复杂场景下无人驾驶障碍检测算法

1

作者 程铄棋 伊力哈木·亚尔买买提 +2 位作者 谢丽蓉 侯雪扬 马颖 《哈尔滨工业大学学报》 北大核心 2025年第6期160-170,共11页

为解决复杂路况下因目标遮挡及小目标信息缺失导致现有无人驾驶目标检测算法准确率低的问题,提出了基于改进YOLOv8的无人驾驶障碍检测算法(YOLOv8 effectual accurate,YOLOv8-EA)。该算法首先引入快速神经网络作为主干网络,利用部分卷... 为解决复杂路况下因目标遮挡及小目标信息缺失导致现有无人驾驶目标检测算法准确率低的问题,提出了基于改进YOLOv8的无人驾驶障碍检测算法(YOLOv8 effectual accurate,YOLOv8-EA)。该算法首先引入快速神经网络作为主干网络,利用部分卷积提取空间特征,保证特征的完整性;其次,利用大内核深度卷积层重构快速金字塔池化层,采用并行多尺度连接的方式融合不同分辨率的自注意力特征,增强模型在复杂环境中的特征提取能力;然后,采用多分支结构和重参数化抑制信息干扰,并通过不断堆叠梯度流的方式提升特征融合能力;最后,基于部分卷积设计小目标检测头以处理小目标像素级特征信息。对比实验结果表明,相较于原模型,上述改进后,模型在性能上均有明显提升,并在检测精度上显著优于其他改进方式。消融实验结果表明,YOLOv8-EA在障碍检测精度方面取得显著提升,在KITTI数据集下,mAP50和mAP50-95分别提升了2.4%和4.7%;采用SODA10M数据集进行二次验证,mAP50和mAP50-95分别提升了1.4%和1.1%,证明YOLOv8-EA算法具有很好的泛化能力。所提算法在处理遮挡目标及小目标时,展现了出色的性能,为无人驾驶系统中的后续决策任务提供了更加可靠的支持。 展开更多

关键词 目标检测 无人驾驶 复杂道路场景 部分卷积 大内核深度卷积层

在线阅读 下载PDF 职称材料

多尺度特征金字塔融合的街景图像语义分割 被引量：1

2

作者 曲海成 王莹 +1 位作者 董康龙 刘万军 《计算机系统应用》 2024年第3期73-84,共12页

针对街景图像语义分割任务中的目标尺寸差异大、多尺度特征难以高效提取的问题,本文提出了一种语义分割网络(LDPANet).首先,将空洞卷积与引入残差学习单元的深度可分离卷积结合,来优化编码器结构,在降低了计算复杂度的同时缓解梯度消失... 针对街景图像语义分割任务中的目标尺寸差异大、多尺度特征难以高效提取的问题,本文提出了一种语义分割网络(LDPANet).首先,将空洞卷积与引入残差学习单元的深度可分离卷积结合,来优化编码器结构,在降低了计算复杂度的同时缓解梯度消失的问题.然后利用层传递的迭代空洞空间金字塔,将自顶向下的特征信息依次融合,提高了上下文信息的有效交互能力;在多尺度特征融合之后引入属性注意力模块,使网络抑制冗余信息,强化重要特征.再者,以通道扩展上采样代替双线插值上采样作为解码器,进一步提升了特征图的分辨率.最后,LDPANet方法在Cityscapes和CamVid数据集上的精度分别达到了91.8%和87.52%,与近几年网络模型相比,本文网络模型可以精确地提取像素的位置信息以及空间维度信息,提高了语义分割的准确率. 展开更多

