期刊文献+
共找到82篇文章
< 1 2 5 >
每页显示 20 50 100
SiamDLA: Dynamic Label Assignment for Siamese Visual Tracking
1
作者 Yannan Cai Ke Tan Zhenzhong Wei 《Computers, Materials & Continua》 SCIE EI 2023年第4期1621-1640,共20页
Label assignment refers to determining positive/negative labels foreach sample to supervise the training process. Existing Siamese-based trackersprimarily use fixed label assignment strategies according to human prior... Label assignment refers to determining positive/negative labels foreach sample to supervise the training process. Existing Siamese-based trackersprimarily use fixed label assignment strategies according to human priorknowledge;thus, they can be sensitive to predefined hyperparameters and failto fit the spatial and scale variations of samples. In this study, we first developa novel dynamic label assignment (DLA) module to handle the diverse datadistributions and adaptively distinguish the foreground from the backgroundbased on the statistical characteristics of the target in visual object tracking.The core of DLA module is a two-step selection mechanism. The first stepselects candidate samples according to the Euclidean distance between trainingsamples and ground truth, and the second step selects positive/negativesamples based on the mean and standard deviation of candidate samples.The proposed approach is general-purpose and can be easily integrated intoanchor-based and anchor-free trackers for optimal sample-label matching.According to extensive experimental findings, Siamese-based trackers withDLA modules can refine target locations and outperformbaseline trackers onOTB100, VOT2019, UAV123 and LaSOT. Particularly, DLA-SiamRPN++improves SiamRPN++ by 1% AUC and DLA-SiamCAR improves Siam-CAR by 2.5% AUC on OTB100. Furthermore, hyper-parameters analysisexperiments show that DLA module hardly increases spatio-temporal complexity,the proposed approach maintains the same speed as the originaltracker without additional overhead. 展开更多
关键词 Siamese network label assignment single object tracking anchorbased anchor-free
在线阅读 下载PDF
Frequency Assignment through Combinatorial Optimization Approach 被引量:1
2
作者 邵振东 《Northeastern Mathematical Journal》 CSCD 2006年第2期181-187,共7页
