

作者 刘双印 范文婷 +8 位作者 邓皓 何国煌 陈耀聪 周冰 李锦慧 冯大春 吴惠粦 李景彬 尹航 《农业工程学报》 EI CAS CSCD 北大核心 2022年第13期184-193,共10页

实现繁育期精准个体检测是提高集约养殖环境下肉鸽繁育效率和精准管控效果的有效手段,其中小目标鸽蛋及粘连乳鸽的精准检测是关键。该研究提出了一种基于改进RetinaNet的目标检测模型,以RetinaNet网络为基础框架,将ResNet50特征提取网... 实现繁育期精准个体检测是提高集约养殖环境下肉鸽繁育效率和精准管控效果的有效手段,其中小目标鸽蛋及粘连乳鸽的精准检测是关键。该研究提出了一种基于改进RetinaNet的目标检测模型,以RetinaNet网络为基础框架,将ResNet50特征提取网络与特征金字塔网络(FeaturePyramidNetworks,FPN)结合,增加特征金字塔网络中特征检测尺度,提升对图像中遮挡鸽蛋与粘连乳鸽的检测精度;在分类和回归子网络前引入卷积注意力模块(ConvolutionalBlock Attention Module,CBAM),提升对小目标检测的精度。试验结果表明,该研究提出的模型对于笼养肉鸽个体检测的平均精度均值(mean Average Precision,m AP)达到80.89%,相对SSD等传统模型有明显提升;对成鸽、乳鸽与鸽蛋检测的平均精度(Average Precision,AP)分别为95.88%,79.51%和67.29%,相对原始RetinaNet模型提高了2.16、21.74和22.48个百分点,在保证成鸽精准检测的基础上,提升了对复杂环境下存在局部遮挡的小目标鸽蛋以及粘连乳鸽的检测精度,为实现集约化养殖环境下肉鸽繁育周期个体检测和精准管控提供有效支持。 展开更多

关键词 图像识别 养殖 小目标检测 鸽蛋 粘连乳鸽 retinanet模型 特征金字塔网络 卷积注意力模块

在线阅读 下载PDF 职称材料

改进RetinaNet的刺梨果实图像识别 被引量：5

3

作者 闫建伟 张乐伟 +1 位作者 赵源 张富贵 《中国农机化学报》 北大核心 2021年第3期78-83,共6页

为实现加工车间刺梨果实的快速识别,提出一种基于改进的RetinaNet刺梨果实图像的识别方法。基于RetinaNet的模型,对RetinaNet框架中Focal loss的bias进行改进,使其能根据不同的情况控制bias的取值,再运用维度聚类算法找出Anchor的较好... 为实现加工车间刺梨果实的快速识别,提出一种基于改进的RetinaNet刺梨果实图像的识别方法。基于RetinaNet的模型,对RetinaNet框架中Focal loss的bias进行改进,使其能根据不同的情况控制bias的取值,再运用维度聚类算法找出Anchor的较好尺寸并匹配到相对应的特征层,对卷积神经网络结构进行优化。通过改进RetinaNet目标检测算法对7426幅刺梨果实图像进行检测识别,并与原始RetinaNet目标检测算法对比。试验结果表明:改进的RetinaNet网络模型识别方法对6类刺梨果实的识别率分别为99.47%、91.42%、96.92%、90.92%、96.89%和93.53%,平均识别率为94.86%;相对于原始RetinaNet目标检测算法,改进算法的识别准确率提高4.21%,单个刺梨果实检测时间由60.99 ms缩减到57.91 ms,检测时间缩短5.05%。本文改进算法对加工车间刺梨果实的识别具有较高的正确率和实用性。 展开更多

