-
题名基于区域生长的PCNN自动目标分割算法
- 1
-
-
作者
田志宏
田硕
李瑶瑶
赵昱炜
宁培英
于扬
-
机构
天津科技大学电子信息与自动化学院
荣耀智慧(天津)工程设计有限公司
-
出处
《天津科技大学学报》
CAS
2020年第3期74-80,共7页
-
基金
天津市企业科技特派员项目(18JCTPJC55300)。
-
文摘
在基于电动轮椅的机械臂目标抓取研究背景下,通过图像分割实现对目标物的定位.只有目标物与背景的准确分离,才能使机械臂通过轮椅移动平台准确地移动到其工作范围内实现抓取工作.结合研究中目标物受光线因素影响而导致图像分割不准确现象,本文提出了一种基于区域生长的PCNN自动目标分割算法.经实验证明,该方法可以有效避免传统PCNN算法因目标物受光线因素影响而无法对目标物准确分割的问题,且该方法通过目标物分割而获得定位坐标的准确率达到98%,仅对感兴趣区域进行分割,避免对无关信息的处理,运行效率平均达1.61 s,具有一定实时性.
-
关键词
PCNN算法
HSI颜色空间
生长区域
信息熵
像素坐标
-
Keywords
PCNN algorithm
HSI space
growth region
entropy algorithm
pixel coordinates
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种改进YOLOv5s的多尺度目标检测算法
被引量：7
- 2
-
-
作者
茆震
任玉蒙
陈晓艳
任克营
赵昱炜
-
机构
天津科技大学电子信息与自动化学院
深圳市安软科技股份有限公司
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2023年第2期267-274,共8页
-
基金
天津市科技支撑重点项目(18YFZCGX00360)。
-
文摘
针对多尺度目标检测准确率偏低的问题,提出了一种基于YOLOv5s改进的多尺度目标检测算法。在YOLOv5s主干网络与Neck网络之间融合CBAM模块,增强模型对多尺度目标重要特征信息的提取能力;同时,在模型的Head部分增加多尺度目标检测结构,提高不同尺度目标检测精度;训练时采用CIoU替代GIoU损失函数,以提高模型收敛能力,实现高精度目标定位。数据集来源于实际场景中采集并增强的4万余张图像。实验结果表明,改进后的模型对行人、车辆和人脸的多尺度目标检测平均精度达92.1%,相比未改进YOLOv5s算法提升了3.4%。模型的收敛性好,对密集场景的目标,小尺度目标检测准确度更加突出。
-
关键词
深度学习
YOLOv5s
多尺度目标检测
CBAM注意力机制
CIoU损失函数
-
Keywords
deep learning
YOLOv5s
multi-scale object detection
CBAM attention mechanism
CIoU Loss function
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
