检索结果-内蒙古大学图书馆

现代雷达 2025年第4期47卷 38-45页

作者：李家强汪星宇杨志豪刘浩波陈金立南京信息工程大学电子与信息工程学院江苏南京210044

针对车载毫米波雷达图像细节模糊、目标占比小的问题,提出了一种基于YOLOv5s改进的目标检测分类网络。首先通过帧同步与最小外接矩形方法处理原始数据集,获得由相机、激光雷达联合标定的毫米波雷达距离-方位图像与标注信息;然后将YOLOv5... 详细信息

针对车载毫米波雷达图像细节模糊、目标占比小的问题,提出了一种基于YOLOv5s改进的目标检测分类网络。首先通过帧同步与最小外接矩形方法处理原始数据集,获得由相机、激光雷达联合标定的毫米波雷达距离-方位图像与标注信息;然后将YOLOv5s网络的上采样模块改进为CARAFE,使网络充分融合不同尺度特征,并改进网络损失函数为综合交并比损失函数(CIoU Loss),使预测结果更加精确;最后,通过网络解耦头(Decoupled head)采用不同的分支并行处理检测与分类问题。实测数据实验处理结果表明,该方法较原始YOLOv5s网络的mAP@0.5与mAP@0.5∶0.95分别提升了3.3%和2.0%,尤其适用于小目标检测,并能同时满足检测和分类精度与实时性要求,适合部署至车载嵌入式系统中。

关键词：目标检测与分类雷达图像 YOLOv5s网络特征融合解耦头

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的海面小目标检测与分类方法研究

基于机器学习的海面小目标检测与分类方法研究

引用

作者：陈康权西安电子科技大学

学位级别：硕士

海杂波背景下漂浮小目标的检测与分类是海面搜索雷达监视领域的两个难点,对海洋国土保护、海上求援、海事及航道管理等方面具有重要指导意义。在日益精细化的雷达体制以及目标小型化的环境下,传统的基于海杂波统计建模与临界信杂比的检... 详细信息

海杂波背景下漂浮小目标的检测与分类是海面搜索雷达监视领域的两个难点,对海洋国土保护、海上求援、海事及航道管理等方面具有重要指导意义。在日益精细化的雷达体制以及目标小型化的环境下,传统的基于海杂波统计建模与临界信杂比的检测分类方法性能十分有限。而以人工智能为主导的机器学习技术及其重要分支深度学习技术具有非线性拟合和特征提取的优势,为突破性能瓶颈提供了新思路。因此本论文借助机器学习技术旨在发展海杂波特性自主感知和匹配于目标和海杂波的多维特性以及差异性认知的新型目标特征检测与分类方法。论文的主要研究内容分为三个部分:(1)提出了一种基于迁移学习的漂浮小目标分类算法。针对海杂波与目标类别非平衡、目标样本稀缺的问题,同时考虑到微多普勒对漂浮小目标微动特性的分析优越性以及卷积神经网络在图像处理方面的优势,基于迁移学习的思想从不同场景的数据集提取出通用的低维特征,在低维特征的基础上训练卷积神经网络用于目标分类。在实测数据上的分类结果表明基于迁移学习的网络训练收敛速度更快,且分类性能相比不利用低维特征训练的网络更优。(2)提出了一种基于连通区域特征的目标检测算法。观察到海杂波与目标在时频图上表现出的视觉差别,具体又表现为能量簇在形状分布上的差异。基于杂波块白化处理实现对海杂波能量的抑制,并结合像素级分类网络实现连通区域特征提取从而实现目标检测。基于实测数据的检验和结果表明块白化处理对杂波进行了一定程度的抑制,所设计的检测器在性能上总体优于传统的基于分形的检测器。最后在此基础上对检测统计量的选择与网络的训练方式进行了优化,检测性能进一步提升。(3)提出了一种多特征联合的漂浮小目标检测算法。传统特征检测方法受限于特征维数,如异常检测常采用的凸包类学习算法对高维特征向量的处理十分有限,一般难以突破三维,而随着海杂波与目标认知不断加深而逐渐增加的差异性特征的提出,会遇到特征利用率低的问题。此外大多数特征融合算法的计算复杂度比较高,不利于工程化实现。为了突破性能瓶颈,提高特征利用率,提出了一种基于集成学习思想的多特征联合的检测器,分析了不同特征的可分性并利用决策树实现联合决策,提高检测器的鲁棒性。基于实测数据的检测结果表明所设计的检测器性能相比传统检测器有所提升。

