共查询到19条相似文献，搜索用时 323 毫秒
1.
《赤峰学院学报(自然科学版)》2021,(7)
小麦麦穗的自动检测在产量预估、种子筛选等方面具有一定的科研应用价值。为进一步提高自然环境下麦穗识别与计数的准确性,本文提出了基于改进型Faster R-CNN深度神经网络麦穗检测方法。针对传统Faster R-CNN算法应用于麦穗检测时存在漏检的问题,并结合自然环境下麦穗重叠和遮挡的特点,本研究采用加权框融合(Weighted Boxes Fusion,WBF)算法代替原有的非极大值抑制(NMS)算法,通过区域建议网络产生的所有预测框的置信度来构造融合框。试验证明,改进后的Faster R-CNN在全球麦穗检测数据集上的平均精度均值mAP_(0.5:0.75)、mAP_(0.5)分别达到了74.21%和92.15%,相较于传统Faster RCNN提升了5.75%和3.74%,提升效果明显,减少了麦穗漏检的情况,能够在自然环境下对麦穗进行计数和产量预估。 相似文献
2.
在行人目标检测中,小尺度、低像素的行人目标检测和行人遮挡等问题是模型训练的难点。针对深度学习Faster R-CNN网络对小尺度行人以及遮挡行人目标检测效果较差的情况,提出一种基于soft-NMS、GIoU和多尺度训练方法的改进型Faster R-CNN行人目标检测模型。在该改进模型中,Soft-NMS缓解行人密集检测中的因遮挡导致的漏检情况,GIoU对网络的损失计算进行改进,提升网络检测效果,多尺度训练方式能够提升小尺度与低像素的行人目标检测的准确率。仿真实验结果验证了该方法的有效性,改进的Faster R-CNN模型在Caltech行人数据集上的检测精度由64.2%提升到了70.4%,且在漏检率和误检率上都优于传统Faster R-CNN模型。 相似文献
3.
作为一种传统的纺织产品,金属丝网在工业生产、日常生活、科研等领域起着举足轻重的作用,而金属丝网在编制过程中,表面会产生斑点、断线等缺陷,严重影响金属丝网的质量。为保障产品质量,研究了一种基于改进Faster RCNN算法的金属丝网表面缺陷检测方法。首先,为提高模型缺陷特征提取能力,特征提取网络选用深度残差网络（ResNet50）代替原视觉几何群网络（VGG16）,并引入注意力模块;随后,训练过程中利用有预热的余弦退火学习率衰减机制,以提高网络检测精度;同时引入k-means算法和遗传算法,设计了更适合金属丝网数据集的锚框尺寸,以提高候选框的精度,解决缺陷定位不准的问题。经实验验证,利用改进Faster RCNN算法检测的平均精度均值（mean average precision,mAP）达86.95%,较原Faster RCNN算法提高18.81%,为金属丝网缺陷的检测提供了一个有效可行的方案。 相似文献
4.
实时精确的交通标志检测是自动驾驶和智能交通的关键技术。针对现有智能检测算法检测复杂真实道路场景下的交通标志速度慢、无法较好地适用于嵌入式终端设备的问题,提出了一种基于轻量化SSD的交通标识检测算法。该算法采用MobileNetV3＿large网络替代VGG16网络,可减少模型参数,提高检测实时性;利用添加SE模块的逆残差结构B-neck替换对应的标准卷积增强低层特征层的语义信息;设计改进RFB网络提升小交通标志的检测能力,重新设置预设先验框的尺寸,提升模型对特定数据集的检测能力。实验结果表明,改进SSD算法在中国交通标志检测数据集上的mAP值可达89.04%,比MobileNet-SSD算法提高了5.26%;帧率可达60 frames/s,比SSD算法提高了23 frames/s。所提算法具有较高的实时性和检测精度,对复杂交通环境具有更好的鲁棒性。 相似文献
5.
行人检测设备一般不可移动,多数是在电脑端进行处理。通过树莓派搭建一个视频采集与移动小车,同时结合Faster RCNN（Faster Region Based CNN,更快的基于区域的卷积神经网络）与OpenCV（Open Source Computer Vision Libra）进行行人检测,并且通过树莓派的WiFi（Wireless Fidelity,无线保真技术）将处理好的视频数据回传到电脑。实验证明,基于树莓派的行人检测小车可以满足行人检测要求,同时可以进行移动端的行人检测。 相似文献
6.