关键词 卷积神经网络 刺梨果实 retinanet 目标检测 图像识别

在线阅读 下载PDF 职称材料

基于RetinaNet的低小慢无人机目标识别 被引量：5

4

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-CPN网络的视频人体关键点检测

5

作者 包晓安 吉鹏飞 《计算机系统应用》 2021年第11期138-144,共7页

为解决基于视频流的人体关键点检测效果不佳及视频流切片后可能会发生运动模糊的问题,提出了一种改进的RetinaNet-CPN网络对人体关键点进行检测,有效解决切片后运动模糊图像的干扰并提高了人体关键点的检测准确率.视频流切片后,先用改进... 为解决基于视频流的人体关键点检测效果不佳及视频流切片后可能会发生运动模糊的问题,提出了一种改进的RetinaNet-CPN网络对人体关键点进行检测,有效解决切片后运动模糊图像的干扰并提高了人体关键点的检测准确率.视频流切片后,先用改进的RetinaNet网络检测出图片中的所有人并对每个目标框做模糊检测,对大于阈值的目标框做去模糊处理,最后用引入注意力机制的CPN网络提取关键点.将RetinaNet衡量预测框与真实框差异的IOU函数改成DIOU后,在仿真实验中目标检测AP提高了近3%;对于模糊的图片,利用匀速直线运动频谱特征估算出的模糊核与实际模糊核相差不大,对其做去模糊处理后基本能恢复出原清晰图片;同时引入注意力机制为各通道和特征层分配合理的权重,使得CPN检测AP提高近1%, AR提升0.5%. 展开更多

关键词 人体关键点检测 retinanet网络 CPN网络 模糊检测 频谱特征 注意力机制

在线阅读 下载PDF 职称材料

基于改进RetinaNet的行人检测算法 被引量：5

6

作者 刘晋川 黎向锋 +3 位作者 叶磊 刘安旭 赵康 左敦稳 《科学技术与工程》 北大核心 2022年第10期4019-4025,共7页

为提高实际应用场景中行人的检测精度,提出了使用高分辨率特征提取网络HRNet(high-resolution representation network)并引入Guided Anchoring机制对RetinaNet算法进行改进,维持了特征图在特征提取过程中的高分辨率信息,同时使网络中... 为提高实际应用场景中行人的检测精度,提出了使用高分辨率特征提取网络HRNet(high-resolution representation network)并引入Guided Anchoring机制对RetinaNet算法进行改进,维持了特征图在特征提取过程中的高分辨率信息,同时使网络中的锚框自适应生成,提高了算法的检测精度。结果表明:该改进算法在Caltech行人数据集上取得了0.905的平均精度均值(mean average precision,mAP),相比于标准的RetinaNet算法提高了6.0%,在每帧图像尺寸为1280×720像素的视频上检测速度达到了19 FPS(FPS为每秒检测帧数),达到了检测精度与检测速度的均衡。 展开更多

关键词 行人检测 卷积神经网络 retinanet 高分辨率网络 Guided Anchoring

在线阅读 下载PDF 职称材料

基于改进RetinaNet网络的水下机器人目标检测与实验 被引量：10

7

作者 黄珍伟 陈伟 +1 位作者 王文杰 路锦通 《计算机工程与科学》 CSCD 北大核心 2024年第2期264-271,共8页

针对目前水下机器人目标检测算法存在图像退化严重和目标识别率低的问题,提出了一种融合改进RetinaNet和注意力机制的水下目标检测算法。首先,把RetinaNet骨干网络替换成DenseNet网络,保留了更多目标特征并减少了参数量。其次,替换初始... 针对目前水下机器人目标检测算法存在图像退化严重和目标识别率低的问题,提出了一种融合改进RetinaNet和注意力机制的水下目标检测算法。首先,把RetinaNet骨干网络替换成DenseNet网络,保留了更多目标特征并减少了参数量。其次,替换初始卷积为深度分离可变形卷积,从而大大减少了模型的参数量,提高了模型的运算速度。最后,引入CBAM注意力模块,利用CBAM模块在空间和通道2个维度加强特征,减少了水下复杂环境对目标检测的干扰。水下机器人抓取实验结果表明,与初始的RetinaNet算法相比,改进后的算法mAP值可达81.9%,参数量为56.8 MB,检测速度为16.8 f/s,在水下目标检测方面性能优异。 展开更多