关键词：目标检测与分类海杂波机器学习迁移学习特征检测

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5s车载雷达图像目标检测分类方法

引用

现代雷达 2024年

作者：李家强汪星宇杨志豪刘浩波陈金立南京信息工程大学电子与信息工程学院

针对车载毫米波雷达图像细节模糊、目标占比小的问题，本文提出了一种基于YOLOv5s改进的目标检测分类网络。首先通过帧同步与最小外接矩形方法处理原始数据集，获得由相机、激光雷达联合标定的毫米波雷达距离-方位图像与标注信息，然后... 详细信息

针对车载毫米波雷达图像细节模糊、目标占比小的问题，本文提出了一种基于YOLOv5s改进的目标检测分类网络。首先通过帧同步与最小外接矩形方法处理原始数据集，获得由相机、激光雷达联合标定的毫米波雷达距离-方位图像与标注信息，然后将YOLOv5s网络的上采样模块改进为CARAFE，使网络充分融合不同尺度特征，并通过网络损失函数为CIoU Loss的改进，使预测结果更加精确，最后，通过网络解耦头Decoupled head采用不同的分支并行处理检测与分类问题。实测数据实验处理结果表明，本文所提方法较原始YOLOv5s网络的mAP@0.5与mAP@0.5:0.95分别提升了3.3%和2.0%，尤其适用于小目标检测，并能同时满足检测和分类精度与实时性要求，适合部署至车载嵌入式系统中。

关键词：目标检测与分类雷达图像 YOLOv5s 特征融合解耦头

来源：评论

学校读者我要写书评

暂无评论

无人车目标识别主干网络技术特点对比分析

引用

兵工自动化 2024年第1期43卷 78-87页

作者：樊胜利张玉芝毕晓慧河北工业职业技术大学汽车工程系石家庄050019

目标识别是无人车自动驾驶视觉感知模块的核心技术之一。当前,目标识别主要依靠主干网络提取特征,进而对目标进行分类与回归。通常情况下,无人车嵌入式计算平台的计算与存储能力有限,为了降低主干网络的算力与存储量,提升无人车的计算... 详细信息

目标识别是无人车自动驾驶视觉感知模块的核心技术之一。当前,目标识别主要依靠主干网络提取特征,进而对目标进行分类与回归。通常情况下,无人车嵌入式计算平台的计算与存储能力有限,为了降低主干网络的算力与存储量,提升无人车的计算速度与效率,对目标分类任务的主干网络进行综合比较分析。围绕卷积核、感受野、池化层、全连接层、激活函数等,以cifar10和cifar100为实验数据,从理论分析与数据实践层面,对主干网络算子的选择与网络搭建进行分析对比,总结、归纳特征提取主干网络搭建的主要思路与做法。结果表明,该分析结论对目标分类主干网络在嵌入式无人车系统中的应用具有一定的理论指导与参考价值。

关键词：无人车目标检测与分类人工智能卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于多光谱遥感图像中多类别目标检测方法研究

基于多光谱遥感图像中多类别目标检测方法研究

引用

作者：白晨帅兰州交通大学

学位级别：硕士

多光谱遥感图像的目标检测与分类方法研究是地物检测领域中极具挑战和意义的课题。近年来,基于深度神经网络的目标检测与分类方法取得了较大进展和效果。目前,针对多光谱遥感图像中多类目标的检测识别问题,本文拟从特征融合、特征金字... 详细信息