关键词 语义分割 MDSDC IDCP-LC 属性注意力 通道扩展上采样 特征融合

在线阅读 下载PDF 职称材料

联合深度超参数卷积和交叉关联注意力的大位移光流估计

3

作者 王梓歌 葛利跃 +3 位作者 陈震 张聪炫 王子旭 舒铭奕 《自动化学报》 EI CAS CSCD 北大核心 2024年第8期1631-1645,共15页

针对现有深度学习光流估计模型在大位移场景下的准确性和鲁棒性问题,提出了一种联合深度超参数卷积和交叉关联注意力的图像序列光流估计方法.首先,通过联合深层卷积和标准卷积构建深度超参数卷积以替代普通卷积,提取更多特征并加快光流... 针对现有深度学习光流估计模型在大位移场景下的准确性和鲁棒性问题,提出了一种联合深度超参数卷积和交叉关联注意力的图像序列光流估计方法.首先,通过联合深层卷积和标准卷积构建深度超参数卷积以替代普通卷积,提取更多特征并加快光流估计网络训练的收敛速度,在不增加网络推理量的前提下提高光流估计的准确性;然后,设计基于交叉关联注意力的特征提取编码网络,通过叠加注意力层数获得更大的感受野,以提取多尺度长距离上下文特征信息,增强大位移场景下光流估计的鲁棒性;最后,采用金字塔残差迭代模型构建联合深度超参数卷积和交叉关联注意力的光流估计网络,提升光流估计的整体性能.分别采用MPI-Sintel和KITTI测试图像集对本文方法和现有代表性光流估计方法进行综合对比分析,实验结果表明本文方法取得了较好的光流估计性能,尤其在大位移场景下具有更好的估计准确性与鲁棒性. 展开更多

关键词 光流 大位移 交叉关联注意力 深度超参数卷积 深度学习

在线阅读 下载PDF 职称材料

基于改进YOLO v7的笼养鸡/蛋自动识别与计数方法 被引量：27

4

作者 赵春江 梁雪文 +3 位作者 于合龙 王海峰 樊世杰 李斌 《农业机械学报》 EI CAS CSCD 北大核心 2023年第7期300-312,共13页

笼养模式下鸡/蛋自动识别与计数在低产能鸡判别及鸡舍智能化管理方面具有重要作用,针对鸡舍内光线不均、鸡只与笼之间遮挡及鸡蛋粘连等因素导致自动计数困难的问题,本研究以笼养鸡只与鸡蛋为研究对象,基于YOLO v7-tiny提出一种轻量型网... 笼养模式下鸡/蛋自动识别与计数在低产能鸡判别及鸡舍智能化管理方面具有重要作用,针对鸡舍内光线不均、鸡只与笼之间遮挡及鸡蛋粘连等因素导致自动计数困难的问题,本研究以笼养鸡只与鸡蛋为研究对象,基于YOLO v7-tiny提出一种轻量型网络YOLO v7-tiny-DO用于鸡只与鸡蛋识别,并设计自动化分笼计数方法。首先,采用JRWT1412型无畸变相机与巡检设备搭建自动化数据采集平台,获取2146幅笼养鸡只图像用于构建数据集。然后,在YOLO v7-tiny网络基础上应用指数线性单元(Exponential linear unit,ELU)激活函数减少模型训练时间;将高效层聚合网络(Efficient layer aggregation network,ELAN)中的常规卷积替换为深度卷积减少模型参数量,并在其基础上添加深度过参数化组件(深度卷积)构建深度过参数化深度卷积层(Depthwise over-parameterized depthwise convolutional layer,DO-DConv),以提取目标深层特征;同时在特征融合模块引入坐标注意力机制(Coordinate attention mechanism,CoordAtt),提升模型对目标空间位置信息的感知能力。试验结果表明,YOLO v7-tiny-DO识别鸡只和鸡蛋的平均精确率(Average precision,AP)分别为96.9%与99.3%,与YOLO v7-tiny相比,鸡只与鸡蛋的AP分别提高3.2、1.4个百分点;改进后模型内存占用量为5.6 MB,比原模型减小6.1 MB,适合部署于算力相对有限的巡检机器人;YOLO v7-tiny-DO在局部遮挡、运动模糊和鸡蛋粘连情况下均能实现高精度识别与定位,在光线昏暗情况下识别结果优于其他模型,具有较强的鲁棒性。最后,将本文算法部署到NVIDIA Jetson AGX Xavier边缘计算设备,在实际场景下选取30个鸡笼开展计数测试,持续3 d。结果表明,3个测试批次鸡只与鸡蛋的计数平均准确率均值分别为96.7%和96.3%,每笼平均绝对误差均值分别为0.13只鸡和0.09枚鸡蛋,可为规模化养殖场智能化管理提供参考。 展开更多