An L(2, 1)-labeling of a graph G is a function f from the vertex set V(G) to the set of all nonnegative integers such that |f(x) - f(y)| 〉 2 if d(x, y) = 1 and |f(x)-f(y)| ≥ 1 ifd(x, y) = 2. The ... An L(2, 1)-labeling of a graph G is a function f from the vertex set V(G) to the set of all nonnegative integers such that |f(x) - f(y)| 〉 2 if d(x, y) = 1 and |f(x)-f(y)| ≥ 1 ifd(x, y) = 2. The L(2, 1)-labeling number λ(G) of G is the smallest number k such that G has an L(2, 1)-labeling with max{f(v) : v ∈ V(G)} = k. We study the L(3, 2, 1)-labeling which is a generalization of the L(2, 1)-labeling on the graph formed by the (Cartesian) product and composition of 3 graphs and derive the upper bounds of λ3(G) of the graph. 展开更多
关键词 channel assignment L(2 1)-labeling graph product graph composition
在线阅读 下载PDF
基于全局特征下框可见劳动密集场景下工业人员检测的标签分配算法
3
作者 何一凡 何昊阳 +3 位作者 卢山 邵坚铭 张志铭 谢磊 《机电工程技术》 2025年第6期45-50,共6页
为了解决工业生产场景下背景信息复杂、工人与工人之间存在严重的相互遮挡给人员检测带来的干扰问题,基于OTA中全局匹配策略对目标检测算法中标签分配这一关键性问题进行改进。所提出方法首先改进了正样本的选择方式,对于被遮挡的及小... 为了解决工业生产场景下背景信息复杂、工人与工人之间存在严重的相互遮挡给人员检测带来的干扰问题,基于OTA中全局匹配策略对目标检测算法中标签分配这一关键性问题进行改进。所提出方法首先改进了正样本的选择方式,对于被遮挡的及小目标的工人加入权重函数来提高被分配的概率。此外,针对于全局匹配后剩下的样本直接被分配为负样本的这一问题,提出一种忽略样本算法,将含有一部分正样本属性的锚框分配为忽略样本,避免直接被分配为背景类而影响模型的训练。最后,在CrowdHuman密集人员数据集和自行建立的工业场景密集人员数据验证集上进行了实验结果分析和一系列的消融实验。实验结果表明,模型对于密集场景下的工人检测精度在AP、MR以及Recall等指标上分别达到88.02%,47.91%和95.44%,相比于传统方法均有提升。 展开更多
关键词 密集人员检测 标签分配 复杂场景
在线阅读 下载PDF
结合动态循环金字塔与任务解耦的无锚框检测
4
作者 孙一杰 李晓明 《计算机工程与设计》 北大核心 2025年第4期1157-1166,共10页
为解决现有无锚框网络缺乏精确的特征融合引导、解耦头获取任务特征不足,以及无锚框本身存在的边界框漂移的问题,提出一种结合循环特征融合与任务解耦的无锚框检测模型。设计动态循环特征金字塔,动态对齐并融合多尺度特征,以循环机制增... 为解决现有无锚框网络缺乏精确的特征融合引导、解耦头获取任务特征不足,以及无锚框本身存在的边界框漂移的问题,提出一种结合循环特征融合与任务解耦的无锚框检测模型。设计动态循环特征金字塔,动态对齐并融合多尺度特征,以循环机制增强特征表达;提出新的任务解耦头,设计双维任务感知器获取任务特征,采用提出的任务一致性参数和Dynamic Varifocal损失函数完成任务对齐;在标签分配过程中,结合box重组算法,重新选取高质量的正负样本。在COCO数据集上,所提模型使mAP在ResNet50主干网络相对于baseline提升3.1%,在ResNet101上达到45.2%,检测性能优于其它先进的无锚框网络模型。 展开更多
关键词 目标检测 无锚框 特征融合 任务特征 多尺度特征 任务对齐 标签分配
在线阅读 下载PDF
最大度为3的毛毛虫树的L(3,2,1)-标号
5
作者 张小玲 《厦门大学学报(自然科学版)》 北大核心 2025年第2期356-360,366,共6页
[目的]对最大度为3的毛毛虫树的L(3,2,1)-标号问题进行研究.[方法]根据对毛毛虫树的最大度为3的点间距离进行分类,得到其可能的标号类型.利用这些可能的标号类型,通过拼接技术对最大度为3的毛毛虫树的L(3,2,1)标号数进行完全刻画.[结果... [目的]对最大度为3的毛毛虫树的L(3,2,1)-标号问题进行研究.[方法]根据对毛毛虫树的最大度为3的点间距离进行分类,得到其可能的标号类型.利用这些可能的标号类型,通过拼接技术对最大度为3的毛毛虫树的L(3,2,1)标号数进行完全刻画.[结果]完全确定了最大度为3的毛毛虫树的L(3,2,1)标号数.[结论]本文的研究工作是先前文章《毛毛虫树的L(3,2,1)-标号问题》的一个延续.前文纠正了Clipperton在2008年发表的关于毛毛虫树的一个错误结果,并完全确定了最大度不小于4的毛毛虫树的L(3,2,1)标号数.本文则完全确定了最大度为3的毛毛虫树的L(3,2,1)标号数.这样对于毛毛虫树的L(3,2,1)-标号就得到了完全的刻画. 展开更多
关键词 频率分配 L(3 2 1)-标号 毛毛虫树
在线阅读 下载PDF
双圈连通图的L(2,1)-labelling(英文)
6
作者 翟明清 吕长虹 《运筹学学报》 CSCD 北大核心 2008年第1期51-59,共9页