多光谱遥感图像的目标检测与分类方法研究是地物检测领域中极具挑战和意义的课题。近年来,基于深度神经网络的目标检测与分类方法取得了较大进展和效果。目前,针对多光谱遥感图像中多类目标的检测识别问题,本文拟从特征融合、特征金字塔网络、动态卷积神经网络以及全局注意力机制等模块出发,以解决目前多光谱遥感图像中多类目标识别技术所面临的技术难题。(1)针对复杂环境以及目标本身的特性,卷积神经网络无法更好地学习目标的特征,为此,提出Faster-RCNNi目标检测与分类方法。首先,重点研究学习目标的空域和语义的信息,并对其浅层特征信息进行增强,从而提高对少量、稠密目标的识别精度;其次,在Faster-RCNN中,将非对称卷积块(Asymmetric Convolution Block,ACB)引入Faster-RCNN的网络模型中,增加卷积核扩展速率,提升其在局部域的求解能力;最后,通过数据集的实验验证以及定量和定性分析,证明所提Faster-RCNNi方法的正确性和适用性。(2)现有深度学习的目标检测方法用于多光谱遥感图像的目标检测时,其检测效果并不十分满意,针对多光谱遥感图像的目标检测与分类方法的探索与完善仍然是一项颇具挑战的工作。为此,研究一种基于特征金字塔网络的多光谱遥感图像目标检测与分类方法,提出YOLOv3i目标检测与分类方法。首先,引入一种全新的特征金字塔网络模块以融合较低层级特征图中多重感受野特征,解决主干特征提取中存在的有效信息不足和特征图信息表达不强等问题;其次,设计一种基于“从上到下”的多层次的特征金字塔结构,引入光滑且非单调的Mish激活函数;最后,基于多光谱遥感图像数据集的实验验证以及定量和定性分析,证明所提YOLOv3i方法的优越性。(3)多光谱遥感图像有背景复杂以及目标尺度小等特征。基于自然图像的目标检测方法难以取得好的效果,特别是对于弱小目标,无法对其实现精确定位和准确识别。为此,以提高特征提取能力与目标检测性能为目标展开优化研究,研究一种基于动态卷积神经网络的多光谱遥感图像目标检测与分类方法,提出Efficientnet-YOLOv3i目标检测与分类方法。首先,针对主干特征提取网络提取有效信息量较小、特征图对信息表征能力较弱等问题,引入一种动态卷积神经网络模块,其不增加网络的深度和宽度;其次,通过注意聚合多个卷积核来提高模型的性能,具有共享相同内核大小、输入和输出维度的卷积内核;最后,基于多光谱遥感图像数据集的实验验证以及定量和定性分析,证明所提Efficientnet-YOLOv3i方法的优越性。(4)由于多光谱遥感图像有目标密集、分布不均、尺度变化大、背景环境复杂等特点,因此对其进行目标检测与分类是十分困难的。为此,针对多光谱遥感图像中的目标检测与分类问题,研究一种将全局注意力机制(Global Attention Mechanism,GAM)和特征融合引入多光谱遥感图像目标检测与分类方法,提出YOLOXi目标检测与分类方法。首先,针对主干网络进行特征提取有效信息量较小以及特征图对信息表征能力较弱等问题,引入全局注意力机制模块,利用序贯的通道-空间注意力机制,对卷积注意力子模块(Convolution Block Attention Module,CBAM)进行设计,减少信息弥散的情况下放大全局维交互特征;其次,构造特征增强模块(Feature Enhancement Module,FEM)以融合较低层级特征图中多重感受野特征,提升主干特征提取网络的目标特征提取能力;然后,在特征融合与全局注意力机制的作用下,引入FRe LU激活函数;最后,基于多光谱遥感图像数据集的实验验证以及定量和定性分析,证明所提YOLOXi方法的优越性。

关键词：多光谱遥感图像目标检测与分类特征金字塔网络动态卷积神经网络全局注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的野外靶场视频监控系统研究

基于深度学习的野外靶场视频监控系统研究

引用

作者：吴子豪西京学院

学位级别：硕士

长期以来,硬件升级是大部分野外靶场监控系统提升性能所采取的主流方法。但仅依靠升级硬件已经不能适应于野外靶场视频监控未来智能化发展的需求,软件和算法问题越来越突出。目前的野外靶场监控系统存在检测识别率低、分类精度不高、低... 详细信息

