检索结果-内蒙古大学图书馆

电子测量技术 2025年第1期48卷 119-128页

作者：付明凯王少红马超北京信息科技大学现代测控技术教育部重点实验室北京100192

步态识别是下肢外骨骼机器人的关键技术,精准地步态识别对下肢外骨骼机器人的柔性控制具有重要作用。为解决不同个体以及同一个体步态特征(步速、步幅等)的随机性,本文提出了一种基于Densenet改进的seCBAM-Densenet网络模型的步态相位... 详细信息

步态识别是下肢外骨骼机器人的关键技术,精准地步态识别对下肢外骨骼机器人的柔性控制具有重要作用。为解决不同个体以及同一个体步态特征(步速、步幅等)的随机性,本文提出了一种基于Densenet改进的seCBAM-Densenet网络模型的步态相位识别方法。首先,将两个惯性测量单元布置在胫骨前部和大腿前侧的股直肌,采集了200人次受试者前进、转弯、上楼梯、下楼梯4种步态任务的步态数据。然后,对数据进行滤波重采样预处理后作为所提模型的输入。最后,利用seCBAM-Densenet模型得到输出模型的分类结果。结果显示,改进后seCBAM-Densenet模型在同一个体中不同步态相位平均识别准确率达到了95.76%,相比其他模型有0.66%~21.22%的提升。在不同个体中,相位的识别准确率均高于94%。以上试验结果表明,本文提出的模型可以应用于步态相位识别领域,并为下肢外骨骼机器人的柔性控制提供了试验参考。

关键词：步态相位 Densenet se-net注意力模块空间通道注意力模块

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5s的安全帽检测算法

引用

北京航空航天大学学报 2023年第8期49卷 2050-2061页

作者：赵睿刘辉刘沛霖雷音李达湖南师范大学物理与电子科学学院长沙410081

针对现有安全帽检测算法难以检测小目标、密集目标等缺点,提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构,提升网络的特征提取能力;在网络颈部检测层加入se-net通道注意力模块,引导模型更加... 详细信息

针对现有安全帽检测算法难以检测小目标、密集目标等缺点,提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构,提升网络的特征提取能力;在网络颈部检测层加入se-net通道注意力模块,引导模型更加关注小目标信息的通道特征,以提升对小目标的检测性能;对数据增强方式进行改进,丰富小尺度样本数据集;增加一个检测层以便能更好地学习密集目标的多级特征,从而提高模型应对复杂密集场景的能力。此外,构建一个面向密集目标及远距离小目标的安全帽检测数据集。实验结果表明:所提改进算法比原始YOLOv5s算法平均精确率(mAP@0.5)提升6.57%,比最新的YOLOX-L及PP-YOLOv2算法平均精确率分别提升1.05%与1.21%,在密集场景及小目标场景下具有较强的泛化能力。

关键词：安全帽检测 YOLOv5s算法数据增强 DenseBlock模块 se-net注意力模块

来源：评论

学校读者我要写书评

暂无评论

基于seCBAM-Densenet模型的步态相位识别研究

引用

电子测量技术 2024年

作者：付明凯王少红马超北京信息科技大学现代测控技术教育部重点实验室

步态识别是下肢外骨骼机器人的关键技术，精准地步态识别对下肢外骨骼机器人的柔性控制具有重要作用。为解决不同个体以及同一个体步态特征（步速、步幅等）的随机性，本文提出了一种基于Densenet改进的seCBAM-Densenet网络模型的步态... 详细信息

步态识别是下肢外骨骼机器人的关键技术，精准地步态识别对下肢外骨骼机器人的柔性控制具有重要作用。为解决不同个体以及同一个体步态特征（步速、步幅等）的随机性，本文提出了一种基于Densenet改进的seCBAM-Densenet网络模型的步态相位识别方法。首先，将两个惯性测量单元（Inertial Measurement Unit，IMU）布置在胫骨前部和大腿前侧的股直肌，采集了200人次受试者前进转弯上楼梯下楼梯四种步态任务的步态数据。然后，对数据进行滤波重采样预处理后作为所提模型的输入。最后，利用seCBAM-Densenet模型得到输出模型的分类结果。结果显示，改进后seCBAM-Densenet模型在同一个体中不同步态相位平均识别准确率达到了95.76%，相比其他模型有0.66%～21.22%的提升。在不同个体中，相位的识别准确率均高于94%。以上试验结果表明，本文提出的模型可以应用于步态相位识别领域，并为下肢外骨骼机器人的柔性控制提供了试验参考。

关键词：步态相位 Densenet se-net注意力模块空间通道注意力模块

来源：评论

学校读者我要写书评

暂无评论

基于改进Yolov5l的航空小目标检测算法

引用

计算机工程与设计 2023年第9期44卷 2610-2618页

作者：戴得恩朱瑞飞陈长征秦磊马经宇中国科学院长春光学精密机械与物理研究所空间光学研究二部吉林长春130033 中国科学院大学大珩学院北京100049 长光卫星技术有限公司数据三室吉林长春130102

针对航空图像小目标检测存在的检测精度低、误检与漏检严重等问题,提出一种基于改进Yolov5l的航空小目标检测算法(AS-Yolov5)。在Yolov5的主干特征提取网络中引入空洞卷积,使用Transform的Decode模块,在特征融合网络中新增检测头,FPN+PA... 详细信息

针对航空图像小目标检测存在的检测精度低、误检与漏检严重等问题,提出一种基于改进Yolov5l的航空小目标检测算法(AS-Yolov5)。在Yolov5的主干特征提取网络中引入空洞卷积,使用Transform的Decode模块,在特征融合网络中新增检测头,FPN+PAN特征融合时设置融合权重,输出端采用se-net注意力机制,测试时进行多尺寸输入及测试时间增强(TTA)。算法在visdron2021数据集上进行验证,实验结果表明,AS-Yolov5的均值平均精度@0.5(mAP@0.5)为41.0%,较Yolov5l的28.5%提升12.5%,有效提高Yolov5l难以在远距离、暗环境、密集分布和图像模糊的场景下的小目标检测能力。

关键词：航空小目标检测 Yolov5l模型空洞卷积 se-net注意力模块权重融合深度学习目标检测

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：