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7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：
大数据驱动的红外移动目标检测 被引量：1
1
作者 王奇 宋思思 刘毅娟 《激光杂志》 CAS 北大核心 2023年第3期95-99,共5页
为了精准检测移动目标,提出一种大数据驱动的红外移动目标检测方法。采取空间滤波法预处理红外图像,抑制红外图像背景、增强图像内移动目标边缘,采用Seletive Search策略,通过区域划分算法划分预处理后红外图像为若干块小区域,提取若干... 为了精准检测移动目标,提出一种大数据驱动的红外移动目标检测方法。采取空间滤波法预处理红外图像,抑制红外图像背景、增强图像内移动目标边缘,采用Seletive Search策略,通过区域划分算法划分预处理后红外图像为若干块小区域,提取若干个红外移动目标候选区域;为避免相邻红外移动目标候选区域图像间存在帧间差异及虚警,影响移动目标中心位置检测效果,提取移动目标候选区域的灰度特征,并结合运动特征建立加权融合特征,精准定位移动目标候选区域,将移动目标候选区域输入卷积神经网络,网络输出结果即为检测到红外移动目标,利用损失函数判定该目标是否为真实移动目标。实验研究表明:所提方法能够精准定位红外移动目标候选区域,检测出红外移动目标,检测性能较好,拥有较强的收敛性。 展开更多
关键词 大数据驱动 红外图像 移动目标检测 空间滤波 强度直方图 损失函数
原文传递
基于照度图引导的低照度图像增强网络 被引量：8
2
作者 黄淑英 黎为 +2 位作者 杨勇 万伟国 赖厚增 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第1期92-101,共10页
在低照度环境下采集的图像,由于光照的不均匀性,存在能见度差、对比度低和颜色失真等问题.现有的大多数低照度图像增强方法存在过增强或欠增强的现象,影响视觉感知和后续目标检测任务.针对上述问题,提出一种基于照度图引导的低照度图像... 在低照度环境下采集的图像,由于光照的不均匀性,存在能见度差、对比度低和颜色失真等问题.现有的大多数低照度图像增强方法存在过增强或欠增强的现象,影响视觉感知和后续目标检测任务.针对上述问题,提出一种基于照度图引导的低照度图像增强网络.首先根据低照度图像的灰度分布特点构造对应的照度图,度量低照度图像不同区域块的明暗程度;然后利用照度图作为网络增强的引导图,与低照度图像一起送入图像增强网络来获得增强后的图像.为了解决训练数据不足的问题,提出一种基于内循环和概率旋转的数据增强方法来扩充训练数据样本的数量和多样性;同时,针对目前图像增强方法中普遍存在照度不均匀的问题,基于直方图匹配的思想构建一种直方图损失函数,约束并指导网络的训练.在合成数据集LOL和真实图像上的实验结果表明,所提网络在低照度图像增强方面获得了更好的主观视觉效果;与经典的RetinexNet方法相比,所提方法在PSNR和SSIM客观定量指标上分别提高了7.905 dB和0.328;该网络对后续目标检测任务的检测率可提高10.17%~17.19%. 展开更多
关键词 低照度图像增强 照度图引导 直方图损失函数 概率旋转增强 目标检测
在线阅读 下载PDF
不同日照强度下的舰船目标识别 被引量：1
3
作者 刘坤 米乐红 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第11期1735-1745,共11页
