多导联心电图识别的稳定步长ResNet深度网络

1

作者 曹玉怡 覃华 卢才德 《广西大学学报（自然科学版）》 CAS 北大核心 2024年第2期374-385,共12页

针对经典的ResNet深度神经网络对一维多导联心电图图像进行识别、分类时,因原始图像的维度较高导致提取到的深度特征维度高,造成全连接层训练出现收敛速度慢和过拟合的问题,在ResNet的全连接层提出一种稳定步长动量训练算法,通过引入近... 针对经典的ResNet深度神经网络对一维多导联心电图图像进行识别、分类时,因原始图像的维度较高导致提取到的深度特征维度高,造成全连接层训练出现收敛速度慢和过拟合的问题,在ResNet的全连接层提出一种稳定步长动量训练算法,通过引入近似二阶梯度信息增强动量法的寻优能力和加速收敛速度;利用连续2次迭代的参数变化量和梯度信息自适应调整步长,构造边界函数对步长的大小进行限制,以防止步长过大或过小而影响收敛稳定性,使用动量项对参数的更新方向进行修正。在CPSC2018心电图数据集上的实验结果表明:所提算法训练的ResNet取得的F 1分数、准确率、精确度分别达到0.859、97.4%、87.9%,收敛速度和整体分类指标值优于其他相比较的方法。 展开更多

关键词 多导联心电图 resnet深度网络 动量优化算法 稳定步长 二阶梯度信息

在线阅读 下载PDF 职称材料

一种改进的基于Inception-ResNet v2的眼疾病识别算法

2

作者 陆阳 任世卿 《电子设计工程》 2024年第20期68-71,共4页

该文旨在解决传统方法在眼疾病识别中分类准确率低的问题,提出了一种改进的眼疾病识别算法,基于Inception-ResNet v2架构,并引入SENet注意力机制、Ghost模块和空洞空间金字塔池化等技术。通过学习通道相关性和加强对重要特征的关注,显... 该文旨在解决传统方法在眼疾病识别中分类准确率低的问题,提出了一种改进的眼疾病识别算法,基于Inception-ResNet v2架构,并引入SENet注意力机制、Ghost模块和空洞空间金字塔池化等技术。通过学习通道相关性和加强对重要特征的关注,显著提高了眼疾病分类的准确率,有效区分常见四种眼疾病数据集。为了进一步提高模型的泛化能力,还引入数据增强技术以减少过拟合。相比Efficient-Net、ResNet和Inception-ResNet等经典深度学习模型,该算法表现更优,为眼疾病早期诊断提供了更准确、高效的方法。 展开更多

关键词 深度学习 Ghost模块 注意力机制 Inception-resnet v2算法 空洞空间金字塔池化

在线阅读 下载PDF 职称材料

基于改进Mask R-CNN的低空遥感实例分割算法

3

作者 李冰锋 王光耀 崔立志 《兵器装备工程学报》 北大核心 2025年第2期168-176,共9页

针对遥感领域图像目标繁杂、检测和分割精度不高的问题,提出一种改进Mask R-CNN算法。设计PMResNet-50结构作为主干网络,其中金字塔挤压注意模块可以促进局部和全局通道注意之间的信息交互作用,多层次特征聚合模块可以提高PMResNet-50... 针对遥感领域图像目标繁杂、检测和分割精度不高的问题,提出一种改进Mask R-CNN算法。设计PMResNet-50结构作为主干网络,其中金字塔挤压注意模块可以促进局部和全局通道注意之间的信息交互作用,多层次特征聚合模块可以提高PMResNet-50对输入通道语义信息的高效聚合作用。在RoI Align前引入自校准卷积模块来扩大卷积层的感受野大小并对边界框和掩码框执行校准操作。在分割分支使用掩码预测平衡损失函数,对每个类别的正负样本梯度进行平衡,实现对损失梯度的平滑降低处理。在自建低空遥感数据集和iSAID-Reduce100数据集上进行测试,实验结果表明:改进后的算法在自建数据集上box AP和mask AP分别提升17.9%和15.0%,在iSAID-Reduce100数据集上box AP和mask AP达到49.62%和50.27%,该算法很好地完成了对遥感目标的检测和分割。 展开更多