7.
基于人体关键点检测的方法需要融合由高分辨率到低分辨率子网络生成的表示,以提高关键点检测的准确性。设计了一种基于沙漏注意力高分辨率网络的人体姿态评估方法实验,在深度高分辨率表示学习的基础上构建沙漏注意力特征模块,并设计特征回传模块和多阶段监督算法,用融合中继监督和自蒸馏的方式实现高分辨率网络的监督训练。与经典方法在标准数据集上完成人体姿态评估实验对比,并在硬件设备上进行了真实场景实验,实现了行人姿态评估和危险行为报警。 相似文献
8.
以 Faster R-CNN 为代表的 two-stage 目标检测算法检测速度慢,而 one-stage 目标检测算法中的 SSD算法虽然检测速度快,但对交通标志类小目标的检测效果不佳。因此在 SSD 算法 VGG16 骨干网络上引入感受野块（RFB）结构,既提升检测速度又可在小目标检测上达到良好的检测精度。与此同时,为提高网络分类精度,在损失函数中加入中心损失。将 SSD 算法与改进的 SSD 算法在 VOC 数据集上进行训练,对比其性能可知,改进后算法 mPA 值达到 80.7%,相比 SSD300（VGG16）算法提高了 3.5%。该算法在 LISA traffic sign 数据集上训练,在迁移学习的基础上得到的 mPA 值为 78.4%,检测单张图像平均耗时为 20.5ms,可满足实时性要求。 相似文献
9.
随着人们生活水平的不断提高,道路车辆拥堵情况愈发严重。如何实时、精确地检测出道路车辆,对于解决道路拥堵问题具有重要意义,GPU和人工智能技术的飞速发展为其提供了可靠的解决方案。研究分析传统目标识别算法、基于候选区域深度学习的目标提取算法RCNN和基于回归的深度学习目标检测YOLO,最终确定采用基于卷积神经网络的实时目标检测算法SSD。首先调用VGG16网络模型在ILSVRC CLS-LOC数据库上预训练生成初始网络模型,进而设置超参数并在自身数据集上进行再训练,生成新的网络检测模型,然后将训练和测试部署到深度学习框架Caffe上加以实现。通过在数据库COCO、VOC2012上的测试结果表明,该模型检测精度为76%左右,处理速度为26FPS。同时通过道路路口的实地车辆检测,显示该算法能够实时、精确地检测出道路车辆,为道路拥堵情况判定提供可靠数据。 相似文献
10.
针对红外图像中行人检测算法准确率低、漏检等问题,提出了一种基于改进YOLOv5s的红外行人目标检测方法。首先,利用Transformer编码结构替换C3模块中的Bottleneck结构,以加强检测网络的特征融合能力;其次,利用递归门控卷积gnConv对视觉感受野模块RFB进行改进,并在YOLOv5s头部检测网络前加入改进的RF-gnConv模块,以提高模型对各种复杂场景行人检测的适应力;最后,利用OTCBVS数据集对算法模型进行验证。结果显示：改进后的算法模型平均精度均值达到97.3%,检测速度为63帧/s,验证了改进算法对红外图像中行人检测的有效性。 相似文献
11.
为解决激光传感器等避障装置难以解决爆炸性危险环境下的防爆问题,提出一种基于机器视觉的AGV小车避障解决方案。磁导航AGV小车在工作中路径相对固定,主要针对来回走动的工人进行检测,进而实现减速或制动。为实现高精确度下实时检测,采用改进HOG算法,结合线性支持向量机实现更快和更可靠的分类。实验证明,该方法识别率达到92.84%,漏检率4%,其准确度和实时性基本满足危险环境下的行人检测要求。 相似文献
12.
针对复杂水面环境下的船舶目标检测问题,运用融合图像显著性的YOLOv3船舶目标检测改进算法以提高检测能力。该算法基于Darknet-53网络模型,根据水上船舶特点,融合非极大值抑制算法Soft-NMS和显著性检测算法FT思想,进一步优化最终检测以达到更准确的效果。用Soft-NMS算法替换原有NMS算法,使得算法对小目标和重叠目标检测效果明显提升。融入FT算法对船舶图像局部细节作进一步细化,使得包围盒回归更加准确。在建立的数据集上进行训练与测试,实验结果表明,改进方法比原始方法准确率提高4%,达97%,检测速度提高10帧/s,达30帧/s,表明改进算法有效提高了船舶目标检测精度,且加快了检测速度。 相似文献
13.