给定图G,G的一个L(2,1)-labelling是指一个映射f:V(G)→{0,1,2,…},满足:当dG(u,v)=1时,|f(u)-f(v)|≥2;当dG(u,v)=2时,|f(u)-f(v)|≥1。如果G的一个L(2,1)-labelling的像集合中没有元素超过k,则称之为一个k-L(2,1)- labelling.G的L(2,1... 给定图G,G的一个L(2,1)-labelling是指一个映射f:V(G)→{0,1,2,…},满足:当dG(u,v)=1时,|f(u)-f(v)|≥2;当dG(u,v)=2时,|f(u)-f(v)|≥1。如果G的一个L(2,1)-labelling的像集合中没有元素超过k,则称之为一个k-L(2,1)- labelling.G的L(2,1)-labelling数记作l(G),是指使得G存在k-L(2,1)-labelling的最小整数k.如果G的一个L(2,1)-labelling中的像元素是连续的,则称之为一个no-hole L(2,1)-labelling.本文证明了对每个双圈连通图G,l(G)=△+1或△+2.这个工作推广了[1]中的一个结果.此外,我们还给出了双圈连通图的no-hole L(2,1)-labelling的存在性. 展开更多
关键词 运筹学 频率分配问题 Distance-two labelling L(2 1)-labelling No-hole L(2 1)-labelling
在线阅读 下载PDF
基于锚点辅助与细粒度多尺度特征的违禁品检测
7
作者 黎作鹏 刘佳祥 张少文 《电子测量技术》 北大核心 2025年第8期154-164,共11页
针对目前X光违禁物品之间遮挡、噪声干扰和检测精度低等问题,以YOLOv8s网络为基础模型,提出一种融合了锚点辅助训练策略和细粒度多尺度特征的违禁品检测模型。在网络中采用C3_Res2Net模块替换C2f模块,通过集成不同层次的特征来增强多尺... 针对目前X光违禁物品之间遮挡、噪声干扰和检测精度低等问题,以YOLOv8s网络为基础模型,提出一种融合了锚点辅助训练策略和细粒度多尺度特征的违禁品检测模型。在网络中采用C3_Res2Net模块替换C2f模块,通过集成不同层次的特征来增强多尺度,以增加网络层的感受野范围,获取细粒度层面的特征,解决违禁品之间存在遮挡带来检测精度低问题;采用滑动平均的Slide Loss目标类别损失函数和改进的边框损失函数尝试为困难样本分配更高的权重,降低高质量锚框的竞争力的同时,减小了低质量示例产生的有害梯度,同时聚焦于普通质量的锚框,提高检测器的整体性能,使得具有更好的抗噪声干扰能力;在训练前期使用ATSS和Task-Aligned Assigner协同训练机制的标签分配策略,利用Anchor-based的预设信息,达到稳定模型训练的目的;在训练的后期采用锚点辅助训练策略充分发挥了结合不同Anchor网络的各自优势,从而进一步提升了模型检测精度。本文所改进模型在公开数据集SIXray、HiXray上进行了训练和测试,mAP 50分别达到94.9%、83.7%,mAP 50:95为73.1%、52.2%。结果表明,本文所改进模型具有较高的检测准确性和稳定性。 展开更多
关键词 违禁品检测 YOLOv8 细粒度 滑动平均 锚点辅助 协同训练 标签分配
原文传递
机场场面的轻量化目标检测算法
8
作者 戴兵泉 汤闻易 李洪珏 《指挥信息系统与技术》 2025年第2期56-61,91,共7页
机场场面目标检测可协助管理者针对机场飞行区进行实时监控检测。目前,针对机场飞行区的目标检测算法均是针对服务器端,尚未面向摄像头终端,检测能力受到服务器数据传输速度、传输延迟和带宽的影响,导致对异常现象无法及时检测,造成安... 机场场面目标检测可协助管理者针对机场飞行区进行实时监控检测。目前,针对机场飞行区的目标检测算法均是针对服务器端,尚未面向摄像头终端,检测能力受到服务器数据传输速度、传输延迟和带宽的影响,导致对异常现象无法及时检测,造成安全隐患。针对摄像头终端,提出机场场面的轻量化目标检测算法,设计轻量化的目标检测网络模型YOLO-LC,它以YOLOv5为框架,在骨干模块将大量使用的C3模块替换为LC模块,并使用简化正负样本分配(SimOTA)标签分配策略对损失函数进行优化。仿真结果表明,YOLO-LC模型在参数量、运算速度及精度等方面均有提高。 展开更多
关键词 目标检测 轻量化 机场飞行区 标签分配 实时监测
在线阅读 下载PDF
基于改进YOLOv8的作业人员电力操作安全措施检测方法
9
作者 洪灿文 王骄健 陈逸 《工业安全与环保》 2025年第6期40-46,52,共8页
在电力操作安全措施检测任务中,针对被检测目标存在背景复杂、多尺度和小目标物体占比高的特点,造成漏检和检测精度低的问题,提出一种改进的检测算法CPDC-YOLOv8。通过DynamicATSS(Dynamic Adaptive Training Sample Selection)自适应... 在电力操作安全措施检测任务中,针对被检测目标存在背景复杂、多尺度和小目标物体占比高的特点,造成漏检和检测精度低的问题,提出一种改进的检测算法CPDC-YOLOv8。通过DynamicATSS(Dynamic Adaptive Training Sample Selection)自适应标签分配策略,选择具有高质量的预测样本作为正样本,提高模型检测性能。提出C3_Biformer模块,基于双层路由实现内容感知,增强算法在复杂背景上多尺度目标的特征提取能力。引入CBAM(Convolutional Block Attention Module)模块,在通道和空间维度上使用注意力机制对目标特征信息进行强化,提升目标检测精度。增加P2小目标检测层,基于较小感受野显著提升小目标的检测精度。实验结果表明,CPDC-YOLOv8算法在GPGC2021电力作业数据集上检测精度达到了82.3%,改进的算法较原YOLOv8n模型参数量降低5.0%,检测精度m AP50值提升3.5%,m AP@0.5:0.95值提升3.3%。该算法较好平衡了精度和速度,表现出了良好的性能。 展开更多
关键词 安全措施检测 YOLOv8 自适应标签分配 双层路由 注意力机制 小目标检测
在线阅读 下载PDF
<i>L</i>(0, 1)-Labelling of Cactus Graphs 被引量:1
10
作者 Nasreen Khan Madhumangal Pal Anita Pal 《Communications and Network》 2012年第1期18-29,共12页