关键词 水下目标检测 retinanet 轻量化网络 注意力机制

在线阅读 下载PDF 职称材料

改进RetinaNet的无人机小目标检测 被引量：9

8

作者 刘晋川 黎向锋 +3 位作者 刘安旭 赵康 李高扬 左敦稳 《科学技术与工程》 北大核心 2023年第1期274-282,共9页

无人机技术的不断成熟,使得搭载高效视觉系统的无人机应用也更加广泛。针对无人机航拍图像中小目标较多、分辨率低等原因导致的检测精度不高的问题,提出了一种改进RetinaNet的无人机航拍目标检测算法。算法针对特征图中小目标信息提取... 无人机技术的不断成熟,使得搭载高效视觉系统的无人机应用也更加广泛。针对无人机航拍图像中小目标较多、分辨率低等原因导致的检测精度不高的问题,提出了一种改进RetinaNet的无人机航拍目标检测算法。算法针对特征图中小目标信息提取不足的问题,设计了多阶段特征融合方法,并将其与注意力机制串联设计了特征挖掘模块,可以在浅层特征图中融入深层的语义信息,丰富小目标特征;设计了基于中心点检测的无锚框(Anchor-free)方法,网络通过对中心点的回归来定位目标,而不是通过固定大小的锚框去匹配,这样做可以使网络对小目标的回归更加灵活,提高了算法的整体性能;且通过深度可分离卷积方法对网络进行轻量化设计,以压缩模型大小并提高检测速度。实验结果表明,改进算法较原RetinaNet算法平均精度提升了8.5%,检测速度提升了6帧/s,且与其他先进算法相比也具有性能优势,达到了检测精度与检测速度的均衡。 展开更多

关键词 小目标检测 无人机航拍 retinanet Anchor-free 轻量化网络

在线阅读 下载PDF 职称材料

基于改进的RetinaNet大豆外观品质无损检测 被引量：2

9

作者 周春欣 霍怡之 +4 位作者 杜有海 蒋敏兰 曾令国 张长江 石小威 《中国粮油学报》 CAS CSCD 北大核心 2024年第9期172-180,共9页

快速、准确、有效地区分大豆外观品质是大豆食品质量检验和食品安全与包装中的一项重要而艰巨的任务。本研究提出了基于改进的卷积神经网络Retina Net的大豆外观品质检测模型。将原始主干网络ResNet50替换为ResNet34,在保证准确度的同... 快速、准确、有效地区分大豆外观品质是大豆食品质量检验和食品安全与包装中的一项重要而艰巨的任务。本研究提出了基于改进的卷积神经网络Retina Net的大豆外观品质检测模型。将原始主干网络ResNet50替换为ResNet34,在保证准确度的同时降低了模型参数量,提高了运算速度,降低了运算时间。在主干网络和特征金字塔(FPN)的输出端分别嵌入ECA模块,进一步提取有利特征,减轻了冗余特征对网络的影响,提高了网络性能。同时,为保证不失原有特征的丰富性,将FPN后嵌入的ECA模块的输出与主干网络的输出结果相叠加,所得特征作为输入,传入分类器中进行识别检测。结果表明,本研究提出的改进的RetinaNet大豆品质检测模型的精确率达97.39%,mAP值达98.64%。 展开更多

关键词 卷积神经网络 大豆外观品质检测 retinanet FPN ECA模块

在线阅读 下载PDF 职称材料

基于RetinaNet的手机主板缺陷检测研究 被引量：7

10

作者 马美荣 李东喜 《计算机工程与科学》 CSCD 北大核心 2020年第4期673-682,共10页

不同型号手机的主板图像具有多分辨率的成像模式,使缺陷元件是多尺度的。常规缺陷检测方法主要有图像融合方法和提取统计模型的方法,但这些方法的鲁棒性仍需要提高。针对该问题,提出了一种自动检测网络模型,即RetinaNet目标检测器。首... 不同型号手机的主板图像具有多分辨率的成像模式,使缺陷元件是多尺度的。常规缺陷检测方法主要有图像融合方法和提取统计模型的方法,但这些方法的鲁棒性仍需要提高。针对该问题,提出了一种自动检测网络模型,即RetinaNet目标检测器。首先使用特征金字塔网络(FPN)提取缺陷元件的多尺度特征分类和位置,然后引入MobileNetV2以压缩和加速RetinaNet模型,最后使用焦点损失解决类不平衡和难以检测样本对损失贡献程度的问题。实验结果表明, RetinaNet能有效地检测不同尺度的缺陷元件,具有很高的检测精度;与其他目标检测器相比,RetinaNet实现了超过95%的平均精度(mAP)。这些结果表明了本文所提模型的有效性。 展开更多