关键词 深度学习 图像处理 遥感图像 实例分割 改进Mask R-CNN算法 resnet-50

在线阅读 下载PDF 职称材料

基于YOLO2和ResNet算法的监控视频中的人脸检测与识别 被引量：26

4

作者 朱超平 杨艺 《重庆理工大学学报（自然科学）》 CAS 北大核心 2018年第8期170-175,共6页

针对监控环境下的人脸识别比较问题,提出一套基于深度学习的检测识别方法,利用YOLO2算法和Res Net算法完成监控视频中的人脸监测和识别。检测部分采用速度较快的YOLO2算法,识别部分采用准确率较高的Res Net算法。利用WIDER FACE人脸检... 针对监控环境下的人脸识别比较问题,提出一套基于深度学习的检测识别方法,利用YOLO2算法和Res Net算法完成监控视频中的人脸监测和识别。检测部分采用速度较快的YOLO2算法,识别部分采用准确率较高的Res Net算法。利用WIDER FACE人脸检测数据库和CASIA_Webface数据库做验证性实验,实验结果表明:系统整体的实时性和准确率均可满足实际工程应用需要。 展开更多

关键词 深度学习 快速检测 人脸识别 YOLO2算法 resnet算法

在线阅读 下载PDF 职称材料

基于ResNet的KLEIN算法改进模板攻击 被引量：1

5

作者 王永娟 王灿 +1 位作者 袁庆军 冯芯竹 《密码学报》 CSCD 2022年第6期1028-1038,共11页

针对传统模板攻击存在的多元高斯正态分布假设受限、预处理复杂度高且不适用于带掩码防护的应用场景等问题,研究基于深度学习的模板攻击的改进方法.利用深度学习模型ResNet,对轻量级分组密码算法KLEIN实施改进模板攻击,根据数据的标签... 针对传统模板攻击存在的多元高斯正态分布假设受限、预处理复杂度高且不适用于带掩码防护的应用场景等问题,研究基于深度学习的模板攻击的改进方法.利用深度学习模型ResNet,对轻量级分组密码算法KLEIN实施改进模板攻击,根据数据的标签对数据进行分类.在密钥恢复阶段利用密钥优势叠加的方法,平均需要15条相同密钥加密所产生的能量迹即可有效区分正确密钥.相较于传统的模板攻击,本文的攻击方法成功恢复密钥所需攻击能量迹减少了83.7%,降低了模板攻击的难度,有效提高了模板攻击的成功率和效率. 展开更多

关键词 模板攻击 KLEIN-64算法 深度学习 resnet

在线阅读 下载PDF 职称材料

基于YOLO-v5和ResNet的舱底水液位识别算法 被引量：3

6

作者 王坤 房玉吉 +2 位作者 刘华龙 刘帅 余淞洋 《船海工程》 北大核心 2020年第6期39-43,共5页

针对船舶破损浸水后无法快速识别的问题,提出一种基于YOLO-v5和ResNet算法的舱底水液位识别算法,测试结果显示,该方法的准确率和响应速度基本达到实际使用需求,随着训练样本数量增加,该舱底水液位识别算法的精度将继续提高,并具备在船... 针对船舶破损浸水后无法快速识别的问题,提出一种基于YOLO-v5和ResNet算法的舱底水液位识别算法,测试结果显示,该方法的准确率和响应速度基本达到实际使用需求,随着训练样本数量增加,该舱底水液位识别算法的精度将继续提高,并具备在船舶损害管制系统中应用的可能。 展开更多