An L(0,1)-labelling of a graph G is an assignment of nonnegative integers to the vertices of G such that the difference between the labels assigned to any two adjacent vertices is at least zero and the difference betw... An L(0,1)-labelling of a graph G is an assignment of nonnegative integers to the vertices of G such that the difference between the labels assigned to any two adjacent vertices is at least zero and the difference between the labels assigned to any two vertices which are at distance two is at least one. The span of an L(0,1)-labelling is the maximum label number assigned to any vertex of G. The L(0,1)-labelling number of a graph G, denoted by λ0.1(G) is the least integer k such that G has an L(0,1)-labelling of span k. This labelling has an application to a computer code assignment problem. The task is to assign integer control codes to a network of computer stations with distance restrictions. A cactus graph is a connected graph in which every block is either an edge or a cycle. In this paper, we label the vertices of a cactus graph by L(0,1)-labelling and have shown that, △-1≤λ0.1(G)≤△ for a cactus graph, where △ is the degree of the graph G. 展开更多
关键词 GRAPH labelling Code assignment L(0 1)-labelling CACTUS GRAPH
在线阅读 下载PDF
<i>L</i>(2,1)-Labeling of the Brick Product Graphs
11
作者 Xiujun Zhang Hong Yang Hong Li 《Journal of Applied Mathematics and Physics》 2017年第8期1529-1536,共8页
A k-L(2,1)-labeling for a graph G is a function such that whenever and whenever u and v are at distance two apart. The λ-number for G, denoted by λ(G), is the minimum k over all k-L(2,1)-labelings of G. In this pape... A k-L(2,1)-labeling for a graph G is a function such that whenever and whenever u and v are at distance two apart. The λ-number for G, denoted by λ(G), is the minimum k over all k-L(2,1)-labelings of G. In this paper, we show that for or 11, which confirms Conjecture 6.1 stated in [X. Li, V. Mak-Hau, S. Zhou, The L(2,1)-labelling problem for cubic Cayley graphs on dihedral groups, J. Comb. Optim. (2013) 25: 716-736] in the case when or 11. Moreover, we show that? if 1) either (mod 6), m is odd, r = 3, or 2) (mod 3), m is even (mod 2), r = 0. 展开更多
关键词 GRAPH labelING BRICK Product GRAPH L((2 1)-labeling Frequency assignment Problem
在线阅读 下载PDF
N-Set Distance-Labelings for Cycle Graphs
12
作者 Alissa Shen Jian Shen 《Open Journal of Discrete Mathematics》 2022年第3期64-77,共14页
