共查询到20条相似文献，搜索用时 838 毫秒
1.
随着边缘AI的快速发展，在终端使用轻量级目标检测技术成为研究热点。因此，对FCOS全卷积单阶段目标检测算法进行改进，提出轻量级的LIm-FCOS网络用于终端检测具有意义。首先提取特征骨干网络使用ShuffleNetV2，颈部结构引入改进的BiFPN代替FPN，并采用深度可分离卷积替代普通卷积从而减少计算量。检测头部分改为单独检测，分类分支去掉Center-ness，使用Quality Focal Loss预测分类和边框质量进一步消除训练和预测时置信度的差异，回归分支采用Distribution Focal Loss来改善边框位置的分布，为提高坐标回归准确度加入GIoU Loss辅助收敛。经过COCO2017数据集测试，得到LIm-FCOS的mAP为27.5%，与YOLOX-Nano相比，多了1.5 M参数量、0.43GFLOPs计算量，精度提升了2.2%，同时经过PC端模型推理可视化结果说明网络轻量化方法有效。 相似文献
2.
《黑龙江科技信息》2020,(13)
风电机组叶片裂纹问题对机组正常安全运行会产生严重影响。为对风电机组叶片损裂状态进行有效检测,基于风场大数据,提出了一种基于深度学习区域卷积神经网络(Cascade R-CNN)的风机叶片裂纹检测方法。并通过对数据集进行图像增强、选取ResNeXt-101作为特征提取网络、在特征提取部分加入特征金字塔网络(Feature Pyramid Networks,FPN)等改进方式进行优化。实验结果表明,所提方法都能有效的提高风机叶片裂纹检测的准确率,精度共提升了10%,本文还与目前主流的目标检测算法如Faster-RCNN等进行对比,实验结果表明,本方法识别精度更高,检测速度与其他方法基本持平。 相似文献
3.
4.
5.
6.
云平台多处理器的任务调度是解决庞大用户群中庞大任务量和数据量的关键,云平台中任务调度的计算性能影响整个系统的运行效率。提出一种基于任务信息流特征尺度谱分析的开销折减算法,采用可分解特征下的云平台任务同步开销折减算法,通过构建复杂通道下多处理器运行环境下的云平台任务调度整合基础模型,进行任务节点信息表征,使用GSM、TD-SCDMA、TD-LTE和WLAN,实现多处理器和多通道任务调度,计算各任务匹配资源的效率,得到资源相似度,基于任务信息流特征尺度谱分析方法计算每个任务的特征尺度,得到尺度优化的开销折减目标函数。仿真结果表明,采用该算法进行任务调度,具有较高的执行效率,CPU利用率高,网络开销折减幅度较高,提高了数据通信效率。 相似文献
7.
8.
9.
对运动中的目标进行检测和跟踪,是数字图像处理与计算机机器视觉学科的分支,在军事、民用的领域应用很多。基于稀疏光流的对运动中的目标进行检测和跟踪的方法,其通过计算图像中特定像素点的光流矢量,从而实现对目标的检测和跟踪。该方法同时结合了图像金字塔技术,可以精确地检测和跟踪那些运动速度快的物体。该方法具有能有效解决目标物被遮挡的情况,且能检测并跟踪运动速度很快的目标。 相似文献
10.
以城市绿地信息提取为目标,对影像进行了多尺度分割。根据不同地物选择不同的分割尺度,建立影像对象的网络层次结构,并根据不同的绿地类型选择具体的尺度从影像对象中提取特征,从而寻求更为理想的城市绿地信息提取方法。 相似文献
11.
提出基于相对临界状态耦合预测控制算法的数据库安全索引访问技术,以网络分布式DeepWeb数据库测试数据集作为研究对象,构建了网络数据库的相对状态数学模型,分析并研究了网络Web数据库深度安全索引算法,提出了数据库索引中预测控制技术,并进行了稳定性分析证明。仿真实验表明,在提出的新的数据库索引技术下,数据库索引路径更加清晰直接,能有效剔除干扰因素,对耦合信号特征能较好控制,从而使得数据库访问效率和安全性大幅提高,实现了最优路径索引,控制了计算消耗。 相似文献
12.
13.
14.