关键词 YOLO-v5算法 resnet算法 图像识别 液位识别

在线阅读 下载PDF 职称材料

基于改进Inception-ResNet-v2的城市交通路面状态识别算法 被引量：1

7

作者 王佳 黄德启 +1 位作者 郭鑫 杨路明 《科学技术与工程》 北大核心 2022年第6期2524-2530,共7页

针对传统方法对于路面状态识别准确率低的问题,提出了一种改进Inception-ResNet-v2的路面状态识别算法,对6种城市交通路面状态进行识别。首先,在Inception-ResNet-v2算法的Inception-ResNet-C模块引入SENet注意力机制得到SE-Inception-R... 针对传统方法对于路面状态识别准确率低的问题,提出了一种改进Inception-ResNet-v2的路面状态识别算法,对6种城市交通路面状态进行识别。首先,在Inception-ResNet-v2算法的Inception-ResNet-C模块引入SENet注意力机制得到SE-Inception-ResNet-C模块,使算法学习到不同通道特征的重要程度;然后采用特征融合策略,将不同层级的特征信息融合,防止重要特征信息的丢失;最后采用全卷积结构,将原始算法中的全连接层换成卷积层,不仅保证了图像的空间结构,还能使网络接收任意尺度的图片。实验结果表明,该算法能提取关键的特征信息,有效提高了路面状态的识别精度。 展开更多

关键词 城市交通 路面状态识别 Inception-resnet-v2算法 注意力机制 特征融合 全卷积结构

在线阅读 下载PDF 职称材料

基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法 被引量：13

8

作者 郑文杰 杨祎 +3 位作者 乔木 吕俊涛 张峰达 洪欣媛 《重庆理工大学学报（自然科学）》 北大核心 2023年第9期261-269,共9页

针对变电设备红外图像背景干扰大、热缺陷故障种类多、现有故障诊断方法效率低,难以满足实际巡检应用需求的问题,提出一种基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法。首先,构建典型变电设备红外图像数据集,采用卷积核分解及... 针对变电设备红外图像背景干扰大、热缺陷故障种类多、现有故障诊断方法效率低,难以满足实际巡检应用需求的问题,提出一种基于改进YOLO和Resnet的变电设备热缺陷识别及诊断方法。首先,构建典型变电设备红外图像数据集,采用卷积核分解及多层特征融合技术改进YOLOv4-Tiny算法,对发生故障的设备进行定位并获取该设备先验框;然后,提出融合密集连接的Res_DNet网络获取先验框内局部图像数据的多尺度特征,提高设备故障类型的分类准确度;最后,采用贝叶斯算法改进模型超参数,获取学习率、卷积核个数等的最佳组合,实现高效率及高准确度的故障识别与分类。研究结果表明:改进后的YOLOv4-Tiny算法相较于原算法准确率提升了5.3%,改进后的Res_DNet算法相比经典算法准确率提升了4.6%以上,能实现变电设备热缺陷状态高精度识别。 展开更多

关键词 变电设备 红外图像 YOLOv4-Tiny算法 resnet 故障诊断

在线阅读 下载PDF 职称材料

基于粗糙集和ResNet34网络算法的森林火灾预测研究 被引量：1

9

作者 赵叶红 杨卫民 《信息与电脑》 2020年第20期61-63,共3页

森林火灾是全世界面临的大问题,会对生态系统造成巨大的破坏,同时会威胁人类的生命财产安全。本文设计了一个有效的森林火灾预测算法,数据集采用Montesinho国家公园基本气象数据,建立粗糙集与ResNet网络算法建立森林火灾的成灾面积预测... 森林火灾是全世界面临的大问题,会对生态系统造成巨大的破坏,同时会威胁人类的生命财产安全。本文设计了一个有效的森林火灾预测算法,数据集采用Montesinho国家公园基本气象数据,建立粗糙集与ResNet网络算法建立森林火灾的成灾面积预测模型,对气温、相对湿度、风速和降水量等气象数据进行分析,并进行了森林火灾面积预测。研究结果显示,该算法能够较准确地预测规模较小且发生频繁的火灾受灾面积。 展开更多