关键词 笼养鸡/蛋 YOLO v7-tiny 深度过参数化深度卷积层 计数 边缘计算

在线阅读 下载PDF 职称材料

Lite-YOLOv3轻量级行人与车辆检测网络 被引量：8

5

作者 涂媛雅 汤国放 张建勋 《小型微型计算机系统》 CSCD 北大核心 2023年第1期211-217,共7页

基于卷积神经网络的目标检测在智能交通领域有着重要的应用,但存在复杂网络模型计算速度慢、简单网络模型精准度低两种问题.针对此问题,本文提出了基于Lite-YOLOv3的行人与车辆检测方法,该方法基于Tiny-YOLOv3网络模型进行改进.首先,本... 基于卷积神经网络的目标检测在智能交通领域有着重要的应用,但存在复杂网络模型计算速度慢、简单网络模型精准度低两种问题.针对此问题,本文提出了基于Lite-YOLOv3的行人与车辆检测方法,该方法基于Tiny-YOLOv3网络模型进行改进.首先,本文采用卷积代替下采样方案解决Tiny-YOLOv3网络特征提取损失问题.然后其骨干层采用改进的瓶颈块(BottleneckBlock)对前一层网络特征图进行降维、连接输入输出特征图,使得网络参数量大幅下降、防止网络退化.其预测层采用改进后的深度可分离卷积块(Depthwise Separable Convolution),分离深度卷积和点卷积可以有效降低网络运算成本,加快网络运算速度.Lite-YOLOv3相较于Tiny-YOLOv3网络的运算速度提升了27.27%,mAP提高了9.07%. 展开更多

关键词 tiny-YOLOv3算法 车辆检测 行人检测 瓶颈层 深度可分离卷积

在线阅读 下载PDF 职称材料

基于改进U-net的金属工件表面缺陷图像分割方法 被引量：9

6

作者 王一 龚肖杰 苏皓 《应用光学》 CAS 北大核心 2023年第1期86-92,共7页

针对金属工件表面小尺寸缺陷及受非均匀光照影响的图像缺陷难以分割的问题,提出了一种改进的U-net语义分割网络,实现金属工件表面缺陷图像的精确分割。首先,在U-net网络中融入CBAM(convolutional block attention module)模块来提升图... 针对金属工件表面小尺寸缺陷及受非均匀光照影响的图像缺陷难以分割的问题,提出了一种改进的U-net语义分割网络,实现金属工件表面缺陷图像的精确分割。首先,在U-net网络中融入CBAM(convolutional block attention module)模块来提升图像中缺陷目标的显著度;其次,采用深度超参数化卷积DO-Conv(depthwise over-parameterized convolutional)代替网络中部分传统卷积,增加网络可学习的参数数量;然后,采用Leaky Relu函数代替网络中部分Relu函数,提高模型对负区间的特征提取能力;最后,采用中值滤波及非均匀光照的补偿方法进行图像预处理,减弱非均匀光照对金属工件图像表面缺陷的影响。结果表明:改进后的网络平均交并比、准确率和Dice系数指标分别达到0.833 5、0.933 2、0.867 4,改进的网络显著提升了对金属工件表面缺陷图像的分割效果。 展开更多