Let G = (V, E) be a graph and C<sub>m</sub> be the cycle graph with m vertices. In this paper, we continued Yeh’s work [1] on the distance labeling of the cycle graph Cm</sub>. An n-set distance lab... Let G = (V, E) be a graph and C<sub>m</sub> be the cycle graph with m vertices. In this paper, we continued Yeh’s work [1] on the distance labeling of the cycle graph Cm</sub>. An n-set distance labeling of a graph G is the labeling of the vertices (with n labels per vertex) of G under certain constraints depending on the distance between each pair of the vertices in G. Following Yeh’s notation [1], the smallest value for the largest label in an n-set distance labeling of G is denoted by λ<sub>1</sub><sup>(n)</sup>(G). Basic results were presented in [1] for λ1</sub>(2)</sup>(C<sub>m</sub>) for all m and λ1</sub>(n)</sup>(C<sub>m</sub>) for some m where n ≥ 3. However, there were still gaps left unstudied due to case-by-case complexities. For these uncovered cases, we proved a lower bound for λ1</sub>(n)</sup>(C<sub>m</sub>). Then we proposed an algorithm for finding an n-set distance labeling for n ≥ 3 based on our proof of the lower bound. We verified every single case for n = 3 up to n = 500 by this same algorithm, which indicated that the upper bound is the same as the lower bound for n ≤ 500. 展开更多
关键词 GRAPH Channel assignment Distance labeling Cycle Graph
在线阅读 下载PDF
The L(3,2,1)-labeling on Bipartite Graphs
13
作者 YUAN WAN-LIAN ZHAI MING-QING Lǔ CHANG-HONG 《Communications in Mathematical Research》 CSCD 2009年第1期79-87,共9页
An L(3, 2, 1)-labeling of a graph G is a function from the vertex set V(G) to the set of all nonnegative integers such that |f(u)-f(v)|≥3 if dG(u,v) = 1, |f(u)-f(v)|≥2 if dG(u,v) = 2, and |f(u... An L(3, 2, 1)-labeling of a graph G is a function from the vertex set V(G) to the set of all nonnegative integers such that |f(u)-f(v)|≥3 if dG(u,v) = 1, |f(u)-f(v)|≥2 if dG(u,v) = 2, and |f(u)-f(v)|≥1 if dG(u,v) = 3. The L(3, 2,1)-labeling problem is to find the smallest number λ3(G) such that there exists an L(3, 2,1)-labeling function with no label greater than it. This paper studies the problem for bipartite graphs. We obtain some bounds of λ3 for bipartite graphs and its subclasses. Moreover, we provide a best possible condition for a tree T such that λ3(T) attains the minimum value. 展开更多
关键词 channel assignment problems L(2 1)-labeling L(3 2 1)-labeling bi-partite graph TREE
在线阅读 下载PDF
基于向量叉乘标签分配的遥感图像目标检测算法 被引量:1
14
作者 禹鑫燚 林密 +1 位作者 卢江平 欧林林 《高技术通讯》 CAS 北大核心 2024年第2期132-142,共11页