关键词 手机主板 缺陷检测 retinanet 特征金字塔网络 MobileNetV2 焦点损失

在线阅读 下载PDF 职称材料

基于改进RetinaNet的高铁无砟轨道板表面裂缝检测 被引量：5

11

作者 张诗慧 罗晖 +2 位作者 裴莹玲 余俊英 徐杰 《计算机工程与应用》 CSCD 北大核心 2023年第6期310-317,共8页

针对高铁无砟轨道板表面裂缝尺度差异大、裂缝类别不平衡等问题,提出了基于改进RetinaNet的裂缝检测方法。为了缓解下采样与特征金字塔横向连接压缩而导致的细微信息丢失的问题,利用多级特征金字塔融合ResNet-50主干网络中提取的不同层... 针对高铁无砟轨道板表面裂缝尺度差异大、裂缝类别不平衡等问题,提出了基于改进RetinaNet的裂缝检测方法。为了缓解下采样与特征金字塔横向连接压缩而导致的细微信息丢失的问题,利用多级特征金字塔融合ResNet-50主干网络中提取的不同层次的深浅特征,实现了图像特征信息的充分表达;为了解决检测过程中表面裂缝的分类和定位置信度之间不匹配的问题,提出自适应锚点学习使锚点与网络模型同时进行优化,提高了对小尺度裂缝的检测精度;为了缓解裂缝类别不平衡对检测性能的影响,引入焦点损失函数(Focal Loss)作为分类损失函数,并在其中添加类平衡权重项因子,提升了对小类别裂缝的检测精度。实验结果表明,改进RetinaNet检测网络对高铁无砟轨道板不同类别的裂缝均获得了较好的效果,平均检测精度(mAP)达到72.58%,较之原始RetinaNet检测网络提高了3.60个百分点,有效实现了对不同尺度裂缝的准确检测。 展开更多

关键词 目标检测 高铁无砟轨道板 裂缝检测 retinanet 多级特征金字塔 锚点 Focal Loss

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

12

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

基于SU-RetinaNet的高分辨率遥感影像非正规垃圾堆检测 被引量：2

13

作者 吴同 彭玲 胡媛 《国土资源遥感》 CSCD 北大核心 2020年第3期90-97,共8页

我国城镇化水平的提升和垃圾处理基础设施的不完善,致使我国非正规垃圾堆放问题日益突出。高分辨率遥感影像的发展为非正规垃圾堆的宏观、高效管理提供了可能。目前常用的目视解译和传统监督分类的方法不仅非常耗时,且数据中的深层特征... 我国城镇化水平的提升和垃圾处理基础设施的不完善,致使我国非正规垃圾堆放问题日益突出。高分辨率遥感影像的发展为非正规垃圾堆的宏观、高效管理提供了可能。目前常用的目视解译和传统监督分类的方法不仅非常耗时,且数据中的深层特征难以被挖掘,检测精度有限。利用卷积神经网络技术,提出了基于样本更新和RetinaNet的高分辨率遥感影像非正规垃圾堆检测框架(sample updated-RetinaNet,SU-RetinaNet),分析了不同参数和网络结构对模型检测效果的影响,同时比较了利用可变形部件模型(deformable parts model,DPM)、区域卷积神经网络(region-based convolutional neural network,R-CNN)、快速区域卷积神经网络(faster R-CNN,Faster R-CNN)、RetinaNet和SU-RetinaNet 5种算法进行非正规垃圾堆检测的性能。实验结果表明,利用SU-RetinaNet进行非正规垃圾堆检测的平均精度可以达到85.92%,每张图的检测速度约为0.097 s。相比传统方法,SU-RetinaNet在很大程度上提高了非正规垃圾堆的检测效率,为城市垃圾的有效监测管理提供了一个可行的技术方案。 展开更多