长期以来,硬件升级是大部分野外靶场监控系统提升性能所采取的主流方法。但仅依靠升级硬件已经不能适应于野外靶场视频监控未来智能化发展的需求,软件和算法问题越来越突出。目前的野外靶场监控系统存在检测识别率低、分类精度不高、低智能化等问题。近几年来,深度学习的盛行让视频监控开始向智能化过渡,吸引了越来越多的研究人员对机器视觉领域开展研究,获得了大量检测算法成果。本文针对野外靶场环境下目标入侵检测系统开展研究,它的功能是出现入侵的目标,迅速触发识别,同时将识别到目标图像上传到信息管理平台中,实现分类报警,维护野外靶场安全。如何在野外环境下提升对入侵靶场目标的检测速度和精度是当前野外靶场智能化监控系统最受关注的问题之一。而当目标检测算法同时处理图像分类和定位两种不同需求时,检测算法的识别能力无法胜任精准的分类任务。在处理野外复杂环境下入侵靶场的各类目标时,形态较相似的目标会严重降低YOLOv4算法的分类精度。根据以上问题,本文着重研究的内容如下:(1)提出一种基于Mobile Netv2的改进YOLOv4算法。针对YOLOv4在野外环境下进行目标检测时存在速度低的问题,引入轻量化算法模型替换原YOLOv4的骨干网络,提出一种基于Mobile Netv2-YOLOv4算法,增加YOLOv4检测效率。针对替换骨干网络后的YOLOv4检测精度下降的问题,提出了一种改进的SPP模块和一种改进的损失函数,最后使改进的YOLOv4能在野外靶场环境下快速检测入侵目标。(2)提出一种新的CBAM-Res Net50(Convolutional Block Attention Module Residual Network)算法。改进后YOLOv4检测算法在野外环境中分类性能受到影响,因此本文采用Res Net50作为研究对象,先改进了Resnet50中残差块结构,加快模型分类效率。再通过底层特征来巩固强化顶层特征,并增添了通道注意力机制和空间注意力机制提高对特定目标有效特征的识别,弱化其它干扰特征,让分类算法处理野外靶场目标分类时,以更加丰富的细节信息和更快的效率对形体接近的目标加以分类,最后使改进的Resnet50分类能力更加准确和高效。(3)开发基于Liunx开发野外靶场视频监控系统软件,搭建树莓派3B实验平台。在实际野外靶场环境中,测试设备验证本文提出改进算法的高效性和准确性。

关键词：野外靶场目标检测与分类深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的乳腺肿块检测与诊断研究

基于深度学习的乳腺肿块检测与诊断研究

引用

作者：牛婧太原理工大学

学位级别：硕士

乳腺癌是女性中发病率最高的癌症,同时有较高的死亡率,危害了女性的生命健康。随着乳腺癌早期筛查的普及以及医学成像技术的不断进步,有越来越多的乳腺癌患者能够在早期发现并得到及时地治疗。其中,乳腺X线成像技术具有价格低以及成像... 详细信息