海面目标监测时,舰船目标的清晰度常随着不同的日照强度下海面光线反射强度而变化,不同的日照强度会导致舰船目标识别率不稳定,出现误判虚警率提高等问题.为此,提出基于ResNet-50的舰船目标识别算法.首先使用ResNet-50网络提取图像特征... 海面目标监测时,舰船目标的清晰度常随着不同的日照强度下海面光线反射强度而变化,不同的日照强度会导致舰船目标识别率不稳定,出现误判虚警率提高等问题.为此,提出基于ResNet-50的舰船目标识别算法.首先使用ResNet-50网络提取图像特征信息,并对日照强度变化前后的特征进行日照鲁棒损失约束,减小特征差异;然后采用灰度直方图计算特征统计矩的方法得到日照对比度、亮度、平滑度、信息量、三阶矩和熵6种特征,并生成新的特征向量对日照强度前后的特征再次进行日照鲁棒损失约束,削弱和约束日照变化前后亮度、对比度因素对特征的影响;最后将二者约束联合构成损失函数并进行训练,使用贝叶斯自适应超参数优化训练最佳权重.实验结果表明,针对舰船日照变化数据库的平均识别率达到90.47%,比改进前提高4.00%左右,对日照强度为25,65和80的舰船图像识别率分别提高3.14%,6.07%和16.41%,该算法对日照强度变化有着良好的约束作用,显著提升了识别率. 展开更多
关键词 图像识别 日照变化 灰度直方图 贝叶斯超参数优化 深度学习 舰船识别 鲁棒特征损失函数
在线阅读 下载PDF
基于Faster-YOLOv7的带式输送机异物实时检测 被引量：12
4
作者 唐俊 李敬兆 +2 位作者 石晴 杨萍 王瑞 《工矿自动化》 CSCD 北大核心 2023年第11期46-52,66,共8页
基于深度学习的目标检测算法在异物检测中具有较好的识别效果,但模型内存需求大,检测速度慢;轻量化深度学习网络能够大幅减少模型内存需求,提升检测速度,但在井下弱光环境中检测精度低。针对上述问题,提出了一种基于Faster-YOLOv7的带... 基于深度学习的目标检测算法在异物检测中具有较好的识别效果,但模型内存需求大,检测速度慢;轻量化深度学习网络能够大幅减少模型内存需求,提升检测速度,但在井下弱光环境中检测精度低。针对上述问题,提出了一种基于Faster-YOLOv7的带式输送机异物实时检测算法。通过限制对比度自适应直方图均衡化算法(CLAHE)进行图像增强,提高弱光环境中异物对比度;基于Mobilenetv3对YOLOv7主干网络进行轻量化设计,减少YOLOv7模型的计算量、参数量;添加有效通道注意力机制,缓解因特征通道数减少而导致的高层特征信息丢失问题;采用Alpha-IoU作为损失函数提高异物检测精度。实验结果表明:(1)Faster-YOLOv7的初始损失为0.143,最终稳定在0.039左右。(2)Faster-YOLOv7的检测速度可达42帧/s,较YOLOv5、YOLOv7分别提升了17,20帧/s;Faster-YOLOv7内存为14 MiB,较YOLOv5、YOLOv7分别降低了29,57 MiB;检测准确率达91.3%,较YOLOv5提升了8.8%。(3)将SSD、YOLOv5、轻量化YOLOv7、Faster-YOLOv7目标检测算法应用到煤矿井下带式输送机运煤图像及视频中,发现SSD在视频检测时发生了漏检现象,YOLO系列模型均有效地识别出待测异物,且Faster-YOLOv7识别结果的置信度更高。 展开更多
关键词 带式输送机 异物检测 图像增强 Faster-YOLOv7 注意力机制 Alpha-IoU损失函数 限制对比度自适应直方图均衡化算法
在线阅读 下载PDF
改进YOLOv5s的海产品检测 被引量：1
5
作者 董旺 张娜娜 《湖南农业大学学报(自然科学版)》 CSCD 北大核心 2024年第6期129-136,共8页