关键词 高分辨率遥感影像 卷积神经网络 SU-retinanet 非正规垃圾堆检测

在线阅读 下载PDF 职称材料

基于GA-RetinaNet的水下目标检测 被引量：7

14

作者 袁明阳 宋亚林 +2 位作者 张潮 沈兴盛 李世昌 《计算机系统应用》 2023年第6期80-90,共11页

水下目标自动检测方法对海洋智能捕捞工作发挥着重要作用,针对现有目标检测方法存在的对水下生物检测精度不高问题,提出了一种GA-RetinaNet算法的水下目标检测方法.首先,针对水下图像存在密集目标的特点,通过引入分组卷积替换普通卷积,... 水下目标自动检测方法对海洋智能捕捞工作发挥着重要作用,针对现有目标检测方法存在的对水下生物检测精度不高问题,提出了一种GA-RetinaNet算法的水下目标检测方法.首先,针对水下图像存在密集目标的特点,通过引入分组卷积替换普通卷积,在不增加参数复杂度的基础上得到更多特征图,提高模型的检测精度;其次,根据水下生物多为小目标生物的特点,引入上下文特征金字塔模块(AC-FPN),利用上下文提取模块保证高分辨率输入的同时获得多个感受野,提取到更多上下文信息,并通过上下文注意力模块和内容注意力模块从中捕获有用特征,准确定位到目标位置.实验结果显示,选用URPC2021数据集进行实验,改进的GA-RetinaNet算法比原算法检测精度提高了2.3%.相比其他主流模型,该算法对不同类型的水下目标均获得了较好的检测结果,检测精度有较大提升. 展开更多

关键词 目标检测 水下图像 retinanet 分组卷积 AC-FPN

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

15

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GH4169合金组织表面缺陷检测 被引量：1

16

作者 徐奎奎 董兆伟 +2 位作者 孙立辉 董中奇 姜军强 《计算机技术与发展》 2022年第9期208-213,共6页

镍铁基高温合金GH4169合金由于其良好的综合性能被广泛应用在航空、石化、核能等行业,其冶炼工艺复杂,制备工艺路线较长,因此在铸造过程中会不可避免地产生大量组织缺陷,这些缺陷会对合金的性能造成重要的影响。为了消除合金组织表面缺... 镍铁基高温合金GH4169合金由于其良好的综合性能被广泛应用在航空、石化、核能等行业,其冶炼工艺复杂,制备工艺路线较长,因此在铸造过程中会不可避免地产生大量组织缺陷,这些缺陷会对合金的性能造成重要的影响。为了消除合金组织表面缺陷,需要研究合金组织表面缺陷的分布和成因以此提高合金的冶炼技艺。但传统人工检测GH4169合金组织表面缺陷效率低、精度差,很难用于检测大棒材。因此,为了实现组织表面缺陷的自动检测,在RetinaNet网络结构的基础上提出了一种CA-RetinaNet网络结构用于GH4169合金组织表面缺陷检测,该方法主要增强了网络检测小缺陷的能力。首先,在特征提取网络中使用了CA-Resnet结构,引入轻型注意力机制对感兴趣目标进行特征权重增强,提高了含有目标通道的权重;然后对RetinaNet网络中的特征金字塔网络进行了优化,重新构建了特征金字塔网络的底层结构,以获取更大的特征图检测小缺陷。利用CA-RetinaNet网络模型在GH4169合金组织表面缺陷数据集上进行检测实验,取得了较高的准确率,相较于原始RetinaNet网络,mAP值提升了8.6%,极大地提升了网络的检测精度。 展开更多

关键词 GH4169合金 缺陷检测 注意力机制 retinanet 特征金字塔网络

在线阅读 下载PDF 职称材料

基于雷达传感器和改进深度学习的无人机目标检测方法 被引量：5

17

作者 黄鸿柳 谭果 +1 位作者 蒋林利 谢兴祥 《无线电工程》 北大核心 2023年第9期2143-2150,共8页

针对当前无人机目标检测技术精确度低、受环境影响大的缺点,依托运动相机与激光雷达设备,提出了基于改进深度学习的无人机目标检测方法:在深度图像网络架构的基础上,引入残差网络提升算法精度,利用MobileNet加速深度学习的过程,从而利... 针对当前无人机目标检测技术精确度低、受环境影响大的缺点,依托运动相机与激光雷达设备,提出了基于改进深度学习的无人机目标检测方法:在深度图像网络架构的基础上,引入残差网络提升算法精度,利用MobileNet加速深度学习的过程,从而利用改进的RetinaNet算法实现无人机精确目标识别与定位;针对点云数据无法通过二维投影准确计算距离的问题,提出通过直方图网络精确估计检测目标的视觉距离。实验结果表明,在不同的复杂环境条件下,与Faster R-CNN相比,所提方法检测精度更高、使用场景更广、运算速度更快,平均精度比Faster R-CNN算法高出1.5%。 展开更多