为挖掘国际养老新兴技术合作网络的结构拓扑特征、合作模式演化及其影响因素,基于复杂网络多尺度理论,构建了养老新兴技术合作网络自宏观、中观到微观的多尺度分析方法,包括复杂网络全局分析、合作模式演化分析及演化影响因素分析。研究结果表明,宏观层面国际养老科技新兴技术合作网络演化呈现明显的阶段特征和复杂网络特征,随着时间推移,网络规模不断增大,连通性增强,但不同阶段合作网络结构存在较大的差异性;中观层面合作网络核心由初期的个人逐渐过渡到产学研主体,低广度-低深度型合作模式的绝对主导位置日益削弱,高广度-高深度型模式迅速提升,不同类型主体间合作模式呈现出不同的演化路径,整体合作深度、广度在持续加深;微观层面合作演化影响因素中,技术创新能力始终无显著影响,而地理邻近性有显著促进作用;技术合作主体类型、合作广度、技术相似性的促进作用逐渐削弱,技术互补性的抑制作用不断增强。最后,结合研究结论,对我国积极参与全球养老科技合作提出了针对性的建议。 相似文献
15.
《科技通报》2015,(8)
在强干扰环境下对多载波雷达信号的幅度检测是实现空中目标打击的关键技术。传统方法中,对雷达信号的幅度检测采用时频耦合算法,如果信号和背景噪声有很强干扰和多载波特征时,检测性能不好。提出一种基于分数阶Fourier时频耦合的信号幅度检测算法。构建强干扰环境,描述雷达信号的宽度和深度等特征量,对多载波雷达信号进行分数阶Fourier变换,对目标回波的尺度和时延进行估计,求解相位模糊数搜索结合解,得到雷达信号参数相位补偿结果,根据雷达信号特征量聚点塑造特征量模型运算雷达信号的特征量聚点,获取高特征量聚集区域,通过后置的高阶累积量切片,使信号的累积量增大,而噪声被抑制提高了检测精度。仿真实验表明,算法的检测概率较高,幅度检测能很好地跟踪信号幅度的变化。 相似文献
16.
17.
无人驾驶车辆对目标检测算法的实时性和检测精度要求很高,尤其是危险交通场景中的小目标检测尚存在完善.针对这个问题,选用YOLOv4作为基础网络,基于组合剪枝策略对YOLOv4进行修剪.为了在剪枝的过程中不降低检测精度,实验通过大尺度训练与网络添加空间金字塔池化来增强深层特征的提取.剪枝策略通过向信道比例因子添加L1正则化来加强信道级的稀疏性促进结构化的剪枝.然后在通道剪枝的基础上融合层剪枝,把比例因子的最小值对应的层裁剪掉,即YOLOv4-Pocket算法.其平均精度(mAP)提高了 6.05％,模型空间缩小了 99.15％,每帧图像的推理时间缩短了 82.45％.实验结果表明,YOLOv4-Pocket模型更适合于无人驾驶汽车的应用场景. 相似文献
18.
无人驾驶车辆对目标检测算法的实时性和检测精度要求很高,尤其是危险交通场景中的小目标检测尚存在完善.针对这个问题,选用YOLOv4作为基础网络,基于组合剪枝策略对YOLOv4进行修剪.为了在剪枝的过程中不降低检测精度,实验通过大尺度训练与网络添加空间金字塔池化来增强深层特征的提取.剪枝策略通过向信道比例因子添加L1正则化来加强信道级的稀疏性促进结构化的剪枝.然后在通道剪枝的基础上融合层剪枝,把比例因子的最小值对应的层裁剪掉,即YOLOv4-Pocket算法.其平均精度(mAP)提高了 6.05％,模型空间缩小了 99.15％,每帧图像的推理时间缩短了 82.45％.实验结果表明,YOLOv4-Pocket模型更适合于无人驾驶汽车的应用场景. 相似文献
19.
20.
针对传统的网络安全态势数据检测过程中,普遍存在着检测误差较高、时间消耗较长、能耗较高等问题。提出基于LoRaWAN的网络安全态势数据自动化检测方法。引用LoRaWAN网络模型,利用粒子滤波联合函数获取恶意攻击时间和频率,构建通信网络恶意信号攻击模型;在此模型基础上,通过网络恶意攻击威胁的态势指向性函数和时频响应,获得网络恶意攻击数据的隶属度特征,以此来实现网络安全态势数据自动化检测。测试结果表明,所提方法检测误差较低,时间消耗较小,能耗较低,具有一定的应用价值。 相似文献