针对设备移动和相机散焦导致采集到的水下图像模糊、对比度低及目标偏小导致检测精度低的问题,提出一种改进YOLOv5s的海产品实时检测算法。首先,对图像进行对比度受限自适应直方图均衡化(CLAHE)预处理,改善图像对比度低和模糊等问题;其... 针对设备移动和相机散焦导致采集到的水下图像模糊、对比度低及目标偏小导致检测精度低的问题,提出一种改进YOLOv5s的海产品实时检测算法。首先,对图像进行对比度受限自适应直方图均衡化(CLAHE)预处理,改善图像对比度低和模糊等问题;其次,构建C3_Faster模块替换原C3模块,降低模型的参数量,提升模型的检测速度;再次,将ACmix注意力模块嵌入到主干网络,提高模型对小目标的特征提取能力;最后,引入WIoU v3替换CIoU作为回归损失函数,充分考虑低质量目标对损失的影响,提高模型的泛化性。结果表明:与YOLOv5s相比,改进YOLOv5s算法的平均精度均值提高了1.3个百分点,每秒传输帧数提高10,模型参数量和计算量分别降低了8.20×10^(5)个和2.40×10^(9) FLOPs,模型内存仅12.2 MB,满足轻量和实时性要求,在检测精度和速率上具有优势,适合部署到水下设备中进行实时检测。 展开更多
关键词 海产品检测 YOLOv5s 对比度受限自适应直方图均衡化 注意力模块 损失函数
在线阅读 下载PDF
基于改进SIFT特征和神经网络结合的场景识别 被引量：1
6
作者 郭昊琛 闫帅帅 刘天鹤 《软件工程》 2019年第5期5-8,共4页
基于深度学习的场景识别作为计算机视觉领域的重要方向,目前仍存在部分问题,如仅提取图像的高层语义特征而缺失了图像的底层特征,针对这个问题,提出基于改进SIFT特征与深度神经网络相结合的室内RGB-D图像识别方法。首先提取图像的SIFT特... 基于深度学习的场景识别作为计算机视觉领域的重要方向,目前仍存在部分问题,如仅提取图像的高层语义特征而缺失了图像的底层特征,针对这个问题,提出基于改进SIFT特征与深度神经网络相结合的室内RGB-D图像识别方法。首先提取图像的SIFT特征,然后利用随机森林算法根据重要度对SIFT特征进行筛选,然后结合基于ResNet的深度神经网络,并提出基于深度直方图与深度均值直方图的深度损失函数,加速模型的收敛。实验结果表明,算法可以在NYUD v2数据集上达到71.52%的识别率,有效提升了室内场景识别的准确率。 展开更多
关键词 改进SIFT特征 深度神经网络 损失函数 深度直方图
在线阅读 下载PDF
基于梯度方向直方图的红外与可见光融合网络的损失函数 被引量：7
7
作者 龙雨馨 赖文杰 +3 位作者 张怀元 张鸿波 李成世 刘子骥 《激光与光电子学进展》 CSCD 北大核心 2023年第24期162-171,共10页
基于深度学习的图像融合方法实现了良好的图像融合性能,近年来经过快速发展,被广泛应用于生物特征识别、自动驾驶和目标追踪等方面。深度学习网络在提取图像的重要纹理细节和保存重要信息等方面依然存在许多挑战。因此,提出了一种适用... 基于深度学习的图像融合方法实现了良好的图像融合性能,近年来经过快速发展,被广泛应用于生物特征识别、自动驾驶和目标追踪等方面。深度学习网络在提取图像的重要纹理细节和保存重要信息等方面依然存在许多挑战。因此,提出了一种适用于红外与可见光图像融合网络的损失函数,在损失函数中引入了梯度方向直方图(HOG)损失,HOG特征可以反映图像局部的梯度方向和梯度大小,用HOG特征作损失函数可以提升网络提取图像细节信息的能力。将HOG损失与多尺度结构相似性损失相结合,用设计的损失函数训练了NestFuse、Res2Fusion和UNFusion 3个红外与可见光图像融合网络。在TNO数据集上,所提模型将融合图像的标准差(SD)分别提高2.1476%、1.2273%和1.4444%,将融合图像的视觉信息保真度(VIF)分别提高1.6529%、1.4936%和1.2902%;在RoadScene数据集上,所提模型将融合图像的SD分别提高1.0083%、1.1669%和0.7214%,将融合图像的VIF分别提高1.8093%、1.8063%和1.0406%。实验结果表明,所提损失函数可以从源图像中提取更多有效信息。 展开更多
关键词 图像融合 红外图像 可见光图像 梯度方向直方图 损失函数 深度学习
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