关键词 雷达传感器 无人机 目标检测 改进retinanet 残差网络 MobileNet 直方图网络

在线阅读 下载PDF 职称材料

基于深度学习的多步骤道路遗留物检测方法 被引量：1

18

作者 侯锐 唐振民 《计算机与数字工程》 2023年第8期1756-1760,1765,共6页

道路遗留物是指存在于道路上影响交通安全的非车辆障碍物,因其涵盖的物品种类和范围非常广,若使用普通的目标检测方法对数据量的要求过于庞大,难以在工程中得到实现。为了解决这些问题,论文提出了一种对遗留物的动态检测进行多步骤结合... 道路遗留物是指存在于道路上影响交通安全的非车辆障碍物,因其涵盖的物品种类和范围非常广,若使用普通的目标检测方法对数据量的要求过于庞大,难以在工程中得到实现。为了解决这些问题,论文提出了一种对遗留物的动态检测进行多步骤结合的方法。首先对于检测车采集到的道路遗留物图片进行图像分割,采用全卷积网络(Fully Convolutional Networks,FCN)训练道路信息分割模型,分割结果是待检测的道路上的所有道路信息,包括车辆、路面、行人和遗留物,然后采用RetinaNet算法或YOLO网络(You Only Look Once)训练得到检测模型,从而将车辆和行人的信息通过目标检测方法进行去除,此时图像中仅包含路面和遗留物,最后将图像进行网格分类,将网格划分为遗留物和路面两类,采用支持向量机(Support Vector Machine,SVM)训练得到路面-遗留物模型,最后将连通的遗留物网格合成遗留物的区域并标记在原图中。所提方法可有效解决遗留物的复杂性和背景变化等问题,并在不同的道路环境下保持了较高的可靠性和稳定性。 展开更多

关键词 道路遗留物检测 全卷积网络 retinanet YOLO 支持向量机

在线阅读 下载PDF 职称材料

基于深度学习的动车组击打变形智能检测方法 被引量：1

19

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

基于轻量级MobileNet V3-YOLOv4的生长期菠萝成熟度分析 被引量：8

20

作者 李阳德 马晓慧 王骥 《智慧农业（中英文）》 CSCD 2023年第2期35-44,共10页

[目的/意义]菠萝的贮藏性与成熟度相关,菠萝采摘前对其成熟度进行识别尤为重要。本研究目的在于提出一种新型网络模型,提高菠萝成熟度自动识别的准确率和速度。[方法]首先针对菠萝训练数据集样本少与实时性差等不足,利用在自然环境下拍... [目的/意义]菠萝的贮藏性与成熟度相关,菠萝采摘前对其成熟度进行识别尤为重要。本研究目的在于提出一种新型网络模型,提高菠萝成熟度自动识别的准确率和速度。[方法]首先针对菠萝训练数据集样本少与实时性差等不足,利用在自然环境下拍摄的菠萝照片,自建了种植区场景菠萝成熟度分析数据集。之后将YOLOv4骨干网络替换成轻量级网络MobileNet V3,提出了轻量级的MobileNet V3-YOLOv4网络。同时训练了原YOLOv4模型、MobileNet V1-YOLOv4模型、MobileNet V2-YOLOv4模型以及Faster R-CNN、YOLOv3、SSD300、Retinanet、Centernet等五种不同的单、双阶段网络模型,并对比模型的评价指标,分析本文模型的优越性。[结果和讨论]试验结果表明,MobileNet V3-YOLOv4训练时间为11,924 s,参数量为53.7 MB,训练好的MobileNet V3-YOLOv4在验证集的平均精度均值(mean Average Precision,mAP)为90.92%,对于黄熟期菠萝和青熟期菠萝两种类别的检测精确率(Precision)分别为100%和98.85%,平均精度(Average Precision,AP)值分别为87.62%、94.21%,召回率(Recall)分别为77.55%、86.00%,F_(1)分数(F_(1)Score)分别为0.87和0.92,推理速度(Frames Per Second,FPS)80.85 img/s。[结论]本研究提出的MobileNet V3-YOLOv4实现了在降低训练速度、减小参数量的同时,提高了菠萝成熟度识别的精度和推理速度,满足实际检测需求。 展开更多

关键词 菠萝成熟度 骨干网络 MobileNet V3-YOLOv4 Faster R-CNN SSD300 retinanet Centernet 轻量级

在线阅读 下载PDF 职称材料