关键词 森林火灾 粗糙集理论 resnet网络算法 成灾面积预测

在线阅读 下载PDF 职称材料

基于ResNet算法的垃圾图像识别分类研究 被引量：8

10

作者 李妍 《长江信息通信》 2021年第5期25-27,共3页

伴随着社会发展和生活质量稳步提高,垃圾如何处理问题显得尤为重要。该研究采用深度神经网络算法对实际生活场景中的40种垃圾图片进行识别分类,通过优化ResNet算法提升识别精度,识别率为99.4%。为合理解决垃圾分类的难题,有效提升资源... 伴随着社会发展和生活质量稳步提高,垃圾如何处理问题显得尤为重要。该研究采用深度神经网络算法对实际生活场景中的40种垃圾图片进行识别分类,通过优化ResNet算法提升识别精度,识别率为99.4%。为合理解决垃圾分类的难题,有效提升资源利用率,减少环境污染提供一定的理论依据。 展开更多

关键词 垃圾分类 resnet算法 图像识别

在线阅读 下载PDF 职称材料

基于改进StackCNN网络和集成学习的脑电信号视觉分类算法 被引量：1

11

作者 杨青 王亚群 +2 位作者 文斗 王莹 王翔宇 《郑州大学学报（工学版）》 CAS 北大核心 2024年第5期69-76,共8页

针对直接使用图像诱发的脑电信号进行视觉分类的现有研究少,并且视觉分类的平均准确率低等问题,设计了一种卷积神经网络(CNN)和集成学习相结合的方法,用于学习脑电信号相关的视觉特征表示。通过在StackCNN网络中加入K-max池化方法,解决... 针对直接使用图像诱发的脑电信号进行视觉分类的现有研究少,并且视觉分类的平均准确率低等问题,设计了一种卷积神经网络(CNN)和集成学习相结合的方法,用于学习脑电信号相关的视觉特征表示。通过在StackCNN网络中加入K-max池化方法,解决在提取脑电特征时信息丢失的问题,并结合Bagging算法增强网络的泛化能力,该方法称为StackCNN-B。采用基于残差神经网络(ResNet)回归对图像进行分类,验证StackCNN-B方法在图像分类上的性能。消融实验及与现有研究对比实验的结果表明:所提方法识别准确率较高,在学习脑电信号的视觉特征表示上的平均准确率达到99.78%,在图像分类上的平均准确率达到96.45%,与Bi-LSTM-AttGW方法相比,平均提高了0.28百分点和2.97百分点。研究结果验证了脑电信号可以有效地解码与视觉识别相关的人类大脑活动,也表明所提出StackCNN-B模型的优越性。 展开更多

关键词 脑电图 视觉分类 卷积神经网络 BAGGING算法 resnet网络

在线阅读 下载PDF 职称材料

ResNet模型在智能岩石勘测小车上的应用研究

12

作者 喻飞根 刘科 《现代信息科技》 2023年第8期88-91,95,共5页

文章以实现地质勘探无人化和岩石分类智能化为目标,设计出用于地质勘探现场的具有岩石分类功能的智能导航小车系统。该系统分为小车模块和岩石分类模块两部分,小车模块利用ROS平台进行开发,得到勘探区域环境数据后,利用SLAM算法生成栅... 文章以实现地质勘探无人化和岩石分类智能化为目标,设计出用于地质勘探现场的具有岩石分类功能的智能导航小车系统。该系统分为小车模块和岩石分类模块两部分,小车模块利用ROS平台进行开发,得到勘探区域环境数据后,利用SLAM算法生成栅格地图并进行路径规划来获得全局最优路径,最后小车自动导航至该地点并获得该区域的岩石图片。岩石分类模块采用深度学习技术对岩石图片进行分类,基于Softmax分类器和ResNet101神经网络模型,建立岩石分类模型。 展开更多

关键词 岩石分类 SLAM算法 自动导航 resnet模型 Softmax

在线阅读 下载PDF 职称材料

基于深度学习的桥梁表观裂缝检测算法研究

13

作者 张鸣祥 张睿 钟其仁 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第7期995-1002,共8页