近年来遥感图像目标检测受到了广泛的关注,主流的遥感图像目标检测器通过预设锚框与真实框之间的交并比(IoU)进行正负样本的划分。为了解决基于IoU的标签分配方法在遥感图像小而密集目标中存在复检和漏检的问题,本文提出了一种基于向量... 近年来遥感图像目标检测受到了广泛的关注,主流的遥感图像目标检测器通过预设锚框与真实框之间的交并比(IoU)进行正负样本的划分。为了解决基于IoU的标签分配方法在遥感图像小而密集目标中存在复检和漏检的问题,本文提出了一种基于向量叉乘标签分配的遥感图像目标检测算法YOLOXR。首先,提出了一种标签粗分配策略,通过向量叉乘的方法判断特征图的像素点是否在旋转目标内或者目标中心点附近的旋转正方形框内,从而确定其是否为候选正样本。其次,为了降低边缘低质量候选正样本对标签分配的影响,提出了旋转中心度量方法,通过向量叉乘判断像素点距离中心点的远近程度进而赋予不同的权重。最后,基于最优传输的方法(sim OTA)选取真实框和样本点的最优匹配对,使得总体代价最小,进而为旋转目标分配合适的标签。此外,为了解决旋转IoU损失不可导以及Smooth L1损失难以权衡旋转框各个参数的问题,通过计算真实框和预测框二维高斯分布的Kullback-Leibler散度(KLD)来替代IoU。在公开的遥感图像目标检测数据DOTA、HRSC 2016和UCAS-AOD上的大量实验表明,所提方法优于目前绝大多数旋转目标检测算法。 展开更多
关键词 遥感图像 目标检测 标签分配 向量叉乘
在线阅读 下载PDF
L(h, k)-Labeling of Circulant Graphs
15
作者 Sarbari Mitra Soumya Bhoumik 《Journal of Applied Mathematics and Physics》 2023年第5期1448-1458,共11页
An L(h,k)-labeling of a graph G is an assignment of non-negative integers to the vertices such that if two vertices u and v are adjacent then they receive labels that differ by at least h, and when u and v are not adj... An L(h,k)-labeling of a graph G is an assignment of non-negative integers to the vertices such that if two vertices u and v are adjacent then they receive labels that differ by at least h, and when u and v are not adjacent but there is a two-hop path between them, then they receive labels that differ by at least k. The span λ of such a labeling is the difference between the largest and the smallest vertex labels assigned. Let λ<sub>h</sub>k</sup>  ( G )denote the least λ such that G admits an L(h,k) -labeling using labels from {0,1,...λ}. A Cayley graph of group is called circulant graph of order n, if the group is isomorphic to Z<sub>n.</sub> In this paper, initially we investigate the L(h,k) -labeling for circulant graphs with “large” connection sets, and then we extend our observation and find the span of L(h,k) -labeling for any circulants of order n. . 展开更多
关键词 Channel assignment L(h k)-labeling CIRCULANTS Connection Set
在线阅读 下载PDF
基于双重标签分配的遥感有向目标检测方法
16
作者 董燕 魏铭宏 +2 位作者 高广帅 刘洲峰 李春雷 《计算机科学》 CSCD 北大核心 2024年第S02期486-494,共9页
由于遥感图像目标具有任意方向、大纵横比和密集排列等多样性分布特点,预设的锚框难以精准匹配所有真实目标,导致对大纵横比和密集排列的有向目标检测精度不高。为了解决上述问题,提出了一种基于双重标签分配的遥感有向目标检测方法。首... 由于遥感图像目标具有任意方向、大纵横比和密集排列等多样性分布特点,预设的锚框难以精准匹配所有真实目标,导致对大纵横比和密集排列的有向目标检测精度不高。为了解决上述问题,提出了一种基于双重标签分配的遥感有向目标检测方法。首先,提出双重标签分配策略为目标分配最大及次优交并比的候选框;其次,通过排斥损失(AP-Loss)和吸引损失(UP-Loss)约束相邻目标的候选框,以提高目标正确匹配概率;然后,为了提取适应于分类和回归分支的鲁棒特征,设计了一个特征增强模块(FEM),该模块基于偏振函数构造自适应特征,能够有效增强分类和回归任务所需的特征表达能力;最后,设计了一个定位指导分类(LGC)模块,该模块通过定位任务指导分类任务的采样位置,进行定位细化,以获取分类任务的关键特征,从而缓解分类与定位之间的不一致问题。在3个公开的遥感有向目标检测数据集DOTA,HRSC-2016和DIOR-R上进行了大量的实验,实验结果证明了所提方法的有效性,且优于现有主流方法。 展开更多