关键词 表面缺陷 图像分割 语义分割网络 卷积注意力模块 深度超参数化卷积

在线阅读 下载PDF 职称材料

基于生成对抗网络的带式输送机异物检测方法 被引量：5

7

作者 张立亚 《工矿自动化》 CSCD 北大核心 2023年第11期53-59,共7页

煤矿井下胶带运输图像具有照度低、细节不清晰、背景干扰等特点,现有的带式输送机异物检测模型存在精度低、灵活性差、计算量大、优化空间存在差异等问题。针对上述问题,提出了一种基于生成对抗网络(GAN)的带式输送机异物检测方法。对... 煤矿井下胶带运输图像具有照度低、细节不清晰、背景干扰等特点,现有的带式输送机异物检测模型存在精度低、灵活性差、计算量大、优化空间存在差异等问题。针对上述问题,提出了一种基于生成对抗网络(GAN)的带式输送机异物检测方法。对胶带运输过程视频文件进行预处理,分类得到正常图像、异常图像,制作实验数据集对改进GANomaly模型进行训练,再通过训练好的模型进行带式输送机异物检测。在训练阶段,将不含异物的带式输送机图像作为输入;在测试阶段,将含有异物的带式输送机图像作为输入,得到的重构图像与输入网络的原图像作差,即可得到异物的具体位置。GANomaly模型轻量化改进方法:在GANomaly基础网络模型中加入深度可分离卷积残差模块,采用深度可分离卷积代替原有主干网络中的卷积操作,大幅降低了模型计算量,同时减少了参数的冗余计算,能够明显提高异物检测速度;通过合并多个批量归一化(BN)层,加快模型的收敛迭代速度,提高模型的泛化收敛能力,有效避免梯度消失。实验结果表明,改进GANomaly模型相较于传统GANomaly模型,在运行速度上提升了6.27%,评价指标F1分数、AUC、召回率(Recall)和平均精度均值(mAP)分别提升了19.05%,22.22%,15.00%,17.14%。 展开更多

关键词 带式输送机 异物检测 生成对抗网络 GANomaly 深度可分离卷积 BN层合并 轻量化

在线阅读 下载PDF 职称材料

基于深度过参数化卷积的路面病害分割研究

8

作者 刘玉文 黄友锐 韩涛 《湖北民族大学学报（自然科学版）》 CAS 2022年第4期437-444,共8页

道路精准养护关键是精确发现并解决影响车辆驾驶的道路问题,有效缩短道路病害工作闭环时间.针对道路养护中路面病害分割实时性与准确性,提出一种基于深度过参数化卷积的路面病害分割网络.首先,利用Focus模块与2层3×3卷积的切片操... 道路精准养护关键是精确发现并解决影响车辆驾驶的道路问题,有效缩短道路病害工作闭环时间.针对道路养护中路面病害分割实时性与准确性,提出一种基于深度过参数化卷积的路面病害分割网络.首先,利用Focus模块与2层3×3卷积的切片操作替换了网络特征压缩结构,以减小图像信息丢失.其次,通过替换ResNet50卷积模块中的传统卷积为深度过参数化卷积,提升网络收敛速度,并引入卷积块状注意力机制增强特征提取网络对图像信息的聚焦能力.最后,组合原型网络与预测头网络分别生成的原型掩膜与预测框掩膜系数,完成路面病害分割.路面病害分割实验在公开数据集和自制数据集下进行,分割平均精度AP_(all)分别为21.59%和31.43%,分割速度分别为31.33帧/s和30.52帧/s.实验结果表明改进后模型能够实现路面病害分割的实时性与高精准性. 展开更多

关键词 路面病害图像 实例分割 深度过参数化卷积 注意力机制

在线阅读 下载PDF 职称材料

基于改进CenterNet的绝缘子缺陷检测模型 被引量：2

9

作者 黄明忠 石洋洋 赵立杰 《沈阳大学学报（自然科学版）》 CAS 2023年第5期414-424,458,共12页

针对电力输电线无人机巡检图像中绝缘子及其缺陷识别精度低的问题,提出了一种基于CenterNet改进的绝缘子缺陷检测模型。该模型基于CenterNet目标检测模型,对编码器和解码器进行了改进。改进的编码器采用ResNet 50作为骨干网络,兼具特征... 针对电力输电线无人机巡检图像中绝缘子及其缺陷识别精度低的问题,提出了一种基于CenterNet改进的绝缘子缺陷检测模型。该模型基于CenterNet目标检测模型,对编码器和解码器进行了改进。改进的编码器采用ResNet 50作为骨干网络,兼具特征提取能力和较快的运行速度,并加入卷积注意力模块(CBAM)和空间金字塔池化模块(SPP),以增强特征提取能力。改进的解码器将转置卷积替换为内容感知特征重组模块(CARAFE),以减小连续上采样导致的特征丢失,并在解码器末尾加入坐标卷积以减小标准卷积空间不变性造成的影响。最后将模型中的标准卷积层替换成深度过参数化卷积(DO-Conv),进一步提升模型的性能、加快模型训练的收敛速度。使用绝缘子图片数据集对改进CenterNet模型进行了训练和测试。结果表明,改进CenterNet模型与其他主流的目标检测模型对比精度最高,mAP达到97.16%,检测速度达到了43帧·s^(-1),mAP比CenterNet模型提高了2.92%。 展开更多