乳腺癌是女性中发病率最高的癌症,同时有较高的死亡率,危害了女性的生命健康。随着乳腺癌早期筛查的普及以及医学成像技术的不断进步,有越来越多的乳腺癌患者能够在早期发现并得到及时地治疗。其中,乳腺X线成像技术具有价格低以及成像清晰的特点,是乳腺癌筛查中最为常见的医学影像手段。在临床工作中,受到医生临床经验和长时间阅片视觉疲劳的影响,会导致诊断结果出现偏差。同时,乳腺肿块与乳腺组织存在高度的相似性,也会为医生及时发现和诊断乳腺肿块造成困难。计算机辅助诊断在医学图像分析领域中展现出广阔的研究前景和应用价值,能为医生诊断提供的“第二意见”。随着深度学习模型的提出,计算机辅助诊断算法在实际应用中得到了改进和提高。在本文中,提出了一种基于深度学习的乳腺肿块检测与诊断方法来帮助医生快速发现肿块病灶并提供相应的良恶性参考依据。受到临床中医生需要通过双视角乳腺X线图像进行诊断这种特性的启发,本文分别提出了双视角乳腺肿块检测方法以及双视角特征融合肿块诊断方法。具体地,本文的贡献可以总结如下:(1)基于双视角的乳腺肿块检测方法患者在拍摄乳腺X线图像时,通常会从正轴位和斜侧位两个视角进行拍摄。因此对于同一个肿块而言,通常会同时出现在这两个视角所拍摄的乳腺X线图像中。在本文中,为了能够模拟医生的诊断行为进而为他们提供更加准确可信的参考结果,提出了一种能够从双视角乳腺X线图像对肿块进行检测的方法。首先提出了一种改进的Retina Net模型用于分别从两个单一视角乳腺X线图像中对可能的肿块进行检测定位。其次,通过双视角匹配算法对可疑的肿块区域进行匹配以确定真阳性肿块区域,并将非肿块的假阳性区域进行剔除。最后,通过五倍交叉验证实验对所提出的方法进行了验证,得到的召回率和平均每张图上的假阳性数量分别为0.951和0.42。(2)基于双视角的乳腺肿块良恶性诊断方法双视角乳腺X线图像包含了更加丰富的特征,同时这些特征存在着相互关联的关系。在本文中,为了充分利用双视角特征相互关联的特性,构建了一种融合双视角特征的分类模型。首先,该模型对检测模型定位到的肿块区域进行裁剪。然后,使用两条单独的卷积神经网络分支分别提取两个视角下乳腺肿块图像块的特征,并通过门循环单元对两视角特征进行融合以实现最终的良恶性分类。最后,同样通过了五倍交叉验证实验对所提出模型的性能进行验证,得到的准确率为0.947、召回率为0.941、AUC值为0.951。

关键词：计算机辅助诊断系统目标检测与分类深度学习乳腺X线图像乳腺肿块

来源：评论

学校读者我要写书评

暂无评论

基于医学先验的甲状腺超声图像分类方法研究与实现

基于医学先验的甲状腺超声图像分类方法研究与实现

引用

作者：黄子晨哈尔滨工业大学

学位级别：硕士

甲状腺疾病的发病率逐年上升,已经成为困扰人们日常生活健康的疾病之一。病变的早期发现与治疗是甲状腺疾病治愈的关键。医学超声影像技术因其方便快捷、安全可靠等特点,已经成为甲状腺疾病检测与诊断的首选方式,但因其低对比度、高噪... 详细信息

甲状腺疾病的发病率逐年上升,已经成为困扰人们日常生活健康的疾病之一。病变的早期发现与治疗是甲状腺疾病治愈的关键。医学超声影像技术因其方便快捷、安全可靠等特点,已经成为甲状腺疾病检测与诊断的首选方式,但因其低对比度、高噪声和高昂的标注成本等原因,给病变部位的检测与分类带来了挑战。近年来深度学习技术在图像分类、检测和分割等领域迅速发展,给医学图像的深入研究带来了新的技术和理论支持。本文以甲状腺超声图像为研究对象,基于深度学习的方法对甲状腺结节的检测与良恶性分类展开深入研究。本文首先深入分析了基准模型Faster R-CNN的网络结构与实现细节,提出了Res At-Faster R-CNN模型,该模型在原网络的基础上进行了以下改进:1)在特征提取网络中嵌入了残差学习单元,增加了网络的宽度,减少了网络训练的参数量,在一定程度上缓解了梯度消失问题的出现;2)引入了基于注意力机制的Squeeze-and-Excitation模块,能够有效提取上下文信息,通过网络自主学习来提高图像有效区域的权重,具有位置校正的作用;3)采用双线性内插算法,改变了原模型中的特征映射过程,改善了因量化取整而造成的甲状腺结节ROI部分区域不匹配的现象。接着从甲状腺生理解剖结构的特点出发,结合医学先验知识,进一步对模型进行了以下改进:1)针对甲状腺结节普遍分布在靠近图像中心位置的特点,引入基于位置的先验约束,通过分别对检测框中心到图像中心的距离和分类的分数辅以不同的权重,重新制定检测框的筛选规则,得到更精确的候选区域;2)针对甲状腺结节大小不一的特点,引入多尺度的概念,改进了FPN网络,对高层语义信息和底层位置信息进行跨层连接与融合,有效提升模型在多尺度结节上的表现。最后在私有数据集上进行了大量实验,从多方面多角度验证了以上改进策略的合理性和有效性,模型的性能得到了显著的提升。基于本次课题的研究成果,设计并实现了甲状腺超声图像分类系统,对实时上传的超声图像进行结节检测与良恶性分类,从而达到辅助医生临床诊疗的目的。