针对在复杂背景条件下难以直接对桥梁表观裂缝进行检测的问题,文章提出一种基于深度学习的桥梁表观裂缝检测算法。首先利用滑动窗口算法将采集到的桥梁表观裂缝图像切分为小尺寸的桥梁裂缝面元图像和桥梁背景面元图像,并根据对面元图像... 针对在复杂背景条件下难以直接对桥梁表观裂缝进行检测的问题,文章提出一种基于深度学习的桥梁表观裂缝检测算法。首先利用滑动窗口算法将采集到的桥梁表观裂缝图像切分为小尺寸的桥梁裂缝面元图像和桥梁背景面元图像,并根据对面元图像的分析,提出一种基于Inception网络和残差网络(ResNet)的桥梁裂缝分类模型,用于桥梁裂缝面元和桥梁背景面元的识别;然后结合桥梁裂缝分类模型与滑动窗口算法对桥梁表观裂缝图像进行检测;最后利用数字图像处理技术测量裂缝宽度。结果表明:该文算法对桥梁表观裂缝有超过99%的分类精度,可满足实际工程需要;实现了裂缝的提取并能准确地定位出裂缝在图像中的位置;根据成像原理能测量出裂缝宽度。与传统的深度学习模型相比,该模型拥有更高的执行效率,可用于大规模检测,更易于应用在桥梁健康检测中。 展开更多

关键词 深度学习 桥梁表观裂缝检测 滑动窗口算法 Inception网络 残差网络 数字图像处理

在线阅读 下载PDF 职称材料

基于深度学习的配网运维技术改进研究

14

作者 王龙 戴兵兵 +4 位作者 孔顺飞 龚沁宇 柏筱飞 胡海安 高萍 《粘接》 CAS 2024年第3期173-176,共4页

为提高配网运维故障识别的准确率,结合变分模态分量(Variational Mode Decomposition,VMD)与信息熵,提出一种E-VMD配网运维故障信号特征提取方法;通过改进残差神经网络(ResNet)模型残差模块,设计了一种改进的ResNet模型;将E-VMD配网运... 为提高配网运维故障识别的准确率,结合变分模态分量(Variational Mode Decomposition,VMD)与信息熵,提出一种E-VMD配网运维故障信号特征提取方法;通过改进残差神经网络(ResNet)模型残差模块,设计了一种改进的ResNet模型;将E-VMD配网运维故障信号特征输入改进的ResNet模型中,实现配网运维故障的准确识别。仿真结果表明,所提方法可准确识别配网运维的单相接地、两相短路、三相短路故障,平均识别准确率达到100%,平均精确率为99.59%,平均召回率为100%,平均F1值为99.88%。相较于KNN模型和SVM模型,所提方法在各项性能指标上表现优异的性能,且具有良好的抗噪性能。 展开更多

关键词 故障识别 配网运维 特征提取 resnet算法 技术改进

在线阅读 下载PDF 职称材料

目标物体检测——YOLO算法介绍

15

作者 刘栩辰 《大众科学》 2024年第6期1-3,共3页

物体检测是计算机视觉中的一个具有挑战性的任务,涉及到在图像或视频中定位和分类物体。其中一个最流行的基于深度学习的物体检测方法是YOLO。YOLO已经在各种物体检测基准测试中取得了最先进的性能,并致力于通过神经网络在单次前向传递... 物体检测是计算机视觉中的一个具有挑战性的任务,涉及到在图像或视频中定位和分类物体。其中一个最流行的基于深度学习的物体检测方法是YOLO。YOLO已经在各种物体检测基准测试中取得了最先进的性能,并致力于通过神经网络在单次前向传递中检测图像中的对象的概念,使其成为可用的最快的对象检测模型之一。介绍YOLO的发展、技术、架构以及所利用的算法。 展开更多