关键词 CenterNet 绝缘子 缺陷检测 卷积块注意力模块 空间金字塔池化 深度过参数化卷积

在线阅读 下载PDF 职称材料

基于跨层连接的多通道DBiSAC网络欺凌检测模型 被引量：3

10

作者 厉贤斌 崔晨 +1 位作者 翁理想 周杭霞 《中国计量大学学报》 2023年第1期92-100,共9页

目的:网络欺凌文本存在特征稀疏、用词不规范、语义模糊等问题,导致简单的神经网络无法充分提取其语义特征和句法特征。因此,提出了一种基于跨层连接的多通道DBiSAC网络欺凌检测模型。方法:先利用Glove预训练模型实现文本的词向量化表... 目的:网络欺凌文本存在特征稀疏、用词不规范、语义模糊等问题,导致简单的神经网络无法充分提取其语义特征和句法特征。因此,提出了一种基于跨层连接的多通道DBiSAC网络欺凌检测模型。方法:先利用Glove预训练模型实现文本的词向量化表示。其次构建并行的多尺度深度可分离卷积(MSDSC)和采用了跨层连接策略的双向简单循环(CBiSRU)的多通道特征提取网络,分别提取文本的局部特征和提取文本的上下文中语义信息的全局特征。再将局部特征和全局特征拼接之后利用多头注意力机制(MHA)对其重要特征信息进行捕捉。然后利用胶囊网络(Capsnet)对文本序列中空间层次的语义特征进行提取。最后将提取的文本特征信息通过含有Softmax函数的全连接层分类器输出分类结果。结果:实验表明,提出的模型在两个网络欺凌的数据集上均取得了最优的结果。结论:本文模型在能够有效提高模型准确率。。 展开更多

关键词 网络欺凌 跨层连接 深度可分类卷积 简单循环单元 注意力机制 胶囊网络

在线阅读 下载PDF 职称材料

融合注意力机制和深度超参数化卷积的遥感影像桥梁目标检测算法 被引量：1

11

作者 余培东 《科学技术创新》 2023年第25期38-41,共4页

深度学习技术发展迅速,应用深度学习技术进行遥感影像快速自动化处理使得遥感技术现代化成为可能。针对现有目标检测算法对遥感影像桥梁目标检测精度较差的缺陷,本文以YOLOv4算法为基础,通过嵌入注意力机制模块以及替换传统卷积层为深... 深度学习技术发展迅速,应用深度学习技术进行遥感影像快速自动化处理使得遥感技术现代化成为可能。针对现有目标检测算法对遥感影像桥梁目标检测精度较差的缺陷,本文以YOLOv4算法为基础,通过嵌入注意力机制模块以及替换传统卷积层为深度超参数化卷积来加强算法的特征提取能力,从而提升算法检测精度,并设计实验进行对比验证。实验结果表明:本文提出的算法在不显著增加算法训练成本的前提下,使高分桥梁数据集的AP提高至80.4%,DOTA桥梁数据集的AP提高至67.2%,有效证明了本文改进算法的有效性。 展开更多