关键词：医学先验甲状腺超声图像深度学习目标检测与分类 Faster R-CNN

来源：评论

学校读者我要写书评

暂无评论

公路视频实时车辆检测分类与车流量统计算法

引用

信息技术与网络安全 2020年第3期39卷 62-67,72页

作者：查伟伟白天中国科学技术大学软件学院

公路视频实时车辆检测分类与车流量统计是计算机视觉领域的一个经典问题。传统设置检测带法,易漏检复检,自动化性不好。基于深度网络的one-stage算法实时性好,但是经常会把变化的背景、运动的非车辆物体纳入其中,同时对光照变化敏感,夜... 详细信息

公路视频实时车辆检测分类与车流量统计是计算机视觉领域的一个经典问题。传统设置检测带法,易漏检复检,自动化性不好。基于深度网络的one-stage算法实时性好,但是经常会把变化的背景、运动的非车辆物体纳入其中,同时对光照变化敏感,夜间分类效果不好。因此,提出采用one-stage做目标检测,并不直接获取分类结果,而是根据标注框将物体切割出来,去除背景,提升抗背景扰动性能和分类效果;再送入一个经过迁移学习的浅层神经网络;将分类输出和目标检测网络的位置输出合并送入一个全图匹配算法,进行车流量统计。该方法在保障实时性的同时降低了漏检和复检率。

关键词：卷积神经网络目标检测与分类实时车流量统计 YOLOv3网络

来源：评论

学校读者我要写书评

暂无评论

时间序列遥感影像关联关系挖掘

时间序列遥感影像关联关系挖掘

引用

第四届高分辨率对地观测学术年会

作者：魏皓王瑞韩仲醒张慧胡晓惠中国科学院软件研究所

本文以美国80余个空军基地的时间序列高分辨率光学遥感影像提取的典型目标为数据基础开展时空数据挖掘研究。本文旨在挖掘美国各空军基地在较长时间序列中的遥感影像数据对象的时空关联关系,包括数据对象的空间关系,以及数据对象随时间... 详细信息

本文以美国80余个空军基地的时间序列高分辨率光学遥感影像提取的典型目标为数据基础开展时空数据挖掘研究。本文旨在挖掘美国各空军基地在较长时间序列中的遥感影像数据对象的时空关联关系,包括数据对象的空间关系,以及数据对象随时间变化的规律,进而挖掘出随着时空变化或在同一时空里,遥感影像数据对象之间的内在联系。我们采用基于深度学习的目标检测与分类方法生成大规模遥感影像典型目标数据库。在此基础上,采用包含时空信息的频繁模式增长算法(FP-Growth)挖掘时空关联关系,通过分析同一机场同时或分时情况下飞机类型之间的关联关系,得到该机场经常同时或分时出现的各种飞机的类型信息;通过分析同一机型同时或分时出现在不同机场的情况,得到该机型经常出没的机场信息,从而分析机型与机场的军事用途,预测各种类型的飞机是否需要协同作战及机场的战术战略指向,从而为作战指挥决策提供支持,具有重要的现实意义。

关键词：计算机应用技术关联关系挖掘深度学习目标检测与分类 FP-Growth算法遥感影像

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：