关键词 遥感图像 有向目标检测 双重标签分配 不一致问题 采样位置细化
在线阅读 下载PDF
基于单阶段全卷积检测器的遥感图像形状自适应椭圆标签分配方法
17
作者 禹鑫燚 卢江平 +2 位作者 林密 周利波 欧林林 《高技术通讯》 CAS 北大核心 2024年第8期875-884,共10页
基于无锚框的检测方法在目标检测领域中发展迅速。然而在遥感图像中,目标存在角度任意、密集排列以及形状差异大等难点,使得遥感图像的检测仍是一项挑战。为此,本文提出了基于单阶段全卷积检测器(FCOS)改进的无锚框检测方法。首先,为了... 基于无锚框的检测方法在目标检测领域中发展迅速。然而在遥感图像中,目标存在角度任意、密集排列以及形状差异大等难点,使得遥感图像的检测仍是一项挑战。为此,本文提出了基于单阶段全卷积检测器(FCOS)改进的无锚框检测方法。首先,为了挖掘更多潜在的高质量锚点,提出基于椭圆方程的形状自适应特征点采样方法。然后,为进一步降低边界低质量样本点的影响,提出椭圆中心度量方法,相较原有的中心度量方法提供更合理的权重。此外,针对分类与回归的不一致问题,提出交并比(IoU)联合指导策略,将椭圆中心度量与IoU得分相结合作为质量分数监督分类分支,进一步提升检测精度。在DOTA 1.0数据集上的平均精度达到了79.17%,优于现有多数无锚框检测算法。 展开更多
关键词 遥感图像 深度学习 目标检测 标签分配
在线阅读 下载PDF
基于DTA-FSAF的无人机小目标检测研究 被引量:4
18
作者 赵侃 汪慧兰 +1 位作者 郭娇娇 王桂丽 《计算机技术与发展》 2024年第4期101-108,共8页
随着无人机的应用越来越广泛,基于无人机下的交通场景目标检测的需求也越来越高。但是现有算法在无人机视角下检测精度不高,鲁棒性也不够稳定。为了解决交通场景下无人机视角的车辆和行人的目标检测问题,该文提出DTA-FSAF的目标检测网... 随着无人机的应用越来越广泛,基于无人机下的交通场景目标检测的需求也越来越高。但是现有算法在无人机视角下检测精度不高,鲁棒性也不够稳定。为了解决交通场景下无人机视角的车辆和行人的目标检测问题,该文提出DTA-FSAF的目标检测网络。首先,将可变形卷积融入骨干网络ResNet-50中提高FSAF网络(Feature Selective Anchor-Free)的特征学习能力,采用PAFPN(Path Aggregation Feature Pyramid Network)实现多尺度融合,从而提高小目标的检测精度与网络的拟合能力;其次,使用任务对齐检测头减小网络的分类与定位任务在检测小目标时出现的分类与定位任务的错位,从而进一步提高网络的鲁棒性;最后,通过调整IoU损失提高网络整体的检测效果。通过在无人机数据集VisDrone上进行实验和分析比较可知,相比于其他网络,在不同的交通场景下,DTA-FSAF网络在满足实时性需求的同时检测精度达到了41.3%。相比于FSAF网络提升了19.6%。通过实验证明改进算法能有效地在各种复杂交通场景下完成对行人和车辆的目标检测。 展开更多
关键词 目标检测 小目标检测 Feature Selective Anchor-Free 无人机 标签分配
在线阅读 下载PDF
基于Faster R-CNN的蔗田杂草检测算法研究 被引量:5
19
作者 黄书琴 黄福乐 +2 位作者 罗柳茗 覃锋 李岩舟 《中国农机化学报》 北大核心 2024年第6期208-215,共8页
为提高自然环境下蔗田杂草检测准确率,提出一种基于改进的Faster R-CNN的蔗田杂草检测算法。在特征提取阶段使用BFP模块均衡各级语义特征来加强对杂草图像深层特征的提取;采用DLA策略动态调整网络的标签预测阈值,解决训练前期正样本稀... 为提高自然环境下蔗田杂草检测准确率,提出一种基于改进的Faster R-CNN的蔗田杂草检测算法。在特征提取阶段使用BFP模块均衡各级语义特征来加强对杂草图像深层特征的提取;采用DLA策略动态调整网络的标签预测阈值,解决训练前期正样本稀缺问题;使用Soft-NMS对模型进行优化,通过改进原模型的NMS减少单类目标漏检并提高目标定位精度。试验结果表明,优化后算法的mAP值达81.3%,与原Faster R-CNN算法相比,精度提升6.2%,平均每幅图像测试耗时0.132 s,且在AP 50、AP s、AP l指标上分别有6.5%、4.7%、5.1%的提高。改进后的算法具有较高的检测精度和稳定性,可以满足复杂自然环境下的蔗田杂草检测需求。 展开更多
关键词 杂草检测 Faster R-CNN 均衡特征金字塔 动态分配标签策略 软非极大抑制
在线阅读 下载PDF
基于Gromov-Wasserstein最优传输的输电线路小目标检测方法 被引量:2
20
作者 索大翔 李波 《山东大学学报(工学版)》 CAS CSCD 北大核心 2024年第3期22-29,共8页
针对输电线路无人机线路巡检场景中目标检测算法在处理线路缺陷、零部件缺失等小目标时性能严重下降的问题,从标签分配角度提出新的损失函数,提高小目标检测的准确性和效果。区别于传统目标检测方法,将每个目标预测框视为高斯感受野,将... 针对输电线路无人机线路巡检场景中目标检测算法在处理线路缺陷、零部件缺失等小目标时性能严重下降的问题,从标签分配角度提出新的损失函数,提高小目标检测的准确性和效果。区别于传统目标检测方法,将每个目标预测框视为高斯感受野,将真实值视为高斯热图,通过计算2个高斯分布之间的距离进行标签分配;提出利用Gromov-Wassertein最优传输引导模型学习,该方法可以建立在现有的检测模型之上。对多个输电线路目标检测数据集进行试验,结果表明,采用高斯感受野和最优传输的标签分配方案在输电线路巡检中的小目标检测方面具有良好的效果。 展开更多
关键词 输电线路 小目标检测 深度学习 最优传输 标签分配
原文传递
上一页 1 2 5 下一页 到第
使用帮助 返回顶部