为了提高非视距(NLOS)环境下无线定位的准确性和可靠性,提出了一种利用数字广播信号进行移动台定位的神经网络方法.该方法利用神经网络的学习特性和逼近任意非线性函数的能力,建立到达时间(TOA)和到达时间差(TDOA)测量数据与坐标之间的映射关系.将神经网络的连接权值作为非线性动态系统的状态量进行估计,用基于扩展卡尔曼(EKF)的实时神经网络训练算法来训练多层感知器网络.由于基于EKF的训练算法给出的是连接权值的近似最小方差估计,其收敛性要优于误差反向传播(BP)算法.仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于BP基的神经网络算法和最小二乘算法;且该定位方法不依赖于特定的NLOS误差分布,也无需视距(LOS)和非视距识别. 相似文献
14.
提出一种新的红外图像人体检测算法并实现。首先采用灰关联分析理论从单幅红外图像中获取边缘轮廓清晰的人体候选区域,然后融合边缘方向梯度直方图特征、区域密度特征及人体形状特征来描述人体候选区域,以提高区域特征的描述准确性,最后使用支持向量机分类器对目标进行分类,在不同的红外图像测试集中进行实验,结果表明,所提出的算法识别效果良好,并具有一定的鲁棒性。 相似文献
15.
为了在保证检测准确率的前提下提高检测效率,并优化SDN网络中基于流表特征的DDoS攻击检测算法,主要分析基于流表特征的DDoS攻击检测技术及其存在的不足,提出首先利用主成分分析优化流表特征,从中选出合适的特征子集,并采用支持向量机算法实现分类检测;然后搭建仿真网络环境,利用正常数据集与攻击数据集训练分类器进行测试实验;最后从检测准确率与检测时间两个维度对特征降维前后的检测方法进行对比。实验结果表明,经过特征降维的检测方法在不影响准确率的同时,有效提高了检测速率。 相似文献
16.
为了提高传统方法生成交通拥堵指数（TPI）的准确率,引入一种基于经验模态分解（EMD）与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数（PACF）计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法3个评价指标（平均绝对误差、均方误差、平均绝对百分误差）的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此, EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。 相似文献
17.
为了进一步提高决策树模型的交通事件检测性能,且避免噪音和过拟合现象,提出了基于随机森林的交通事件检测方法.从分类强度和相关性2个角度进行分析,并构建了3组实验:与不同数目决策树的对比、与不同决策树的对比及与神经网络的对比.实验数据采用实测的高速公路交通参数数据库(I-880数据库);实验的评价指标采用检测率、误警率、平均检测时间、分类率和ROC曲线下的面积.实验结果表明,基于随机森林的交通事件检测模型可以提高检测率、减少检测时间、提高分类正确率,和多层前馈神经网络相比具有很好的竞争力. 相似文献
18.
汪临伟 《九江职业技术学院学报》2010,(2):22-24
通过研究网络流量自相似在分布式拒绝服务（DDoS）攻击下的变化规律,设计了一种通过计算局域内Hurst参数变化率实时检测DDoS攻击的方法,该方法采用滑动窗口机制实时在线估计局域内网络流量的自相似程度。对MIT林肯实验室的入侵检测数据测试结果表明,使用Hurst参数作为DDoS攻击的检测测度,具有较高的检测率及较快的检测速度。 相似文献
19.
近年来,随着深度学习的迅猛发展,人脸检测算法准确度已有很大提升。模型越复杂,检测速度越慢,设计一种准确度与速度兼顾的人脸检测模型尤为必要。基于FaceBoxes人脸检测算法框架,提出一种基于深层卷积主干网络的改进方法,并在人脸检测基准数据集中进行测试实验。其在FDDB数据集上的实验结果显示,检测正确率达95%,比传统方法提高1.67%。该算法在保证实时性的同时提升了检测准确率,可应用于追求更高准确率的人脸检测系统。 相似文献