关键词 深度学习 遥感影像 桥梁目标检测 注意力机制 深度超参数化卷积

在线阅读 下载PDF 职称材料

基于iHDODC-LinkNet网络的遥感图像道路提取方法 被引量：4

12

作者 陈国军 朱燕宁 +1 位作者 耿润田 李子祥 《光电子．激光》 CSCD 北大核心 2024年第1期51-58,共8页

遥感图像的道路提取在推动城乡发展规划及建设方面具有重要意义。然而,目前传统方法对于遥感图像道路提取存在工程量大、效率低下的问题,基于深度学习的方法又存在复杂场景下提取精度不高和连通性差等问题。针对上述存在的问题,为提高... 遥感图像的道路提取在推动城乡发展规划及建设方面具有重要意义。然而,目前传统方法对于遥感图像道路提取存在工程量大、效率低下的问题,基于深度学习的方法又存在复杂场景下提取精度不高和连通性差等问题。针对上述存在的问题,为提高不同地貌区域的道路提取精度,本文提出一种基于iHDODC-LinkNet网络的高分辨率遥感图像道路提取方法。该方法在语义分割模型D-LinkNet的基础上进行改进:一方面使用ResNeSt50重建D-LinkNet网络并添加预训练模型,提出一种混联深度过参数化扩张卷积(hybrid depthwise over-parameterized dilated convolution,HDODC)模块;另一方面采用迭代注意力特征融合(iterative attentional feature fusion,iAFF)机制替换原始的相加融合,从而使模型关注于道路的全局信息。最后,在马萨诸塞州道路数据集和某省高速公路场景数据集上进行训练并通过测试集的提取效果证明模型改进方法的有效性。根据实验模型分割效果表明,改进后的方法在测试集上F1达到71.66%,相比原始模型提升了10%,能够得到效果更好的分割结果。 展开更多

关键词 语义分割 连通性 混联深度过参数化扩张卷积(HDODC) 注意力特征融合

原文传递

基于深度可分离卷积和跨层映射的零件自适应检测

13

作者 袁全 路红 《洛阳理工学院学报(自然科学版)》 2025年第4期70-77,共8页

针对自动化生产线中零件检测速度慢、精度低、设备存储资源有限等问题,提出了一种基于深度可分离卷积和跨层映射的零件自适应检测。首先,优化YOLOv8的Backbone结构,构建SlimNet模块,通过引入深度可分离卷积和轻量化特征提取方式,减少网... 针对自动化生产线中零件检测速度慢、精度低、设备存储资源有限等问题,提出了一种基于深度可分离卷积和跨层映射的零件自适应检测。首先,优化YOLOv8的Backbone结构,构建SlimNet模块,通过引入深度可分离卷积和轻量化特征提取方式,减少网络计算量和参数规模,提高特征提取效率;在YOLOv8的C2f模块中融合Slim Blocks结构,利用逐元素乘法增强特征表达能力,并减少计算冗余;优化检测头部分,提出共享轻量检测头,通过共享卷积和Group Normalization归一化方式,提升模型在复杂零件检测任务中的稳定性和精度。为了进一步提高模型对多尺度目标的适应能力,在检测头中加入Scale层,使得模型能够更精准地检测不同尺寸的焊接零件。实验结果表明:相较于YOLOV8模型,SlimYOLOv8模型的map_50达到99.5%,参数量减少54%,Flops减少44.4%,FPS提升23.82帧/s,模型大小减少52.3%,零件平均检测精度达到97.72%。 展开更多

关键词 零件检测 逐元素乘法 多尺度目标适应 深度学习 深度可分离卷积 跨层映射

在线阅读 下载PDF 职称材料

面向细粒度图像识别的通道注意力多分支网络 被引量：3

14

作者 王彬州 肖志勇 《激光与光电子学进展》 CSCD 北大核心 2021年第22期164-172,共9页

细粒度图像识别研究的内容是大类下的子类别识别问题,其关键是找到图像中的关键区域并从中提取有效特征。针对现有方法在定位关键区域时无法兼顾准确性和计算量的问题,提出了一种引入高效通道注意力模块的多分支网络。首先,在递归注意... 细粒度图像识别研究的内容是大类下的子类别识别问题,其关键是找到图像中的关键区域并从中提取有效特征。针对现有方法在定位关键区域时无法兼顾准确性和计算量的问题,提出了一种引入高效通道注意力模块的多分支网络。首先,在递归注意力卷积神经网络的基础上引入通道注意力定位图像中目标的位置。然后,用深度超参数化卷积替换传统卷积操作,增加了网络可学习的参数。最后,用改进的注意力部件模块切割出多个图像关键区域部件,以捕捉丰富的局部信息。实验结果表明,本方法在弱监督情况下的识别效果较好,在两个常用细粒度数据集Stanford Cars、Food-101上的识别准确率分别为95.4%和90.6%。 展开更多

关键词 图像处理 细粒度图像识别 通道注意力 深度超参数化卷积 卷积神经网络

原文传递