关键词 YOLO 目标检测 CNN NMS 算法 resnet 划分锚框技术

在线阅读 下载PDF 职称材料

基于SSD算法的人脸检测算法研究

16

作者 郑文秀 赵兴娜 《现代信息科技》 2024年第19期17-22,共6页

针对传统SSD算法中对小目标检测效果不好的问题,提出一种基于ResNet的人脸检测算法。将SSD算法的基础网络VGG改进为ResNet网络,并通过残差网络,采用特征融合的方式将不同深度的特征信息进行融合,从而提高算法对小尺度人脸的检测性能。同... 针对传统SSD算法中对小目标检测效果不好的问题,提出一种基于ResNet的人脸检测算法。将SSD算法的基础网络VGG改进为ResNet网络,并通过残差网络,采用特征融合的方式将不同深度的特征信息进行融合,从而提高算法对小尺度人脸的检测性能。同时,针对SSD算法对重叠框出现漏检的问题,将非极大值抑制算法(NMS)改进为Soft-NMS。此外,通过设置一个衰减函数,来降低相邻检测框的置信度,解决传统NMS算法对分数较低的检测框过滤掉的问题,能够降低算法的漏检率,提升算法的检测精度。 展开更多

关键词 人脸检测 SSD算法 resnet Soft-NMS

在线阅读 下载PDF 职称材料

基于元学习的甲骨文拓片识别研究

17

作者 卢凡 赵宇明 《自动化仪表》 CAS 2024年第8期74-79,共6页

为提高甲骨文拓片的识别效率,针对甲骨文拓片识别过程中存在的数据集种类繁多但类内样本过少的问题,将元学习引入甲骨文拓片图像的识别,提出一种基于元学习的甲骨文拓片识别算法。首先,选择残差网络(ResNet)18作为基本网络结构,以更好... 为提高甲骨文拓片的识别效率,针对甲骨文拓片识别过程中存在的数据集种类繁多但类内样本过少的问题,将元学习引入甲骨文拓片图像的识别,提出一种基于元学习的甲骨文拓片识别算法。首先,选择残差网络(ResNet)18作为基本网络结构,以更好地提取甲骨文数据集特征。然后,通过元学习方法对初始模型参数进行学习。试验结果表明,该算法学习到的初始模型参数对于学习新类别的识别有着很好的效果,优于与模型无关的元学习(MAML)等其他模型,并且对于少样本的甲骨文数据集的识别十分有效。该研究为其他少样本数据集的处理和识别提供了一种解决的思路。 展开更多

关键词 甲骨文拓片分类 深度学习 元学习 残差网络 卷积神经网络 与模型无关的元学习算法

在线阅读 下载PDF 职称材料

联合残差网络和最近点迭代的机器人重定位

18

作者 王高平 时斌斌 +2 位作者 王力成 宋东亚 贾雪芳 《西安工程大学学报》 CAS 2024年第4期18-25,共8页

针对机器人遭遇绑架、系统故障重启而产生的定位丢失问题,提出一种基于ResNet的机器人重定位方法。所提方法将重定位分为基于残差网络(residual network,ResNet)的粗匹配和基于最近点迭代(iterative closest point,ICP)细匹配2个阶段。... 针对机器人遭遇绑架、系统故障重启而产生的定位丢失问题,提出一种基于ResNet的机器人重定位方法。所提方法将重定位分为基于残差网络(residual network,ResNet)的粗匹配和基于最近点迭代(iterative closest point,ICP)细匹配2个阶段。在粗匹配阶段,将激光点云数据转换为图像,然后将相邻时间的图像堆叠成多通道图像作为ResNet的输入,以增强图像的时序特征。在细匹配阶段,ResNet输出机器人的预测位置,并将预测结果作为ICP算法的初值进行点云细匹配,从而获取最终位姿。对于相似环境,提出动态重定位方法,通过移动机器人进行多次重定位避免误匹配的情况。仿真实验结果表明:该方法与增强蒙特卡罗定位(augmented Monte Carlo localization,AMCL)算法进行了对比,定位用时降低了8.2s,定位成功率提升了43.4%,证明了该算法具有更好的重定位效果。 展开更多

关键词 机器人 定位丢失 重定位 残差网络 最近点迭代 增强蒙特卡罗定位算法

在线阅读 下载PDF 职称材料

自然环境下多类水果采摘目标识别的通用改进SSD模型 被引量：90

19

作者 彭红星 黄博 +4 位作者 邵园园 李泽森 张朝武 陈燕 熊俊涛 《农业工程学报》 EI CAS CSCD 北大核心 2018年第16期155-162,共8页

为解决当前自然环境下水果识别率不高、泛化性不强等问题,该文以苹果、荔枝、脐橙、皇帝柑4种水果为研究对象,提出了一种改进的SSD(single shot multi-boxdetector)深度学习水果检测模型:将经典SSD深度学习模型中的VGG16输入模型替换为R... 为解决当前自然环境下水果识别率不高、泛化性不强等问题,该文以苹果、荔枝、脐橙、皇帝柑4种水果为研究对象,提出了一种改进的SSD(single shot multi-boxdetector)深度学习水果检测模型:将经典SSD深度学习模型中的VGG16输入模型替换为Res Net-101模型,并运用迁移学习方法和随机梯度下降算法优化SSD深度学习模型。该文基于Caffe深度学习框架,对自然环境下采集的水果图像进行不同网络模型、不同数据集大小和不同遮挡比例等多组水果识别检测效果对比试验。试验表明:改进的SSD深度学习水果检测模型对4种水果在各种环境下的平均检测精度达到88.4%,高于经典SSD深度学习模型中的86.38%,经过数据增强后平均检测精度可提升至89.53%,在遮挡面积低于50%的情况下F1值能达到96.12%,有较好的泛化性和鲁棒性,可以很好地实现自然环境下多类水果的精准检测,可为农业自动化采摘中的水果识别检测问题提供新的方案。 展开更多

关键词 图像识别 模型 算法 水果检测 深度学习 SSD VGG16 resnet-101

在线阅读 下载PDF 职称材料

一种特征融合的视频事故快速检测方法 被引量：2

20

作者 王晨 周威 章世祥 《交通运输工程与信息学报》 2022年第1期31-38,共8页

交通事故快速检测对于提升交通事故应急管理水平具有重要的现实意义。目前主流的视频事故检测算法较难同时满足高精度和低算力的要求,一定程度上制约了该技术的工程应用。针对存在的问题,本文提出了一种新的基于特征融合的视频事故快速... 交通事故快速检测对于提升交通事故应急管理水平具有重要的现实意义。目前主流的视频事故检测算法较难同时满足高精度和低算力的要求,一定程度上制约了该技术的工程应用。针对存在的问题,本文提出了一种新的基于特征融合的视频事故快速检测方法,以期在有限算力成本下同时获得较高的检测精度和较快的检测速度。模型将特征融合通过两个步骤实现:首先,提出了一种事故注意力模块,并将其嵌入至残差网络(ResNet50)中以从复杂交通场景中筛选事故相关的外观特征;之后,将该外观特征输入到卷积长短时间记忆网络(Conv-LSTM)中,实现外观特征的微调与运动特征的提取。训练后的模型在视频测试集上的精度达到88.89%,检测速度达到FPS>30。事故注意力模块的引入提高了模型的外观特征筛选能力,而Conv-LSTM相比一般LSTM模型在提取运动特征时可以更好地保留外观特征,相比传统基于运动特征的检测方法,该模型可以获得更高的精度。相比典型特征融合模型(如C3D),模型显著降低了计算复杂度,在检测速度上更快。研究结果表明,本文提出的事故检测模型可以在有限算力下较好地取得事故检测精度和速度的平衡,有望实现推广应用。 展开更多

关键词 智能交通 视频事故检测算法 残差网络 事故视觉注意力 卷积长短时间记忆网络

在线阅读 下载PDF 职称材料